📚 资源信息

关键词讲解

• AI：见文中解释

本文内容源自今日头条网友分享，由 AI 整理发布。

一、 本地 AI Agent 核心目标

本地运行、零 API 费用、稳定 16k + context、推理流畅。

下达指令 → OpenClaw 接收 → 转发给本地 Ollama 上的 Qwen3.5 模型 → 模型算完返回结果 → OpenClaw 执行操作 → 继续 指令 → ……

整个过程完全在本地电脑内部闭环，不需要调用外部AI接口，就不会有 token 和 API 的 费用 。

二、OpenClaw需要的基本参数

OpenClaw 本身对模型的上下文长度有要求，如果用一些窗口小的模型，可能会报错或出现 “ 失忆 “，丢失上下文。

OpenClaw需要至少 16k 的窗口才能正常工作，而模型 Qwen3.5 基础版默认上下文窗口是 262K， 够用的。

三、电脑的参数配置（仅供参考）

1、 整理的 RTX 3060 本地 AI（OpenClaw + Ollama）最优配置方案

这是很多本地 AI Agent 玩家使用的一套稳定方案。

2、 整理的 RTX 3060 方案

和 的装机方案二选一。

3、 给出的避坑指南

1）坚决不要买 8GB 版 3060： 8GB 显存加载 9B 模型后再开启 16k 上下文会直接溢出到系统内存，推理速度会从 40 tokens/s 掉到 2 tokens/s，你会感觉 AI 在“便秘”。

2）上下文设置技巧： 虽然 Qwen 3.5 支持 262K，但在 12G 显存下，建议在 Ollama 的 Modelfile 中将 num_ctx 设置为 16384 或 32768。这能在保证 OpenClaw 运行要求的同时，留出足够的显存带宽给生成速度。

3）模型选型： 建议使用
qwen3.5:9b-instruct-q4_K_M 版本，这是速度与逻辑能力的最佳平衡点。

四、安装 OpenClaw 和 Qwen3.5

Ubuntu 22.04.4 + Ollama + Qwen 3.5 + OpenClaw。

在开始安装前，请确保你已经安装了 NVIDIA 驱动 。你可以通过运行：

nvidia-smi

来验证。如果没有看到显卡信息，请先运行：

sudo ubuntu-drivers autoinstall

并重启。

1、安装 Ollama 并拉取 Qwen 3.5

Ollama 是目前 Linux 上管理本地模型最简单、最高效的工具。

安装 Ollama ， 输入以下指令：

curl -fsSL https://ollama.com/install.sh | sh

拉取并测试 Qwen 3.5 模型：

为了适配 OpenClaw 的 Agent 需求，我们选择逻辑能力最均衡的 9B 版本：

ollama run qwen3.5:9b

等待下载完成（约 6.6GB）。完成后，你可以随便输入一句话测试，然后输入 /exit 退出聊天界面。

2、安装 OpenClaw

我们需要先配置运行环境。

OpenClaw 是基于 Node.js 的 Agent 框架，对 Node 版本有要求，建议使用官方推荐的安装方式。

安装 Node.js (推荐 v22+)：

curl -fsSL https://fnm.vercel.app/install | bash

按照提示重启终端或运行 source ~/.bashrc

fnm install 22

fnm use 22

一键安装 OpenClaw，使用 OpenClaw 官方提供的安装脚本：

curl -fsSL https://openclaw.ai/install.sh | bash

该脚本会自动完成依赖安装并启动初次配置（Onboarding）向导。

3、配置 OpenClaw 闭环连接 (核心步骤)

这一步是将 OpenClaw 需要的“大脑”指向你本地运行的 Ollama 。

进入 Onboarding 配置引导，如果在安装后没有自动弹出，请手动运行：

openclaw onboard

关键选项设置：

1）Model Provider: 选择 Ollama

2）Base URL: 输入 http://127.0.0.1:11434 (这是 Ollama 的默认本地地址)

3）Model Name: 输入 qwen3.5:9b

4）Context Window: 建议输入 16384 (即需要的16k)，这能确保在 3060 上既稳定又快速

启动守护进程：

openclaw onboard –install-daemon

这会将 OpenClaw 注册为系统服务，开机自启，实现“始终在线”。

4、 验证与监控

检查运行状态：

openclaw status

在浏览器输入 http://localhost:18789 ，你可以在这里看到 Agent 的实时思考过程和它执行的本地指令。

5、其他避坑指南

显存回收：如果发现模型响应变慢，可能是因为 Ubuntu 桌面占用了过多显存。建议在 ~/.bashrc 中加入 export OLLAMA_NUM_PARALLEL=1 来限制并行请求，确保单次推理获得最大显存带宽。

权限问题：由于 OpenClaw 需要在本地执行操作（如读写文件），如果遇到 Permission denied ，请确保你在 OpenClaw 的配置界面中勾选了 Allow full system access （初次使用建议先在 sandbox 模式下尝试）。

五、完成

你的本地 Agent 已经就绪，尝试让它帮你完成第一个任务吧。

特别说明：以上只是方案，仅供参考。

本文为网络资源整理分享，仅供学习交流使用。