OpenClaw + Qwen 本地大模型部署教程：Mac 打造 AI 助手

2.2 下载 Qwen 模型

Ollama 支持全系列 Qwen 模型，包括最新的 Qwen2.5 和 Qwen3.5。

# 查看可用 Qwen 模型列表
ollama list | grep qwen
# 下载 Qwen2.5 7B（中文能力强，推荐）
ollama pull qwen2.5:7b-instruct-q4_0 # 约 4.1GB
# 下载 Qwen2.5 14B（需要 16GB+ 内存）
ollama pull qwen2.5:14b-instruct-q4_0 # 约 8.2GB
# 下载 Qwen3.5 9B（"小钢炮"，平衡之选）
ollama pull qwen3.5:9b-instruct-q4_0 # 约 5.3GB
# 下载 Qwen3.5 35B（需要 24GB+ 内存，支持多模态）
ollama pull qwen3.5:35b-instruct-q4_0 # 约 20GB
# 验证下载
ollama list

模型选择建议：

• 16GB Mac：首选 qwen2.5:7b-instruct-q4_0 或 qwen3.5:9b-instruct-q4_0
• 32GB Mac：可以考虑 qwen2.5:14b-instruct-q4_0
• 需要多模态：选 qwen3.5:35b-instruct-q4_0（需足够内存）

2.3 测试模型运行

# 直接在终端对话
ollama run qwen2.5:7b-instruct-q4_0
# 输入测试问题
>>> 介绍一下通义千问模型的特点
>>> /bye # 退出
# 测试 Ollama 的 OpenAI 兼容 API
curl http://localhost:11434/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{ "model": "qwen2.5:7b-instruct-q4_0", "messages": [{"role": "user", "content": "你好，请做个自我介绍"}], "stream": false }'

如果返回正常，说明 Ollama 服务已经就绪。

三、OpenClaw 安装与配置

3.1 安装 OpenClaw

OpenClaw 需要 Node.js 22 或更高版本。

# 1. 检查 Node.js 版本
node --version
# 如果低于 22，需要升级
# 2. 使用 nvm 安装 Node.js 22（推荐）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.0/install.sh | bash
"$HOME/.nvm/nvm.sh"
nvm install 22
nvm use 22
# 3. 配置 npm 国内镜像（加速安装）
npm config set registry https://registry.npmmirror.com
# 4. 全局安装 OpenClaw
npm install -g openclaw@latest
# 5. 验证安装
openclaw --version
# 应显示 2026.3.x 或更高

3.2 初始化 OpenClaw

# 执行初始化向导
openclaw onboard

按照提示完成基础配置：

3.3 启动 OpenClaw 服务

# 启动网关服务
openclaw gateway start
# 生成访问令牌（用于 Web 控制台登录）
openclaw token generate
# 复制输出的 token，保存备用
# 访问 Web 控制台
# 浏览器打开 http://127.0.0.1:18789/?token=你的 Token

四、OpenClaw 对接 Ollama Qwen（核心步骤）

4.1 配置文件方式（推荐）

OpenClaw 通过配置文件 ~/.openclaw/openclaw.json 管理所有设置。我们需要添加 Ollama 作为模型提供商。

# 编辑配置文件
vim ~/.openclaw/openclaw.json

将以下配置内容粘贴进去（注意替换 API Key 占位符）：

{"meta":{"lastTouchedVersion":"2026.3.1"},"models":{"mode":"merge","providers":{"ollama":{"baseUrl":"http://localhost:11434/v1","apiKey":"ollama",// Ollama 不需要真实 API Key，但不能为空"api":"openai-completions","models":[{"id":"qwen2.5:7b-instruct-q4_0","name":"Qwen2.5 7B (本地)","reasoning":false,"input":["text"],"contextWindow":32768,"maxTokens":8192},{"id":"qwen3.5:9b-instruct-q4_0","name":"Qwen3.5 9B (本地)","reasoning":false,"input":["text"],"contextWindow":128000,"maxTokens":32768}]}},"ollama/qwen2.5:7b-instruct-q4_0":{"priority":1,"default":true}},"agents":{"defaults":{"model":{"primary":"ollama/qwen2.5:7b-instruct-q4_0"},"models":{"ollama/qwen2.5:7b-instruct-q4_0":{},"ollama/qwen3.5:9b-instruct-q4_0":{}}}},"gateway":{"mode":"local","auth":{"mode":"token","token":"你的 token"// 替换为 openclaw token generate 生成的 token}}}

配置要点：

• baseUrl 必须是 http://localhost:11434/v1，这是 Ollama 的 OpenAI 兼容接口地址
• apiKey 可以任意填写，但不能为空
• models 数组中列出你下载的所有 Qwen 模型
• contextWindow 根据模型实际能力填写（Qwen2.5 支持 32K，Qwen3.5 支持 128K）
• 在 ollama/模型 ID 对象中设置默认模型

4.2 保存并重启

# 保存文件后，重启 OpenClaw 网关
openclaw gateway restart
# 检查配置是否生效
openclaw models list
# 应该显示已配置的 Qwen 模型，并标注 default

4.3 Web 控制台配置方式（备选）

如果你更习惯图形界面，也可以通过 Web 控制台配置：

1. 访问 http://127.0.0.1:18789/?token=你的 Token
2. 左侧菜单选择 配置 → RAW
3. 在编辑器中粘贴上述 JSON 配置
4. 点击 Save 保存，再点击 Update 应用

