运行龙虾本地模型最佳电脑配置

你知道养一只龙虾究竟要花多少钱吗？如果你没有算过经济账，我真的劝你千万不要一时冲动就想着去养一只龙虾。我们首先来说那种一心想要部署自己的 open club 的 人，他也分两种情况来看，第一呢，就是选择本地部署，也就是把 open club 部署到你自己的电脑上。 当然，想养好一只龙虾，你总得有一个像样的虾龙吧？那现在最主流的配置呢？就是低配版的 mac mini 四千三起步了，高配版直接上到一万，这还不算完？如果呢，你不想自己折腾，找一个靠谱的袋装师傅是几百到七千块钱不等，那到这硬件加安装，你最少已经花出去五千块钱了。 我们再看云端部署的这帮人哈，他直接使用阿里云、腾讯云这样的平台提供的一键部署服务，就不需要复杂的配置环境了，比较适合新手去布置 openclo。 但是呢，你需要租一个云平台，轻量使用的话，月成本是在五十到两百块钱，重度使用的话，一个月可能要花到上千元。 那选择以上的两种部署方式，你就可以完成你的 opencloud 部署了。恭喜你在这获得了一张养虾资格证。 但是真正的烧钱游戏呢，也才刚刚开始。这两种部署方式的 talk 消耗都是需要单独计费的，你就把这个 talk 哈理解为是 ai 世界里的电费。 简单来讲，你每跟 ai 说一句话，它都得按字数给你收费，中文的一个字要耗一到两个 talk。 而 openclaw 每次启动，光热身就得吞掉几千甚至几万个 talk 了。什么意思？你的车还没有起步呢，五块钱的油钱就已经没了。 有开发者实测过去，刊写一份简单的调研报告，算力成本大概是十块钱左右，极端情况下六个小时就会花掉一千一百七十二块钱。还有人第一个月就烧了一点八亿头，肯账单就得两万多。那当然呢，还有第三种部署方式，也是现在比较流行的，就是选择 kimi kong max kong 这样的包月订阅服务。 它是一种一键打包的服务哈，也是现在被国际媒体评价为是美国所有云计算巨头都没有做到的事儿。 以 kimi koala 为例，它的会员费呢，是分为四档的，四十九、九十九、一百九十九、六百九十九，每月权限等级越高呢，就能够并行处理的复杂任务越多。从一百九十九的等级，你就可以开始养龙虾了。 这个方式好聚好散呢，你不需要自己去部署 open koala 的 开源项目了， kimi 和 mini max 已经帮你在大模型当中部署好了 open koala， 但是它们不单独售卖云平台的租赁服务，也不会去计算按量计费的 top 成本，直接给你一键打包到这个月订阅费里。 那以上三种方式哈，无论你选择哪一种，这么看下来，他都不是零门槛零成本的。所以我劝你千万不要陷入到龙虾焦虑里，不要被那种刷屏的龙虾神话洗脑， 也不要觉得别人都在用了，我不养一只是不是就落后了？你得先算清楚这笔账，想清楚自己的实际需求，再决定要不要入坑。最后呢，给你附上了普通人养虾指南，记得截图保存哦！

今天聊一个最近关注度比较高的产品，腾讯电脑管家出的 qqlo， 它基于 openclaw 框架封装，定位是个人 ai 助手， 主打微信远程操控电脑，三月二十日全量公测，不用邀请码扫码绑定就能用，每天送四千万 token， 免费额度。数据本地运行和 openclaw 的 关系可以类比， linux 内核和 ubox 发行版底层一样，但 qqlo 做了图形化安装， 微信集成内置模型这些封装安装部署的区别比较明显。 open q 老需要先装 note g s 配 api key， windows 用户还要准备 wsl。 二，走完一套流程大概两到四小时，非技术用户基本劝退。 qq 老这边官网下载安装包，点几下扫码绑微信，一到三分钟结束， 安装成功率官方说百分之九十九以上。交互方式上， openclaw 主要是命令行和 im， 支持 telegram、 discord 这些国际平台， qqaw 主攻国内 im， 微信、 qq 飞书、钉钉都接进去了。客户端有个可示画面板，能看到 ai 操作电脑的实时过程，定时任务，任务列表也都做成了图形界面。 模型这块 openclaw 需要自己配置 api， g l、 m 这些国产模型不用翻墙，数据也不出国境。技能生态是另一个差一点。 qclor 目前有五千多个技能，分官方预制和社区审核两层，还有个灵感广场，按办公研究、游戏自律分了四个场景一键触发，整体对比下来，几个维度差异比较清楚。安装部署， openclor 技术门槛高， qclor 一 键搞定， 用户体验 openclor 片即刻 qclor 走，微信指点可化。安全层面， qclor 本地优先，腾讯审核， tclor 每天送四千万免费额度，既能管理 openclor， 依赖开源社区， qcll 有 官方审核加社区两层。从使用场景来看，两类用户可能更适合 qcll， 一 是以微信为核心办公工具的大陆用户， 二是小白用户，不想折腾环境配置对安全合规有要求的，内置国产模型和数据不出镜也有吸引力。 opencll 那 边更适合愿意花时间定制的开发者，需要接 gpt 四、 cll 的 这类国际模型的，或者要对接国际 im 的。 实测中也发现几个问题，一个是微信绑定后，远程指令有时响应延迟大概五到十秒，跟本地直接操作比有差距。第二个是技能市场里部分技能描述和实际执行结果有出入，可能跟审核机制或技能本身维护有关。第三个是客户端偶尔会卡在任务执行中， 没有明确的超时或重试机制，需要手动取消。另外，免费额度虽然每天四千万，但复杂任务消耗较快，具体用量没有犀利度统计试图， 如果再把之前测过的 ravenclaw 放进来，三个产品的定位就更清楚了。 openclaw 是 底层引擎，命令行为主，最灵活，但门槛最高。 ravenclaw 是 桌面化控制台，把模型规则通道全线统一管理， 适合长期使用多模型接入的场景。 qclaw 是 微信直连远程操控，主打小白用户和移动办公。简单说， openclaw 是 内核， ravenclaw 是 本地管理台， qclaw 是 远程遥控器。 qqlo 和 openqlo 同源，但走的是两条路。 openqlo 是 开源引擎，灵活可定制，面向开发者，但门槛高，安全成本都得自己管。 qqlo 是 腾讯做的商业化封装， 把微信接入国产模型、免费额度这些都包进去了，让普通用户也能有一个能干活、能远程的 ai 助手。目前版本 v 零点一点九功能框架已经搭起来了，但既能执行稳定性和远程响应速度，还有优化空间，怎么选，就看自己是愿意折腾定制，还是想开箱即用。

