Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

Windows下安装运用高效轻量本地龙虾机器人ZeroClaw

常用操作系统Windows下,本地安装、配置和使用--龙虾机器人,用过了略显复杂的原装OpenClaw,也用过了易用性逐渐提升的国产替代CoPaw、AutoClaw、WorkBuddy,欲转向性价比更高的“品牌”,几经对比,目光锁定在了ZeroClaw。下面是Windows下,安装、配置和使用ZeroClaw的过程汇总和心得体会。盛传ZeroClaw,不但开源免费、可以本地部署,而且体积小、运行高效,跟我一起体验,看其到底有没有。

1 组合工效

图1 ZeroClaw应用组合工效展现图

2 必备基础

2.1 大模型LLM

通用经济起见,选用硅基流动Siliconflow大模型平台及其下的deepseek-ai/DeepSeek-V3.2,需要进入硅基流动网站注册登录并创建相应的API密钥,如图2所示。

图2 SiliconflowAPI密钥创建及其大模型选择组合截图

2.2 机器人Robot

通用经济起见,选用腾迅的QQ机器人。进入腾迅QQ开放平台,注册登录,新建QQ机器人并创建机器人AppID与机器人密钥,在“开发”下选择相应的常用“回调配置”,如图3所示。

图3 QQ机器人的开发管理与回调配置选择组合截图

3 ZeroClaw获取

从ZeroClaw官方网站,可以直接下载源码压缩包,也可以下载所需的发行版本。源码,需要GoLang工具编译才能使用。简化实用起见,这里直接选择下载zeroclaw-x86_64-pc-windows-msvc.zip,如图4所示,解压缩即可得到只有一个可直接启用的文件zeroclaw.exe。

图4 ZeroClaw发行版本选择下载截图

4 ZeroClaw配置

直接通过命令行窗口,完成版本验证和最简初始配置,如图5组合截图所示,需要指明大模型平台及其API密钥及其选择的具体大模型,再就是在配置文件设置机器人AppID与机器人密钥。

图5 ZeroClaw最简初始配置操控窗口组合截图

5 ZeroClaw应用

最简配置完成后,即可通过命令行操作展开ZeroClaw应用,如图6所示。要想在可视浏览器中交互应用,需要进一步启动并保持网关进行,ZeroClaw网关启动的命令操控过程如图7所示,ZeroClaw浏览器页面启动与应用入口操作如图8所示,ZeroClaw浏览器交互应用如解决9所示。

图6 ZeroClaw命令窗口基本简单运用操作组合截图

图7 ZeroClaw网关启动的命令操控过程截图

图8 ZeroClaw浏览器页面启动窗口截图

图9 ZeroClaw浏览器交互应用窗口截图

6 ZeroClaw展现

可以在ZeroClaw交互浏览窗口通过“仪表盘”页面监控系统的进行状况,如图10所示。

图10 ZeroClaw交互浏览的仪表盘监控窗口截图

可以在ZeroClaw交互浏览窗口通过“工具”页面选用内置常用的工具方法,如图11所示。

图1 ZeroClaw交互浏览的工具选用窗口截图

可以在ZeroClaw交互浏览窗口通过“集成”页面直接选用配置所需的大模型,如图12所示。

图12 ZeroClaw交互浏览的大模型选用配置窗口截图

7 本地大模型应用尝试

通过下载运行Ollama进而下载运行如deepseek-r1:8b,命令行窗口可以访问大模型deepseek的API接口--localhost:11434/api/chat,专用工具ApiPost也可以成功测试,但ZeroClow就是访问不到,报连接超时。ZeroClow的相应配置为:zeroclaw onboard --provider ollama --model deepseek-r1:8b,# 本地 Ollama无需 API Key。遗憾。

Read more

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力:探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI:多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中,海螺AI作为一款前沿的多功能AI工具,正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司(MiniMax)精心打造,依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型,展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业,在多模态大模型研发领域深耕细作,为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 (一)基础模型:abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计,借助动态路由机制,即Sparse Gating Network,可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等,各司其职,协同作业。在参数规模上,abab - 6.5总参数量高达1.2万亿,同时通过巧妙的设计,将活跃参数量控制在2000亿/query,有效平衡了模型的高容量与低推理成本。在训练优化环节,

微搭低代码MBA 培训管理系统实战 19——教务管理:从订单到课时卡的自动转化

微搭低代码MBA 培训管理系统实战 19——教务管理:从订单到课时卡的自动转化

目录 * 前情回顾 * 一、 数据源设计 * 1.1 学员档案表 (`MBA_StudentProfiles`) * 1.2 课时卡表 (`MBA_LearningCards`) * 二 创建管理页面 * 2.1 搭建财务布局 * 2.2 搭建待支付列表页面 * 2.3 搭建确认支付弹窗 * 2.4 自动化开课 * 三 配置门户数据 * 最终效果 * 总结 前情回顾 上一篇中我们讲解了销售在订单成交后,录入订单。此时订单的状态还是待支付的状态,需要财务确认收款情况。财务人员点击了"确认收款",订单状态变更为 已清账。此时,资金流已经闭环,但学员在系统里还只是一个"商机客户",没有上课的权限。

在Windows11利用llama.cpp调用Qwen3.5量化模型测试

1.下载llama.cpp二进制文件 访问 https://github.com/ggml-org/llama.cpp/releases 或者 https://bgithub.xyz/ggml-org/llama.cpp/releases 选择适合自己平台的。我没有独立显卡,所以选择CPU版本 https://bgithub.xyz/ggml-org/llama.cpp/releases/download/b8192/llama-b8192-bin-win-cpu-x64.zip 解压到\d\llama8\目录。 2.下载量化模型 按照 章北海mlpy 公众号:Ai学习的老章~ID:mindszhang666 写的知乎文章Qwen3.5 0.8B/2B/

xcchat 是一个基于 Django 和 Django Channels 构建的轻量级在线客服系统。它支持实时聊天、人工/机器人客服切换、访客信息追踪和多站点接入

xcchat 是一个基于 Django 和 Django Channels 构建的轻量级在线客服系统。它支持实时聊天、人工/机器人客服切换、访客信息追踪和多站点接入

xcchat - 开源在线客服系统 * 作者:北小菜 * 邮箱:[email protected] * QQ:1402990689 * 微信:bilibili_bxc * 哔哩哔哩主页:https://space.bilibili.com/487906612 * gitee地址:https://gitee.com/Vanishi/xcchat * github地址:https://github.com/beixiaocai/xcchat xcchat 是一个基于 Django 和 Django Channels 构建的轻量级在线客服系统。它支持实时聊天、人工/机器人客服切换、访客信息追踪和多站点接入。 🌟 项目特点 * B2C架构:面向企业对客户的客服场景 * 实时双向通信:基于 WebSocket