用本地模型驱动 OpenClaw：不花 API 钱也能跑

🔧 Step 0：先确认外部工具配置

⚠️ 本案例依赖外部工具（Telegram/Notion/飞书等），先确认已配置 👉 查看常用工具配置指南 →

解决什么问题

OpenClaw 默认用 Claude API，每月 API 费用 $30-100。但很多任务不需要最强模型：

• 查天气、设提醒 → 任何模型都行
• 读文件、整理笔记 → 不需要 Claude Opus
• 日常对话 → 本地小模型完全够用

@pepicrft：“started using minimax m2.5 as the main driver for @openclaw”

@TheZachMueller：“Running fully locally off MiniMax 2.5”

OpenClaw 不锁定任何模型供应商——你可以用 Claude、GPT、Gemini、MiniMax、Llama，甚至本地跑的开源模型。

方案选择

方案一：Ollama + 开源模型（推荐入门）

完全本地运行，零 API 费用。

# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 下载模型（按需选择）
ollama pull phi3          # 3.8B，轻量快速
ollama pull llama3.1      # 8B，综合能力强
ollama pull qwen2.5       # 7B，中文优秀
ollama pull deepseek-r1   # 推理能力强

在 OpenClaw 中配置使用本地模型：

把默认模型改成 ollama/qwen2.5

方案二：MiniMax 2.5（社区热门）

MiniMax 2.5 是社区验证最多的本地模型方案，综合能力接近 Claude Sonnet。

# 通过 Ollama 运行 MiniMax
ollama pull minimax

方案三：混合模式（最佳性价比）

日常用本地模型，复杂任务调云端：

在 AGENTS.md 中设置：

## 模型策略
- 默认：ollama/qwen2.5（本地免费）
- 写代码/debug：claude-sonnet（云端）
- 深度分析/长文：claude-opus（云端，按需）

硬件要求

模型	最低配置	推荐配置	响应速度
Phi-3 (3.8B)	8GB 内存	16GB	即时
Qwen 2.5 (7B)	16GB 内存	32GB	1-2 秒
Llama 3.1 (8B)	16GB 内存	32GB + GPU	1-3 秒
MiniMax 2.5	16GB 内存	32GB + GPU	1-3 秒

没有 GPU 也能跑——速度会慢一些，但日常任务完全够用。

预期结果

• 日常对话：本地模型秒回，不消耗任何 API 费用
• 数据隐私：所有数据留在本地，不上传云端
• 中文能力：Qwen 2.5 的中文能力非常好
• 复杂任务：可随时切换到云端大模型

踩坑记录

本地模型中文能力参差不齐

症状：有些模型中文回答质量差，出现乱码或语法错误。

解法：选中文优化过的模型——Qwen 2.5 和 DeepSeek 的中文能力最好。

模型太大内存不够

症状：下载 70B 模型后跑不动。

解法：从小模型开始。Phi-3 只要 8GB 内存就能跑，日常任务够用。

回答质量不如 Claude

症状：复杂推理和长文写作明显不如。

解法：这是预期行为——本地模型的优势是免费和隐私，不是要替代顶级模型。复杂任务手动切到云端模型。

不满意怎么调

• 想更快 → 加 GPU（NVIDIA RTX 3060 起步）或用更小的模型
• 想更强 → 用 MiniMax 2.5 或等更强的开源模型
• 想完全不用云端 → 纯本地模式，在配置里关闭所有云端 API