最近这种视频特别火，我刷到了好多，但是我看完之后想问一件事，就是装个本地模型而已，怎么搞的跟登月一样？说真的就是我已经半年多没自己在电脑里装过任何东西了，装东西跑模型这件事本来就不应该是人干的， 今天我会做五件事，看完你可能就能明白，普通人也能让詹蒂克 ai 给自己打工， 而起点就是 mars 来，我们让一个 ai 帮我装另一个 ai。 本地导模型现在也还挺火的，就是因为它有隐私、离线、免费这些很好的特点。听着挺香的， 但是你真要自己动手的话，普通人其实面前会有两道坎，第一道就是装欧拉玛， 里面涉及命令行，环境变量，还要改路径等等，关这一步可能就劝退了百分之七十的人。第二道的话就是装完不知道选什么样的模型，一个千问系列可能就十几个版本， b 站教程的话可能都是我装了十四 b 的 模型，他装了三十二 b 的 模型，可是你这一台电脑就是到底能跑啥，别人是没有办法帮你说清楚的。所以就是我打开 mars， 我 让他在终端帮我装欧拉玛。 他没有直接装，而是先冒出了一句，就是说这类活其实更适合派给 app agent， 所以 的话他自己换了个更合适的 agent， 这就是 os 层级 agent 跟普通聊天机器人的区别就是他知道什么活该丢给谁干。 接着的话就是 app agent 接手，它加载了一个叫 mac desktop op 的 skill 去开始安装，中间其实有报错，但是它没有停，自己读了一下安装脚本， 发现需要苏豆权限，然后他选择了用自己的方式绕过去。装完之后我接着问，就是千问三点六有哪些版本，我的电脑适合装什么样的版本？他一边查官网一边把我的电脑摸了一遍，他看到我的电脑是 m 四 pro 二十四 g 的 内存。 查完之后的话，他又自己补了一句，就是说让我查一下有没有更小的模型。这个细节我其实特别喜欢，就是他不是被动的应答，而是替你多想了一步。最后的话是替我装上了千万三点六二十七 b 的 模型，整个过程我一行命令都没有，枪 你看就是，这才是二零二六年用电脑用 ai 的 正确姿势，就是以前我们得自己去学怎么装，需要去学电脑里的就是各种复杂的术语和操作方式， 你用本地模型的话，你需要查哪个版本能在你的电脑里跑？现在所有这些事情都可以交给 ai， 省了非常多的麻烦。装 ai 这件事，或者说理解你电脑这件事， ai 其实会比你要懂很多，然后等一等，下一件事会更离谱。 本地模型装好了，但 angelic ai 真正爽的地方其实还在后面。我让 mars 装一下我前段时间开源的女娲 skill， 她看了一眼说这是为 cloud code 写的 skill， 我 没法直接跑。 那紧接着就是他又跟着补了一句，说我可以帮你做一个 mars 四适配的版本， 然后几十秒的时间，他用 python 自己写了一个版本，工具印刷流程简化都做了。这点我觉得还挺难得的，他知道自己能干什么，不能干什么，然后适配完成之后的话，我就告诉他来帮我蒸馏一下巴菲特。 然后在这个任务下， marvis 启动了一组调研 agent， 分 头去读他的著作，股东性历年的访谈，别人对他的评价，决策案例、时间线，甚至连就是他二零二五年年底卸任 ceo 都给我整理出来了。我手机放下去倒了杯水，他们就替我读完了几十万字。出来的结果就是五个心智模型加八条决策启发式、护城河、安全编辑能力圈所有者视角、市场先声，这才是巴菲特，就是真正的脑子。 说实话，这一年我已经在用这套策略了，就是平时做产品决策的时候问一下乔布斯，选择投资赛道的时候问问芒格，写完文章的话会请保罗格勒姆帮我省一遍，现在加上巴菲特。 呃，你完全可以问他就是该不该长期持有英伟达。然后我的真实问题是，三十五岁无房无车，每月一万块，闲钱的话应该怎么投资 达菲特视角的回答上来就一句，就是，你最大的资产不是那一万块钱，是你的时间，你至少有二十年的富力跑道。然后给我算了一笔账，就是每月一万块，二十年下来两百四十万会变成五百三十万到五百九十万。 这就是被装进我电脑的巴菲特给我的回答。当然刚才那个试配过程是因为这是我自己的 skill。 其实 mars 内置了技能 广场，就是大多数 skill， 你 完全可以直接在这里去进行探索发现的，比如我做的蒸馏任何人的女娲 skill， 以及他已经蒸馏出的蛮格费曼等等，这些 skill 其实你一键就能安装了， 然后下一件事的话，我要去咖啡馆做了。我现在不在家，但我家里那台电脑在帮我打工。一边是 mars 的 安卓 app， 一 边是微信里的 cloud bot， 想用哪个就用哪个，不用打开电脑，不用远程桌面，喝一杯咖啡的时间， 电脑做完了，结果可以出现在我的微信里，这就是 agent 该干的事。我最近收到一份培训合同，让对方想让我尽快签约。以前我得逐条通读，划出付款、违约、知识产权那些坑，但我自己其实都不专业， 可能半个小时起步也查不出什么东西。这次的话我直接扔给 marvis， 让他帮我省一下这份合同，找出对我不利的条款 几十秒，他给我分了两档，就是高风险和中风险，知识产权全归甲方违约金，对方是百分之五，我是百分之两百。付款拖到六十天以后，一条条全都给我标出来了， 最后还顺手给我写了三条谈判建议。这种活就是以前都得是你有个律师朋友，或者你公司有个法务才能去做，而现在有马律师的话，他可以自己把这些雷区都扫一遍。 这事换成 excel 也是一样的，就是以前得写公式画图，自己想分析的策略，现在一句话也能完全能够完成。然后再看一下桌面啊，就是我现在有一大堆乱七八糟的文件，我可以一句话就把它归类完毕。 打工人不该被这些就是没有意义的事情，浪费时间。我觉得这才是 marvis 对 打工这两个字的承诺。然后我们前面干完了四件事，现在还剩一件是可以给 marvis 上一些强度的，接下来 我会在十分钟内让 marvis 做五件事的挑战，一件一件来跑，看他具体能跑完几件。 我现在让 mars 来帮我们安装一下，就是 codex， 这个是 open ai 推出的类似 clotcode 的 一个 angelic ai 工具，然后现在很多人会觉得这个工具可能比 clotcode 更好用，因为它能有 gbt emoji 二的这种图片生成的能力，以 及它的产品更新迭代很快。然后我们在它做的同时，其实你也可以去新建别的任务，然后我让它用费曼 skill 给我简要 解释下。呃，量子力学，而这里的话就是费曼的这个解释，它已经调用，就是费曼的 skill 去解释清楚了。 然后我这里就不详细读他的这个表达了，但是你大致可以看出他的解释的 程度是属于非常容易理解的。他用了这个光的这个比喻，然后去说了就是 一个光子在不同的情况下会有什么样的表现，我觉得这个讲法确实非常的费曼。然后我的第三个任务的话是调用花书比赛，让他来帮我，就是给我已经写好的一篇文章，去制作一下公众号的头图。 ok， 接下来我们来看一下我们的第四个任务。我的第四个任务的话就是我的桌面其实有太多的截图、视频文件夹以及各种不同的信息了，我希望麻利斯来帮我整理一下， 我让他来帮我整理一下桌面文件，然后要求也很简单，就是帮我把所有的文件都放到合适的文件夹里， 然后他说了，就是这是一个需要文件系统操作和智能归类的任务，所以他派给了专业的就是文件管理的 agent， 而这个 agent 的 话他又根据规则加载了 file organizer 的 skill， 然后来帮我尝试去执行这个任务。 最后的话就是我们这里需要用微信来连一下这个 mars， 用微信的 cloud bot。 其实你在这里就是点开手机这个图标之后，会出现左右两个就是连接的方式，然后如果是微信的话，你就扫右边的这个码就可以了， 然后你在手机上点击继续连接，就发现就是已经连接完成了。 ok， 这里发现就是我们已经看到了三个不同的这个风格的头图设计，我觉得，哎，第三个这个版本还挺不错的，那我就用 c 版本吧， 所以头图设计这块他也已经完成了。然后这里的这个任务的话， 呃，是手机可以和那个 mars 去进行对话，而这种手机的对话的话，你在电脑上是没有办法操作的，你可以来手机去发送相应的要求。然后我举了一个就是日常我们很有可能会需要的一个场景，就在外面你可能需要身份证的一些 照片，然后我提的在手机里提出的要求就是把我的身份证照片的国徽页面发给我， 然后现在电脑接收到就是手机的这个要求之后，它就在呃里面去找这个照片了，然后它再验证就是相关的这个内容。 我们回头再看一下 codex 安装的怎么样了，现在它好像是在重新找 npm 包的那个位置，然后再尝试通过完整路径的 npm 去安装 codex， 并且去找到了国内镜像加速的这个方式， 然后这里提到已经安装成功了，他要验证一下，然后右侧的话，如果你展开可以看到就是他的整个安装过程还挺精彩的，就是通过了好多不同的这个步骤，他遇其实在这个过程中遇到了不少问题， 但面对各种各样不同的问题，他都通过自己的方式去进行解决，然后最后安装成功了。然后如果是我们普通人来处理这个的话，你可能被中间的任何一个问题可能就已经卡倒，这就是我想说的，就是专替个 ai， 你 应该让 ai 来操作你的电脑去帮你解决这些 技术上的难题，而不是把这个难题交给自己。然后后面的话就是，哎，对，这里可以看到就是他找到了三个不同的这个页面，问我需要哪一个，我可以在这里直接进行选择，然后发过去就没有问题了。当然就是这个任务其实你也可以在就是你的 手机上去做相应的操作。 ok， 这个任务也已经完成，所以最终的话我们唯一还在等待的任务是这个，呃，桌面的那个信息的这个整理，其他四个任务全都已经完成， 而这个任务进度现在也已经到百分之二十五了，他是先给我提供了这个就是搬运的这个 清单，就是告诉我他计划怎么搬运我的这些内容。 ok， 他 这里说一百多个文件都已经执行完成了，我们看一下我们的桌面到底是什么样的，哎，我们桌面其实已经完全被整理好了，所以我们交给我们的 mars 的 五个任务，他都在十分钟内看起来完全完成了， 这就是 mars 他 能做到的事情。而这个过程中我做了什么呢？我喝了口咖啡，我开头说的那句话就是，装东西这件事本来就不该是人看的，今天这五件没有 一件是我自己干的，这就是 ajaxai 该有的样子，对我来说就是 marvis 不是 又一个对话式的 ai 助手，它是普通人用上 ajaxai 具有执行能力的 ai 的 起点。真的可以了，你完全可以让 ai 来帮你打工。 marvis 现在 windows、 mac 安卓版本都已经有了，然后你也可以在微信里直接去掉 cloud boot， 去连接 marvis 视频中提到的相关资源和使用方式。我也整理了一份文稿，如果你需要的话，可以在评论区回复 marvis 获取。

