为什么选择本地大模型 + OpenClaw？
由于 OpenClaw 可以查看与操作私人文件等敏感信息，在特定任务中使用本地模型是很大一部分用户的刚需。
数据安全与隐私保护
OpenClaw 拥有系统级操作权限，可访问文件、邮件、代码等敏感内容。本地模型确保所有推理计算完全在设备内完成，数据永不离开本机，满足企业合规与个人隐私的双重需求。
零 Token 成本，无限调用
云端 API 按 token 计费，而 agent 对 token 的需求比普通对话高两到三个量级。本地部署一次完成，此后无限次调用，大幅降低长期使用成本。
无网络依赖，离线可用
断网环境、内网隔离环境下同样可正常工作。对于需要处理涉密资料或在受控网络环境中工作的用户，本地模型是唯一可行方案。
模型选择与机型适配
Qwen3.5 系列凭借高工具调用成功率、适中的硬件需求和多模态支持，是最适合 agent 场景的本地模型。核心原则：大显卡小模型。
Agent 对速度的高要求
Agent 执行任务时需要反复推理、调用工具、验证结果，token 消耗远超普通对话。为保证合理的响应速度，必须在模型大小与硬件配置之间找到最优平衡点。
模型与显卡配对建议
OpenClaw 及变种选型
大厂版（方便）| OpenClaw（主力）| IronClaw（安全）— 每个方案都包含 OpenClaw 作为基本选项，因为其功能、升级速度和生态丰富程度是任何变种无法比拟的。
🦅 OpenClaw — 主力方案（技术型用户）
OpenClaw 有一定技术门槛，适合技术型用户。但其功能深度、升级速度、生态丰富程度、可定制性是任何变种无法比拟的。支持上千种技能插件、Subagents 并行处理、自定义工作流，是构建专业 AI 工作流的首选。
🛡️ IronClaw — 安全方案（企业 / 高安全需求）
IronClaw 以企业级安全和稳定为出发点：本地文件加密、沙箱隔离运行、前端加密通信等全环节多要素安全措施，比 OpenClaw 安全太多。但技术门槛更高，只适合对安全要求较高的组织或项目。
🖥️ LobsterAI / CoPaw 等 — 一键安装版（非技术用户）
对普通非技术型用户，传统一键安装的变种版本最合适，安装完成后再连接本地 LLM 进行配置即可。功能相对简化，但上手门槛极低，适合希望快速体验 AI agent 的普通用户。
LLM 运行环境选择
Ollama（方便）| llama.cpp（快速）| vLLM（高性能）— 根据您的使用场景和技术能力选择最合适的推理引擎。
🦙 Ollama — 最简单，强烈推荐入门
最新版 Ollama 添加了对 OpenClaw 的原生支持，只需一行 ollama launch openclaw 即可自动连接、配置、启动，是入门用户最方便的选择。强烈推荐手动设置上下文窗口（num_ctx 32768），否则模型将把大部分时间花在压缩上下文中，严重影响 agent 执行效率。
⚙️ llama.cpp — 轻量快速，单 Agent 首选
硬件门槛低，可在纯 CPU 机型运行，模型加载快，内存友好，适合单本地 agent 场景。安装门槛略高于 Ollama，但性能调优空间更大，可精确控制 GPU 层数、上下文大小等参数。
⚡ vLLM — 高吞吐，多 Agent 并发场景
适合多本地 agent 的多并发高吞吐场景，PagedAttention 技术大幅提升并发效率。但前提是强大的显卡支持，适合 Pro Max GB10 这样的高算力机型，在消费级显卡上优势不明显。
多 Agent 团队配置
由于在编程等复杂任务的准确性和速度上，本地模型与云模型还有一定差距，多 Agent 分工几乎是必然选择。
为什么需要多 Agent？
单个本地模型在处理复杂编程任务时可能出现准确率不足或速度较慢的问题。通过多 Agent 分工，可以让不同规模的模型负责不同子任务：大模型负责规划和决策，小模型负责执行简单重复任务，实现整体效率最优。
在 OpenClaw 中配置多 Agent
OpenClaw 支持多 Agent 协作，但需要单独配置每个 Agent 的模型、工具权限和通信方式。建议安装 clawport 等可视化管理工具，通过图形界面管理多个 Agent 的工作流，降低配置复杂度。
本地 + 云端混合 Agent 策略
对于高安全需求场景，可采用本地 Agent 处理敏感数据、云端 Agent 处理公开信息的混合策略。OpenClaw 支持在同一工作流中混用本地和云端模型，实现安全性与能力的最优平衡。