4.4 验证集成是否成功

方法一：Web 控制台对话

• 在聊天框输入：'你好，请介绍一下你自己'
• 如果回复中包含'通义千问'或'Qwen'相关描述，说明对接成功

方法二：命令行测试

# 进入命令行交互模式
openclaw tui
# 输入测试指令
你用的是哪个模型？
帮我列出当前目录下的文件

方法三：查看 Ollama 模型状态

# 查看当前运行的模型
ollama ps
# 应该显示 qwen2.5:7b-instruct-q4_0 正在运行

五、高级配置：多模型混合架构

5.1 同时配置多个 Qwen 版本

你可以在配置文件中添加多个模型，根据需要切换：

"models":{"providers":{"ollama":{"baseUrl":"http://localhost:11434/v1","apiKey":"ollama","models":[{"id":"qwen2.5:7b-instruct-q4_0","name":"Qwen2.5 7B"},{"id":"qwen2.5:14b-instruct-q4_0","name":"Qwen2.5 14B"},{"id":"qwen3.5:9b-instruct-q4_0","name":"Qwen3.5 9B"},{"id":"qwen3.5:35b-instruct-q4_0","name":"Qwen3.5 35B"}]}}}

在对话中可以通过指令切换模型：

切换到 Qwen3.5 35B
用 Qwen2.5 14B 帮我写一段代码

5.2 本地 + 云端混合模式

对于偶尔需要的复杂任务，可以配置阿里云百炼 API 作为备用：

"providers":{"ollama":{// 本地 Ollama 配置},"bailian":{"baseUrl":"https://dashscope.aliyuncs.com/compatible-mode/v1","apiKey":"你的阿里云百炼 API Key","api":"openai-completions","models":[{"id":"qwen3.5-plus","name":"Qwen3.5 Plus (云端)"},{"id":"qwen3-coder","name":"Qwen Coder (云端)"}]}}

成本优化策略：

• 日常任务：本地 Qwen 模型（零成本）
• 复杂推理/长文本：切换云端 Qwen-plus（按量付费）
• 代码任务：使用 Qwen Coder 专用模型

5.3 为 Qwen3.5 开启多模态能力

如果你下载了 Qwen3.5 的多模态版本（如 qwen3.5:35b），可以通过以下方式使用图像理解：

// 在模型配置中添加 image 输入支持
{"id":"qwen3.5:35b-instruct-q4_0","name":"Qwen3.5 35B (多模态)","reasoning":false,"input":["text","image"],// 关键：声明支持图像输入"contextWindow":256000,"maxTokens":65536}

使用方式：在对话中上传图片，输入'这张图里有什么？'即可。

六、性能优化与问题排查

6.1 Mac 性能优化技巧

1. 确保 Ollama 使用 GPU 加速

M 系列芯片的 GPU 对推理加速明显：

# 查看 Ollama 日志，确认 Metal 是否启用
ollama serve --verbose
# 设置环境变量强制使用 GPU
export OLLAMA_NUM_GPU=999
ollama serve

2. 限制 CPU 核心数（防止影响其他应用）

export OLLAMA_NUM_THREADS=4
# 限制使用 4 个 CPU 核心
ollama serve

3. 减少内存占用

如果内存紧张，可以选择更小的量化版本：

# Q2_K 是更激进的量化，内存占用更低
ollama pull qwen2.5:7b-instruct-q2_k

6.2 常见问题及解决方案

6.3 常用管理命令

# Ollama 相关
ollama list # 查看已下载模型
ollama ps # 查看正在运行的模型
ollama stop 模型名 # 停止指定模型
ollama rm 模型名 # 删除模型
# OpenClaw 相关
openclaw status # 查看服务状态
openclaw gateway restart # 重启网关
openclaw models list # 查看可用模型
openclaw logs # 查看日志

七、实战：让 Qwen 帮你干活

7.1 安装实用技能

# 安装文件管理技能
openclaw plugins install @openclaw/file-manager
# 安装系统控制技能
openclaw plugins install @openclaw/system-ctl
# 安装联网搜索技能（需申请 Exa API Key）
openclaw plugins install exa-search

7.2 日常任务示例

八、总结：零成本 AI 助手的价值

通过 OpenClaw + Ollama + Qwen 的组合，你可以在 Mac 上获得一个完全免费、数据私有、离线可用的强大 AI 助手。

8.1 核心收益

• ✅ 零 Token 成本：无限次调用，彻底告别 API 账单
• ✅ 数据完全私有：所有对话、文件处理都在本地
• ✅ 离线可用：飞机上、咖啡馆断网也能用
• ✅ 中文友好：Qwen 原生中文理解，效果优于同规模国外模型
• ✅ 灵活扩展：支持多模型切换、技能插件、多模态输入

8.2 硬件投入产出

以 16GB Mac 为例：

• 一次性投入：已有设备（零新增成本）
• 运行成本：电费（约 0.1 元/天）
• 相比云端 API：每天 100 次对话可节省200-300 元/月

8.3 下一步探索

• 模型微调：用 MLX 框架在 Mac 上微调 Qwen，打造专属模型
• 接入消息渠道：配置飞书/Telegram，实现移动端调用
• 自动化工作流：结合 cron 定时任务，让 AI 自动执行重复工作