养龙虾要不要买新电脑啊？最近很多朋友们来问我，这个要不要买一台三万多的游戏板来养龙虾其实不必要，就是如果你的电脑是三年以内新买的， 那么养龙虾是完全够的，龙虾本身它的算力都是调用的云大模型，本身呢， 他不会在你本地有很大的计算开销，所以买一个很基础的配置或者用已有的电脑都是可以跑的。但有的朋友们说，我想让龙虾变成我的非常得力的助手，那这个时候你可能需要考虑 买一台新的，以及你要考虑的是你要买哪一种电脑，是一台台式机的机箱或者是一个笔记本电脑，怎么选呢？ 龙虾有一个特性就是他只有当你的，他只有当你养龙虾的，这台电脑在正常的运转，就是他没有睡眠，这个情况下谢谢他才能够给你提供服务。 所以如果你是想在白天上班的时候或者你醒着的时候来用龙虾，那你买一台笔记本是 ok 的， 那如果你想让他二十四小时不间断的跟你干活的话，那还是推荐你买一台台式机，那这个时候呢，你的电脑就不要断电了，你睡着的时候他也在帮你干活，睡醒了你就可以检查作业。 至于买哪一种台式机呢？其实当前最好的选择还是 mac mini 最基础的这个配置，最近也是因为龙虾这么热，所以导致 mac mini 出货特别的慢， 而且二手市场现在加价已经比新机还要贵。那我个人的判断呢，就是大厂的云龙虾大概率都会成为大家体验龙虾的这么一个过渡版本， 当你体验过大厂的龙虾之后，一般会走向两个方向，第一个就是龙虾对我没什么帮助，后边我也不需要再用，也就不需要继续去花冤枉钱了。 第二个就是你会觉得龙虾对你的改善特别大，那这时候你再考虑去买一台电脑，归属在本地啊，相信会给你带来更大的收益。

hello， 同学们，大家好，今天我给大家讲的这期呢非常重要，大家一定要用心听， 因为我是想做什么事呢？是用这个 workbody， 现在不是要消耗积分呀，大家可以看到这里是消耗积分的，那么我想的是它调用本地模型，其实是可以避免消耗积分的，就是用本地的算力 去来跑咱们的 ai， 因为这个现在是这个沃克巴里用的是这些模型内置的模型，而这些云模型呢，都是需要消耗积分的，因为他们算力都在云端嘛，所以我想要是本地部署的话，咱们就可以免费来用这个 ai 了。 我之前是用这个呃， gm 四的这个本地模型，我部署了一套是让他自己去做安这个欧拉玛，然后通过欧拉玛调用欧拉玛的接口，然后来部署这个 gm 四的这个模型，是已经可以用这个模型了，在 workbody 这个这个程序里面， 但是又发现一个问题，这个 g m 四模型它是一个大语言模型，相当于跟豆包一样，它只能跟你对话，它并不能完成一些复杂的这种任务，它只能比方说对话的话， 比方说我做软件开发，我跟他对话只能说让他帮我生成代码，而不能让他直接帮我生成这个可以部署的这个部署包，您明白吧？大家都明白吧，他只能说完成对话，所以我现在就是想 通过跟 workbody 对 话，然后让他自己帮我部署可以免费的， 就是可以免费不消耗积分的，并且可以帮我完成软件开发任务的这么一一个模型。然后我首先呢，我会问 这个我如果用本地模型是不是就不会消耗 workbody 的 积分了？然后 workbody 他 给我回答的是确认使用本地模型是不会消耗积分的。那么我接下来的话就是说 我告诉他一个这个问题，我现在需要用你来写代码生成部署文档研究学术生成学术文档用国内哪个模型比较好？ 这这这时候呢？为什么我说用国内模型呢？因为国内没有模型，他相对于理解咱们国内的这种软件开发呀，这种他会结合的比较好，外国的开发方式以及逻辑的话可能会有一些区别，导致我们后期的话， 呃，进行这个软件开发，我再进行这个功能迭代版本升级的话可能会有一些不兼容，所以我想的是还是用国内模型比较好。 然后之后呢？他回答的我的是代码生成与工程实现是要用这个 deepsea 系列是比较好的，包括通易千问这些都是国内做开软件开发的一个主流的框架。然后之后呢我就想说，那么 看这边这边我就问了个问题，我现在需求是这样，我是需要去做任务，有两条线，一个是用学术专家模型去研究这个论文文档，一个是用产品经理模型和专家级开发工程师 u i c c 的 模型去做软件开发项目生成部署包。 然后我我又咨询了一下这个顶级模型能力，让我直接本地部署好，就不需要消耗积分了，这样能不能做到？ 然后沃克巴蒂他就直接跟我交底了，他说顶级模型的能力是需要相当大的显存的，也就是咱们说的 gpu， 英伟达的显卡， 那我以我现在的电脑的话，我们只能说跟让他推荐我们做哪些比较好？然后我就后面给他说了我我的电脑的配置，我是华硕的这个 rog 笔记本处理器， i 七的 十二代，然后显卡是六 g 的 三零六零的读写，硬盘是一点五 t 内存，十六 g 用哪种比较合适？他就给我推荐了， 他说这个是有瓶颈的，有显存瓶颈的，所以说他推荐的是千万的二点五这个模型代码专用推理，然后这个 divx 模型，然后以及这个 这个是我认为比较好的方案，他给我已经推荐了这个本地部署的组合了，然后现在呢我就是 他询问我是不是立刻帮我部署这两项，这两个应该是这个千问二点五的十四 b 是 专门是负责推理的，就是相当于是大脑，这个千问的这个 code 七笔是专门负责帮我做软件开发的，写代码的相当于是最强的工程师。 现在是我需要他，他就帮我立刻从本地部署这个东西，这是一个部署过程，然后部署完成后，基本上就可以实现用本地部署的这个算力 去本地去执行你的，完成你的你交给龙虾的这个工作了。然后这个大家可以研究一下，然后这个部署时间比较长，在这我就给大家多说了， 然后后面我会出一些视频，用我本地部署的这些东西来做这个软件开发。然后大家如果你们有比方说你们的行业也需要软件，也可以把想法告诉我，我帮你们可以快速开发出一套你们想要的东西，或者你们对哪些业务 想做什么小程序的软件啊，都可以找我，我帮你们来做。好今天的内容就是这样，然后大家可以自己自己研究。 我目前是觉得这个 gm 四这个大模型虽然是好，但是它太吃配置了，那个电脑配置低的这些咱们的龙虾训练师还是建议不要用了， 而且它只有对话能力，并没有这个实际的代码能力。也就说它 gm 四强大的地方在于它可以告诉你怎么做，但是它不能帮你做事情。大家明白这个道理吧？其实就是 gm 四跟豆包一样， 就是他能告诉你，他能把你帮你整理思想，帮你整理思路。比方说你想做个软件 软件项目，他能，他能帮你，想帮告诉你怎么，并且他能给你输出代码，但是也仅限于文本对话对话式的这么一个交流，他没办法帮你，直接帮你生成任务，就生成这个文件包了， 直接帮你开发，他做不到这点，只能说现在还是在这个 gmail， 还是在对话的地方，你如果想真正的让你，让他帮你开发，帮你部署，那么可能是需要 cloud code 这样的一个模型去做， 不同的模型针对的这个应用场景不一样。我觉得以后的这个 ai 的 发展呢，肯定会是 各个 ai 的 角色做各个的事情。我这个专业的大脑模型就专门负责推理，然后我的动手能力强的模型，我专门负责去动手，去操作，去执行这个电脑端的任务，他会有这么一个分流， 当然他可能也会有总的总的这个流程，但是他肯定这个俗话说的好吗？鱼和熊掌不得不可兼得吗？ 因为这个还是需要去大脑和肢体去配合，相当于 clioq 的是你的手脚可以去做事情， g y 四是你的大脑去去去构想，去想这件事怎么做。 然后我现在呢，还是偏向于咱们可以用国内的这种大模型，因为国内大模型更能理解你的语言，更能理解咱们的自然语言，能更好的执行任务。 好，本期视频就到这里，然后大家有什么想了解的啊，想知道的都可以发到评论区，然后记得给我点个关注就行了，我都会一一解答的。嗯，而且都是免费分享给大家的。好，这期节目就这样，大家再见。拜拜。

寝室找某鱼买了一个龙虾的安装教程，然后我发现很简单，所以说我就免费分享出来，就去先去浏览器搜这个 one cloud， 打开， 然后我是问，所以说就选这个 windows 版本，然后点击下载，哦，跳过下载过程，那有这个报错的话，你就就给它取消掉就行了。 等待它安装好了，现在打开文件 一直点下一步就行啊，不用点，只为我安装，就点下一步。 嗯，装 c 盘也可以，装哪都行， 直接运行， 然后点这个模型设置，我们可以接入自己买的 api， 下拉手动配置，然后接口地址 a p i k 填上之后就可以用了，点新增就行，这里我已经配置好了， 然后这里面也可以找一些他的技能，就相当于 skill 自己觉得好用的安装就行。 然后点这个下面这个重启 get 位，我这因为之前安装过了，但是没有安装过的，还是就拉到最下面，打开 open cloud 网页端就可以。 这里呢，如果他没有反应，你还可以进这个设置，然后点这个备份恢复， 然后这个控制 get 为控制启动中吧，它显示如果他还是没有恢复的话，再点这个重启就可以，这里已经可以了。打开这个网页端， 然后我跟他说个你好 啊，这样就可以了。然后我们问一下它是什么模型， 或者它是五点五， 然后我们可以在这里找一下它的 skill， 也都可以安装，比如说我们要做 ppt， 就 直接搜 ppt 就 可以， 这是我已经安装了关于 ppt 的。 然后呢，下面这个我们可以去这个 colorhub 里面再找一些其他的关于 ppt 的 一些 skill， 这些都是都可以，那我们点这个安装， 等待它变绿，就是安装好了。对，这样就安装好了。 ok， 上面就是我的分享。 嗯，如果大家感兴趣的话可以点个关注，下一期我出这个 codex 的 教程。

clo？ clo 还是 clo？ 你 肯定被各种各样的龙虾刷屏到烦了，几个月过去，热度丝毫没有退去，愈演愈烈。今天这期我们来点不一样的，不是教你怎么安装和使用 clo， 而是带你十分钟开发一个 mini 版龙虾， 一共只有三百行代码，我不想讨论龙虾到底是有用还是没有用，而想带你从用户视角切换到我这样的从业者视角。我们一起完成 mini 版龙虾的开发之后，相信你对于它的原理以及能力边界的理解能够再上一层台阶。看百变不如实践一变，马上开始。 一、接入大模型，赋予大脑我们要开发的 mini 版龙虾 mini cloud， 第一步就是接入大模型。什么是大模型，相信大家已经不陌生了，就是， 总之大模型就是我们迷你版龙虾的大脑，用来指挥这只龙虾的所有后续动作。因为是迷你版嘛，我们不需要支持配置各种模型厂商，就选择一个国内友好的智普模型吧。先用三十行不到的代码连接智普模型，配置我的智普 api key， 然后就是将我们输入的内容以后台接口的形式发给模型厂商，再将响应的内容展示出来，再无限循环。看到代码不要慌啊，你不需要照搬代码，跟着我了解原理就可以，思路永远比实现细节更加重要。验证下效果，先启动我们这个程序，打个招呼，叔叔你好， 他回应我了，再问个有难度的问题，我喜欢吃糖，为什么？一通分析之后，他告诉了我们答案。先不管答案怎么样，这只虾已经有了，大脑也能开口说话了， 你发消息，大脑响应，再将消息转回给你，完美。二、让大脑有记忆在刚才的程序里，虽然可以无限对话，但是每次对话都是一个全新的请求， 这意味着这个大脑不知道你是谁，不知道你之前和他聊了什么。比如我输入刚才聊的啥，不出意外他啥都不知道。我再问你，我喜欢吃啥？ 明明刚才我说了喜欢吃糖，但是他也不知道，挺睿智的是吧？作为一个可捞智能体，这样肯定是不行的。那该如何解决呢？非常简单，你将所有的对话记录存下来，每次新对话，将之前的对话记录原封不动的发回去不就好了吗？加个两三行代码就能搞定。我们再验证一下，启动这个程序， 先告诉他我喜欢吃糖，闲聊几句再问他我喜欢吃啥来着。哎，这次他知道我喜欢吃糖了，也就是他拥有了多轮对话的能力。 但这个时候问题又来了，当我关掉这个对话之后，他就忘了我们所有的聊天上下文，但我希望他能持久的记住我喜欢吃糖。该怎么办呢？ 好说，我们先新增两个文档，一、 agent 点 md， 赋予他身份设定你是个友好的助手，每次回复都需要押韵。二、 user 点 md， 告诉我我的用户身份设定我喜欢吃糖。然后在代码里要求大模型每次对话前必须读取这两个文档， 同时赋予大模型自主修改这两个文档的能力。也就是迷你龙虾的大脑可以根据和你的聊天记录自己记下来，他觉得重要的东西。好再验证一下全新的对话，问他我爱吃什么？ 哎，他知道我们爱吃糖，而且回复还是押韵的，符合我们在 agent 点 md 里对他设置的要求。再告诉他，我们不仅爱吃糖，还爱吃牛肉。回到 user 点 md 文档，发现已经被改了，记录下来了，我爱吃牛肉，完美！ 这样一个有记忆、有人格的 mini 虾就搭建完成了，它不仅仅是一个大脑，还拥有了更加充分的上下文，也就是 context。 context 里有历史的对话记录，以及你的人设，虾的人设完美。三、进入 tours， 赋予它动手能力。 这个时候，虽然我们的龙虾已经很聪明了，但他只能对话，不能够操作外部世界。比如我在目录里贴入一张大家爱看的美女图片，然后问他这是个啥，他说他不知道。我再让他生成一个 ppt 给我，主题不重要，他也会告诉我们无法生成 ppt， 他 只能将文字发给我。这就是所谓的钢中之脑。 现在的他虽然很聪明，但就像一个身处在培养民里面的大脑，无法真实的影响外部世界，或者说他没有手，没有躯干，怎么办？讨饭，我们先赋予第一种工具，叫做帮身拷领，说白了就是我们提前写好一些脚本，然后这个刚中之脑会在合适的时机调用并触发这些脚本， 三十行代码就能解决。首先，我们定义了一堆工具，列出文件，读取文件、创作文件、删除文件，读取图片，再提前写好这些脚本，具体如何执行。回到 agent 的 md 里，告诉他现在已经有了这些工具。重新启动。问他目录下有哪些文件，哎，答出来了。 再问他图片里的内容都是啥，也答出来了，我们好好验证一下。金发女子、白色连体衣、过期长袜，这些都对了。下一步，我们再支持一下近期热度很高的 skills。 这个更简单了，在目录里新增一个 skill 文件夹，将我们要的 ppt skill 拷贝进去，在代码里加上大概二十行，让他每次执行前都能找到已安装的 skill。 好 了，再来试一试，生成一个两页的 ppt， 分 析下马斯克最近的言论。你看，很快就生成出来了，我们看看生成的质量，嗯， 嘿嘿，因为这个 ppt 的 skill 是 我随便写的，我们可以替换成一个社区热门的。再试一下，生成一个 ppt， 分 析马斯克最近的言论。好，深圳完成了，我们看看这回的效果，要好太多了。完美到这一步，我们的 mini cloud 已经具备了 toos 执行的能力。 toos 并不是大脑内部的，而是挂载在大脑外部的， 随着 twos 的 丰富，就可以无限变强。完美四定时任务与心跳这个时候我们已经很强了，用了一百多行代码，就模拟了去年 manas 这样的产品架构。但有人会说， cloud 产品的一个特点就是会自主执行任务， 也就是他会主动执行一些任务，主动给你推送消息。这是怎么做到的呢？很简单，看这二十行代码，支持新增和存储定时任务，同时后台有一个进程，在指定的时间点给你推送消息，启动程序试一下，告诉他五秒钟，提醒我喝水，稍等下 一条一条一条又一条。你可能会说，这不对啊，我看别人的龙虾不需要这么死板的提醒，会在某些时候自然的推送消息，看着更智能，这不是很简单吗？我们刚才新增了这一块喝水的定时任务，是你主动要求他保存的， 我们再给大脑一个定时任务，比如每个半小时总结他和你的对话内容，让他自己判断要不要在另一个时间点定时给你发消息不就好了吗？这块我就不掩饰了，但是原理都是很简单的，说的好听点就是自我净化。定时推送说的简单点就是高级一点的定时任务，但是不管怎么样，完美， 嘿嘿。五、接入飞书、叮叮等对话渠道。哎，有人又会说了，别人的龙虾可以在叮叮、飞书甚至 qq、 微信里聊天呢。你这个黑乎乎的是啥？太丑了，不想用。但要我说，这其实更简单，你可以理解，不管是飞书、叮叮还是网页版，本质上就是套路层，消息转发的中间层， 你的消息呢？通过这个中间层进行转发和接收，先包一个网页，现在看看就有点像回事了，对吧？你好哎，可以正常回复，每隔十秒提醒我喝酒。 哎，提醒我喝酒喝酒还是喝酒？你看到这一步，我们的 mini club 包了一层美观的外壳，好像也不算很美观，主要是我懒得去调样式，但至少他已经像个样子了，各种能力也都有，从性价比的角度完美。 最后总结，最后，不知道大家有没有发现，这个 mini 版龙虾的开发过程就是二零二三年到现在整个 ai 的 进化过程，一开始呢，只有一个大模型，只能一问一答，后来发展出了可以调用外部工具，不管 m、 c、 p 还是 skill， 都是工具的一种。 到现在不仅可以调用工具，还有了定时任务，也通过定时任务实现了所谓的自我进化，以及开始涨到你的聊天工具，比如说 qq 和微信里，他更像一个人了。 短短的三百行代码模拟了最近三年 ai 的 发展历程，大家也看出来这三年 ai 的 发展速度越来越快，但是并没有给人减负，而是带来了更多的焦虑，以及让人越来越老。看到这里的我相信也是花了很多业余时间来学习 ai 的， 大家一定能够深刻的感受到 ai 的 发展速度超过了你的学习速度。我不喜欢贩卖焦虑，相反作为一线的从业者，希望以原理科普的方式缓解一点大家的焦虑，很多热点有没有必要追，是不是噪音在大家知道原理之后就能够自我分辨。好了，喜欢我的话，请给我宝贵的三连，我们一起进步。

大家好，了解龙虾的这一部分视频呢，我已经发完了，然后保存在一个合集里，大家想看的话可以去我主页看，如果说看过我前面的视频，然后你也想部署龙虾，我建议大家不要马上就去部署啊，因为有两个非常重要的配置你一定要先确定好， 一个呢是服务器的选择，一个是大模型的选择，剩余其他的内容呢，都是在部署龙虾完成之后才需要考虑的，所以其他的部分我放在后面的视频里。今天我先客观的分享一下服务器的选择。 服务器呢，就是把龙虾这个程序包括它的配置文件啊，日记啊，记忆啊等等这些文件保存的地方。但是服务器不只是用于储存，它还能像电脑一样有运行软件的能力。如果大家经常用电脑的话，你应该能理解，配置比较低的电脑，打开一些软件的时候就会很卡， 比如说我们经常用电脑去操作剪映，有的电脑呢，操作的时候就会很卡，有的电脑就很流畅。其实服务器是一模一样的道理，如果我们打算让龙虾去执行特别复杂的工作，那服务器的配置可能就要稍微高一点。 比如你打算常态化的去制作四 k 的 长视频，如果服务器配置低的话，你的龙虾就会越来越卡。这种卡体现出来的情况呢，就是你发一个信息过去，你要等五分钟甚至十分钟以上，你才能收到回复。 所以我们脑子里需要先明白这个概念，然后再说一下原服务器和本地服务器怎么选择。我先说使用本地服务器的好处， 如果你没有这些需求呢，你可以不考虑本地服务器的。本地服务器主要的特点呢，包括它的私密性很高，因为你所有的数据都保存在你自己的服务器里，只要你的服务器没被黑，你的服务器就很安全。还有本地服务器可以设置成局域网模式，就是你的服务器别人是根本进不去的， 就像一些政务部门的内部网络，你只有从内部网络才可以使用。另外呢，本地服务器是只需要花一次的钱，他不需要像云服务器一样每个月或者每年去付费。本地服务器呢，对平台也没有依赖，你不用考虑这个平台最近稳不稳定啊，他的网速快不快呀？ 所以本地服务器部署完之后可以随便折腾，不用再花钱了，这些就是本地服务器的优点。但是本地服务器价格很高，我刚刚看了一下苹果的 mac mini， 十和十六 g 的 价格呢，最便宜的是四千五，如果是配置再高一点呢，我看到有八千多的，最高的有三万的， 如果你是新手的话，这个价格就不是太友好。而且本地服务器呢，运维成本还是需要你自己承担的，比如说一些其他硬件的配置，二十四小时不能断网断电，然后你要自己去负责安全啊，维护啊等等这些。 接下来呢，再说一下云服务器，使用云服务器呢，三至五年内使用成本是低于本地服务器的，但也只是三至五年内，我使用的两盒二 g， 一 年才六十块钱。 我刚才查了一下，火山引擎的龙虾安装礼包，云服务器加康丁 plus 大 模型，一个月才五十块钱，那使用云服务器呢？你是不需要自己去负责运维的，也不用二十四小时开机， 不需要你去考虑安全性，这些都会有厂商去给你做好，云服务器还能满足你随时可以用，在全世界只要有网络的地方你都可以用。而这一点呢，本地服务器的网络延迟相对来说就会高一点，其他的优势劣势还有很多，但是在这里呢，就没有必要拿出来讲了，比如说像网络设备啊， ups 啊，数据库 api 等等这些 我个人建议呢，新手期我们就使用便宜的云服务器就可以了，在以后我们需要高配置的时候再去更换就行了。 那云服务器的配置怎么选择呢？我们可以先考虑自己的龙虾是不是用来执行复杂任务的，任务越复杂需要的配置就越高。我可以给大家分享一个逻辑啊， 执行搜索或者提问任务，类似平时我们像使用豆包啊， deepsea 的 方式，这种是最简单的工作，这种工作使用最低配置的服务器就能够胜任的。然后我们以这种工作为基础，在这种基础之上，再需要龙虾去进行分析，去制作图片，去制作视频， 去操作软件，去操作电脑，去执行一个连续性动作，比如建立一个网站，按照这样的顺序，难度会逐渐增加。 我目前的服务器就是一个最简单的两核，两 g 核和 g 是 什么意思大家不用理解，你只需要知道数字越大代表配置越高就行了。我用的这个服务器呢，是能完成分析和制作一些图片的工作，但是如果想制作视频就需要等很久，这就说明已经很卡了。 所以如果你打算用你的龙虾呢，去做视频甚至更复杂的工作，那就要考虑两盒四 g 以上的服务器了。更复杂的比如说使用一个 opencloud 平台去创建多个 agent 用于办公，这种情况可能需要两盒八 g 甚至更高的配置才行。新手呢，我们直接选择最低配置的服务器，然后在以后有需要的时候再去升级， 升级服务器的时候是不需要重新部署龙虾的。那云服务器的价格呢？商用版本是比较贵的，一年可能要几千，但是目前大部分的服务器平台都有专门针对龙虾使用的小型服务器版本。配置呢也有高有低，我刚刚也查了一下，有两个大厂，最便宜的只要三十多块钱一年，但是配置也相当低， 我建议大家选择呢是一年在一百元到两百元之间的服务器，如果你懂配置贷款的话，你可以自己去对比，不懂的话就不用看配置了，因为不可能出现大厂之间价格相等，然后配置差距很大的情况，行业竞争也是很激烈的，所以我们闭眼入就行了。 不会找的呢，直接去搜索清亮服务器就可以，如果还是不知道怎么找，就去问豆包有哪些清亮服务器平台好。接下来呢，在确定了你的服务器之后，不用着急下单，因为我们还需要确定另一个配置，就是大模型， 我们需要龙虾去做的工作跟大模型是匹配的，而且大模型是可以分为很多类型，针对不同的工作有针对性的类型可以选择，而且呢，有些大模型是可以跟服务器捆绑购买的。那关于大模型的选择呢？我在下个视频里分享给大家。这个视频就聊到这里，我们下个视频见，拜拜。

永久免费无限量，电脑小白也能装一行命令都不要！哈喽啊，我是王玉，今天给大家带来可能是史上最简单的本地大模型加本地龙虾的部署方案，可以永久告别偷啃叫力，享受免费无限量的 ai 能力， 一次安装终身使用，不依赖云端 a p i， 不 再有掏坑的焦虑，月度限额的烦恼，所有的数据都保存在你本地的电脑上，聊天记录代码片段都不会上传云端，超级安全，还支持多渠道，微信、 qq、 飞书都可以随时随地的用，性能也很强。 这次我会集成最新的千万三点六三十五 b， 这个模型性能堪比主流的付费 ai 产品，完全免费运行在你的显卡上，而且安装过程不需要你懂代码，不需要命令行，不需要你安装什么 wsl 那 些东西， 只需要安装两个图形化的软件，点一点鼠标就能搞定，而且有什么新模型、新插件，新的 skill 都可以装，都可以更新，你需要准备什么？硬件方面推荐十六 gb 以上显存的显卡，当然你没有这么好的显卡也没关系，你下载一个小一点的模型也行。 软件的话，第一步，安装这个 lm studio， 不 会安装的话，可以参考我之前做的本地安装 jma 四的那期视频。 第二步，安装这个 workbody， 这个 workbody 现在是可以接入本地模型的，所以我们直接安装它就可以直接使用这个龙虾的能力了。 ok， 来具体看一下怎么配置这个 lm studio。 第一步，首先是你把这个模型下载好， 然后加载到这个 lm studio 里面，可以看到这个著名的洗车问题三十五 b 的 这个 moe 模型是没问题的， ok， 然后看一下本地 server 的 配置，点这个图标，进到 local server 的 配置页面， 我们看到这里有一行字就是代表我们的 server 已经起起来了，这个地址就是我们的 api server 地址，我们把这个地址 copy 一下，然后到配置 workbody 的 页面，我们点这个图标，然后进到设置页面，点这个模型， 然后进到编辑模型页面，我们提供商选这个 custom 接口地址，粘贴我们刚刚复制的地址，最后加上一个 v e 这个 apikey， 如果你配了的话就填你配的 apikey， 如果你没配，那你就随便填一个模型名称的话就随便填，也可以高级配置。我们这个模型是支持工具调用，也支持图片输入，还支持推理的，所以这三个都可以勾上上下文大小，根据你加载模型的上下文大小填就可以， 然后来看一下实际的使用效果。其实本期视频的这个 ppt 风格的网页就是我让这个千万三点六三十五 b 加 word 八 d 来做的，可以看到这边我让他做一个介绍本地安装小龙虾的短视频， 他帮我写好了短视频文案，包括一个 ppt 风格的网页，有六页的 ppt， 内置了一些动画效果，包括右边的原点导航，还有图片点击放大的效果， 包括需要哪些截图，他也给我列出来了。永久免费无限量电脑小白也能装一行迷你都不要，是不是非常的 nice， nice！ 觉得有用的话记得点赞关注，拜拜。

这次真的是逆天了，就在今天，智普推出了 auto club， 把龙虾本地安装的门槛给打下来了，我现在就教大家怎么装。 之前太多人想装龙虾，但听到手动配置、环境接模型、开通 api 调配置这些词就已经放弃了。现在 auto club 相当于给龙虾套了层外壳，把复杂的流程简单化之后呢，变成我们所熟悉的 app 形式，还能一键迁移你已经装好的 open club， 这真的是釜底抽薪啊，太绝了！好！打开 auto club 网站，我会把网址放在评论区，然后双击安装，一分钟就能够启动它。登录你的信息。之后呢，一定要看风险指南，耐心看完，基本上风险都是由用户自己承担的，没有什么比安全更重要了， 而且看完你会学到不少的知识，阅读并同意之后会出现两种情况，假如你在电脑上装过 auto club， 他 会问你要不要牵引，这个我个人觉得很鸡肋，反正我没有牵引， 没有装过的就恭喜你啦，直接安装完成啦，同时可以直接一键接入飞书，我用的就是飞书，非常棒，适合中国用户。 左侧可以选择安装模型，里面有提前配置好了自带模型，不用自己填 api 密钥之类的，拿到就能够用。还有其他模型可以选啊，但都是要付钱的。但放心，国内的模型都很良心，我用下来都不算太贵。 我觉得他的核心优势是全在你的本地电脑运行，不用租云服务器，不用按月交费，也不会碰到什么云端限流啊，模型降质这些问题，还有数据都存在自己的电脑里，隐私更有保障些。当然还是要小心哦，不要乱开权限，系统还自带了五十多个预设技能，就是 skills， 搜索网页、数据处理表格设置、定时任务啊，操作网页这些活开箱就能够用，不用额外去折腾。配置很亲民。 不得不来一句梗啊，质朴还是靠谱的，把原来只有即刻能玩的转的 open color 真正送到了普通人手里。我还是要重申一下我的观点哈，安装只是拿到一张入场券，想办法让它为你赚钱吧。

为什么现在很多人都开始玩本地算力了？主要还是因为线上模型速度慢，不安全，消耗大，还不稳定，想让他帮我干活，本地文件都要上传到云端去处 理，完全没有隐私，安全性可言。而我搭建的这套本地算力服务器，云端模型能做的他都能做，而且更快更稳定，最重要的是安全，所有过程在本地跑，一个字都不出去。我可以让他帮我把系统里的订单调出来，十几秒就完成了，让他直接整理成表格发给我。电商老板拿到这台本地大模型就是降维打击， 可以帮你直接盯同行的店铺信息，帮你分析哪款 size 销量最好，近期最好的热点有哪些，只需要打字发给他，他就会直接帮你汇总了，直接做成文档表格放到桌面。 像我就是用的五零九零 b b 二，跑的千万三点五二七 b 单词模型，我会提前把三个 skills 部署好，作为公司知识库，接入 e r p 系统，读取 w p s 文件，也会教你怎么训练自己的 ai， 拿回去就是属于你自己的 ai 智能体。

想装 open call， 又不想买新电脑？看这里，灰藏老师开发的这个工具，直接让你在主力机上原地起飞！大家都知道，跑全自动的那种撸脱帮式的 龙虾工作流，通常得专门配台闲置电脑，用 code 拍了。它的好处就是物理成本直接归零，必省五千块硬件费。咱把这钱省下来，买更强力的模型托盘不香吗？之所以不提 常大家在主力机上乱装 a 振它呢，是怕它权限太大乱删东西，走的是务实的模块化路线。它把任务严格限制在文件夹里，每个模块都是独立的安全岛。它去除了过度自动化的风险，但保留了主动向人类汇报的灵魂。最关键的一点啊，就是它不是那种黑乎乎的、冷冰 冰的命令行工具。它有标准的 two c 的 u i 界面，有清爽的对话窗口，你就像在在本地干活，进度一目了然，还能随时填充到本地 文件夹，比在两台电脑间来回折腾丝滑太多了！省钱、安全又见面，还特别听话。一个懂分寸全自动的 ai 助手，下载 coldplay， 它还是免费的呢！

ai 龙虾养了没？为啥有些电脑跑 ai 却能够卡成 ppt？ 别急哈，可能是你还没搞清楚 ai 需要什么硬件，那今天三分钟把 ai 的 需求分析和硬件的配置一次性讲透，看完你应该就知道你需求什么样的配件。想拍 ai 电脑，我们还是先别看硬件， 先搞清楚我们用 ai 来干什么，我把场景跟硬件直接对应，一句话让您听明白。第一， ai 绘图本地画画 table user， 你 中宁像这些显存至少都要八 g 起步， 十二 g 以上更稳， n 卡的话作为首选，因为 ai 工具几乎都是基于库达，预算够的话直接可以上到十六 g 的 显存，跑 ai 模型不爆显存。 第二，本地大模型， ai 聊天像 deepsafe 或者是通用千万本地部署大模型，模型会先加载到内存里，十六 g 勉强能够跑小模型，三十二 g 起步，六十四 g 以上可以跑到十四 b 以上的大模型。 第三，像剪映 ai 跟科帕冷，主要看就是 cpu 加内存，显卡够用就行， cpu 打开切换多任务的运行时候， cpu 决定的是响应的速度， 所以核心越多是越好的，像 i 五啊，或者是锐龙五是底线， i 七或锐龙七会更稳。第四，训练模型跟练单显卡都全部都要拉满的。 那记住一句话，画图看显卡，跑模型看内存，日常流畅看 cpu， 先定需求再配硬件，不花冤枉钱。那我在这里推荐一套本地部署的 ai 配置，供大家来做一个参考。 cpu 用到的是我们的锐龙七八七零零 g， 它内置的是瑞迪恩的一个七八零 m 机险，支持手动分配十六 g 的 一个显存，跑大模型时，它可以用极险来做一个分担，主板用的是 g 加 b 八五零 a o reis pro wifi 七电竞标 十二加二加二的一个供电箱啊，支持 ddr 最高八六零零的一个高频内存， ai d 五黑科技二点零可以一键超频。 内存用到的是金士顿六十四 g 的 一个套条，跑十四 b 的 大模型都不卡，显卡用到的是 g r t x 五零六零魔音卡，八 g b 的 显存， ai 绘图够用。如果主要跑大模型，可以先用八七零 g 的 一个极显点一点 硬盘，用一 t 硬盘就可以。这套配置目前能够支持绝大部分的一个本地 ai 部署了，如果您的预算有限，也可以根据如下的一个需求来做略微调整，也帮大家列出来的，你可以做一个参考，那配置到位了，部署其实也有简单的方法， 给你一个国内可以直接用的方案。有道龙虾，它跟国外的 open cross 类似哈，但完全是针对国内的用户来做优化的。内置技能商店，它是自带文档处理、数据分析、 ppt 制作等十六种的一个核心技能，数据百分百本地存储， 所有的聊天记录、配置文件都在你自己的电脑里，您可以配合沙箱做一个隔离运行，不用担心隐私泄露。那你的职业 ai 是 否能够对您起到一个帮助呢？评论区我们可以聊一聊，我们下期见。

大家现在看到的是我们公司自己搭建的一套完全离线的本地 ai 知识库，用的是这套二四 g 的 n 卡方案。很多人不理解为什么放着云端模型不用，非要花大价钱跑本地算力，其实最核心最高需的原因就是数据绝对安全。像我们公司日常需要规章调取大量的核心产品数据的内部方案、客户私密资料，那像这些都是公司核心机密， 绝对不能上传。任何云端 ai 一 旦上传数据，就会被平台收入，存在泄露风险。而我这套本地知识库全程离线运行，所有数据只存在我自己的电脑里，不联网，不上传，不外流。其次就是解决我多年的办公痛点，这些 全部都是需要日常调取的一些资料，导致每次对接工作、复盘项目，查询数据都要逐个文件加翻找，浪费大量时间。最关键的是，就算搜到对应文档里面大量数据，还需要我自己逐字梳理， 总结答案，办公效率真的提不起来那搭完这套本地 ai 知识库，我相当于拥有了一个百分百吃透公司所有工作资料的私人助理，这些数据 ai 会自主学习，吃透全部内容。像现在我需要知道我的这个产品一些售后知识，不用发文件，不用查资料，直接问 ai 就 可以了，会精准调取我的专属资料，整合梳理后直接给到我精准落地的标准答案，完美适配我的工作场景，用上了才知道到底有多爽。

你的电脑能不能在本地跑 ai 大 模型？这个网站可以提前告诉你，每天认识一个宝藏网站第三十四期，今天分享的是 在这里它会自动识别你的显卡、内存和处理器，根据你的硬件情况告诉你哪些 ai 大 模型能在本地运行，哪些可能会比较吃力。你也能按模型类型、厂商这些条件筛一筛，看看它更适合什么配置。每个模型下面也会告诉你大概需要什么配置， 跑起来顺不顺，就连欧拉玛命令都整理好了。关键是现在不用登录，免费就能用。结果不一定完全准，但提前判断一下，够用了。

智能 ai 龙虾装机全指南，五分钟拥有你的 ai 数字员工 ai 龙虾是开源本地 ai， 智能体能，直接操控电脑，自动完成办公任务，无需复杂编程，普通电脑即可安装。一、核心概念，快速了解 本名 openclaw， 外号龙虾 ai， 图标为红色小龙虾， claw 等于爪子，寓意动手干活。核心区别，普通 ai 只说不做。龙虾 ai 能听懂指令，拆解任务操作，电脑自动完成试用场景文档处理、数据整理、自动截图、批量操作等重复性工作。二、 电脑最低配置要求硬件最低要求推荐配置影响说明系统， windows 一 零十一 mac os 十五加 linux windows 十一 mac os 十二加六十四位系统是基础。 mac os 原声支持最佳 cpu， 四核处理器 i 五 r 五六核十二线程影响任务处理速度，多核心更优。内存四 gb 八 gb 加低于四 gb 可能卡顿。大内存支持多任务并行。 硬盘一零 gb 可用空间五百一十二 gb nvme ssd 系统盘需要足够空间， ssd 加载更快。 显卡，集成显卡即可。 rtx 三零五零八 gb 加无显卡可用 cpu 推理，有显卡加速更流畅。网络，安装时需联网稳定网络，首次安装需下载依赖后续可离线使用 极限方案，闲置旧笔记本也能安装，只是速度较慢，适合尝鲜。三、三种安装方式一、新手首选一键安装版， 推荐工具有道龙虾、腾讯 call 泡、小米、 microsoft 等国产优化版。步骤一、官网应用商店下载对应安装包。二、双击运行全程，下一步自动完成依赖安装。三、启动后绑定大模型 a p p 四、测试发送整理桌面文件指令能自动分类即成功。二、 windows 系统原版安装一、准备工作，以管理员身份打开 power shell， 暂时关闭三、六零等杀毒软件验证 node js 输入 node 减 v 需大于等于十八零点零 n p m 减 v 需大于等于八零点零，未安装则去官网下载 l t s 版。二、一键安装命令， plaintext n p m install 杠 g openclaw 若卡住可先切换国内镜像 n p m config set registry h t t p s colon slash slash registry npmirimo 点 com 三、启动与配置输入 openclaw start， 启动服务 浏览器，打开 http， 冒号 oslop 的 三千，进入控制面板 settings model， 选择模型，填入 api key 保存。三、 docker 容器安装 一、安装 docker desktop 并启动。二、拉取镜像 docker pull， openclo， openclo list 三、运行容器 docker run p three thousand to three thousand open claw open claw。 四、后续配置，铜钱浏览器，访问 http， 冒号 slash slash l o c a l h o s d colon three thousand 四、 api key 获取与配置一、选择国内模型，智普 ai 注册后在控制台创建 api key， 免费，额度充足，通一千，问阿里云账号登录，开通 api 服务 minimax， 免费，额度丰厚，响应速度快。二、配置步骤，进入龙虾控制面板 settings model， 选择对应模型，粘贴 e p i key 并保存发送测试消息，能正常回复即配置成功。五、常见问题与避坑指南一、安装失败，关闭杀毒软件，用管理员权限运行， 确保 node js 版本达标。二、运行卡顿，增加内存，关闭其他占用资源的程序。三、无法操作电脑在系统设置中允许龙虾 ai 的 控制权限， windows 需开启辅助功能权限 四， a p i 调用失败，检查 key 是 否正确，是否有余额，免费额度网络是否正常。六、装机成本分析方案成本说明，利用现有电脑零元，大多数办公电脑都满足最低配置，二手迷你主机七百到一千四百元，联想、凌客等品牌到手即可部署 全新入门配置三千五百元左右， i 三到一二一零零 f 加八 gp 内存加五百一十二 gp ssd 流畅运行， api 费用零到五十元每月，国内模型免费额度足够个人使用， 重度用户可选付费套餐。七、总结与下一步安装龙虾 ai 的 核心门槛不是硬件，而是配置 api key。 大 多数用户可利用现有电脑零成本安装，体验 ai 自动办公的高效。 下一步建议先通过一键安装版快速体验确认需求后，再考虑升级硬件或切换到 d 卡安装打造专属 ai 数字员工需要我根据你的电脑系统和是否有编程基础提供定制化的安装步骤和推荐的 api key 获取渠道吗？

最近有些人问我说龙虾特别特别的火爆，我能不能养一只龙虾来帮自己干活？那么在你下决定之前呢，先考虑以下三个问题，如果你能接受，那你大可以去养龙虾，否则的话，这个龙虾一旦帮你干不了活，很有可能是你在给龙虾干活。 第一点是硬件，龙虾呢，如果说你打算本地配置，最起码你需要一个四 g 以上内存的电脑，如果你要安装本地的这个大模型，那么你还需要一张独立显卡，几千块钱是少不了的。 现在腾讯呢，已经接入了原生的酷狗，也就是所谓的原味版的龙虾，如果你想用，你需要在腾讯购买一个云端的服务器， 这是其一，那么其二呢，就是龙虾在运行的过程中可能会出现各种各样的问题，那么这些问题如果你不能解决，那么你还得找人，找人怎么样呢？你要掏钱，这个价格的多少根据问题的大小而定。 第三点呢，就是龙虾的运行，他依赖的是资源，就是我们前面讲过的资源，怎么理解这个事呢？比如说你开车，那么这个资源就是你开车时所消耗的这个油， 这下你明白了吧？而这个龙虾他对于次元的销量非常非常的大，如果说你每个月只是轻量使用的话，你 觉得花个几十三百块钱，如果重度一点的使用，基本上就在一千以上是少不了的，一年下来几千块钱，整体算下来，一年关于这个驯养龙虾的消费， 再怎么着也得有一个五千接近一万左右的水平了吧。我们再退一万步来讲，假如说这个龙虾真的被你驯养的非常的好了， 我想问一下你到底有多少工作可以交给龙虾二十四小时去干，全年无休。那么想好了这些问题，你再决定要不要养龙虾？点赞加关注哦，再看不迷路！

其实养小龙虾的过程就是让他从动口到动手的过程。你的 oppo 可乐如果还在一问一答，那就太浪费了。我配置的这套本地 ai 智能器，现在已经可以帮你干活了。把文档表格丢到知识库里，他就能自己理解总结。 我让他把订单里退款项单独列出来，做成表格，不一会就能做出来放到桌面。只要权限给够，他不光能帮你盯盘，还能帮你盯住竞品上新账号数据，自动帮你抓取网络热点， 能接入公司 erp 系统，帮你盯住进销存。电商公司可以让他分析往年销量，哪款 sku 销量最高，哪些品处于亏损状态，产品详情、 客服话术他都能做成企业私有知识库，还能帮你生成商品主图视频。像我给客户搭的这套 n 卡方案，二十四 g 显存的五零九零，用来跑千位三点六二十七 b 的 氮素模型， 虽然没有六十四 g 的 m r ultra 跑道模型大，但是带宽大，速度是迈克的几倍。我会把 a 镜头和通用 skel 设置好，教你怎么训练自己的 ai 智能体。

最近帮很多客户配置了这个算力服务器，其实发现大家的需求基本都一样，都是把它拿回去做本地的大模型。那么这就有个问题了，本地开源大模型那么多，用哪个更好呢？那这个是我们帮客户做的一个去筛选的软件， 这里举了个例子，比如说我要同时测试四个不同的大模型，他的算力也好，性能也好，有什么区别？这里比如说千分三点六二十七币的、三十五币的，还有不同的格式参数的， 那我们这里用到的是三张卡，因为我这个机器是三张卡，那为什么能运行四个模型？首先我把第一张卡去拆分成了两张卡，用这个 m i g， 那 我可以看到这里就有四张卡了。 接下来我们来测试一下，我们看到这个是我们的前端页面，这里就有四个模型的对号框。我们同时问一个问题，是最近比较火的像洗车难题，就比如说我有一辆车要去洗车，还是开车去洗车，因为之前会有这个模型是会翻车的， 我们看到这个几个都运行完了，这个还在不断的思考，所以可以发现每个模型他的特点、速度他都是不一样的，我们先等他回答完毕。好的，我们看到这整个模型都回答完了，看下他具体数据，比如说这里是他每秒的 token， 像这第一个千万三点六二十七币的是一百四十个 token 每秒， 这个千万三点六、三十五 b a 三 b 的， 这个是二百六十个每秒，这边是二百二十八，这个是二百二十一整体的速度，还有每个手自延迟都可以看到，包括他使用的体感，比如说这个模型他就思考了特别久， 那这个就可以根据我们具体的业务来选择使用哪个模型，这就很方便了，这整体的框架都是我们去帮服务器用户去开发的。