一个 CTO 的 128G 内存折腾笔记 & 50 天深度使用报告
作者：Pong | OneOneTalk CTO
OpenClaw 部署实录：从云端尝鲜到本地觉醒。
一个 CTO 的 128G 内存折腾笔记 & 50 天深度使用报告。
核心路径：云端 → 本地 → 深度认知。
作者：Pong | OneOneTalk CTO
痛点：平台切换 = 效率杀手
日常工作中需要在飞书、IDE、Chrome、ChatGPT 等多个平台间频繁切换，令人崩溃。
OpenClaw ≠ 聊天机器人
通过 OpenClaw，可以找回专注。它将飞书、IDE、Chrome、ChatGPT 等整合到一个统一的 Context 中。
OpenClaw 是一个有”手”的智能体（Agent），具备操作系统 + 浏览器 + 文件管理 + 自动写码的能力。
云端方案（MVP）： 2C4G 配置，成本 ¥9.9/月，3天跑通，适合入门。
本地方案（Hardcore）： 128G 内存，0元电费，极致自由，适合极客。
结论：成年人不做选择，建议两条腿走路。
核心架构由三部分组成：
- 飞书（Lark）：采用飞书长连接，无需公网 IP / Nginx。
- OpenClaw Core：核心引擎，兼容 OpenAI 协议，丝滑接入。
- 火山方舟（Volcano Engine）：Coding Plan 订阅，一个订阅（¥9.9）搞定所有模型。
第一步：装本体 —— Node.js ≥ 22，npm install。
第二步：接方舟 —— baseUrl: /api/coding/v3，选择 Coding Plan。
第三步：连飞书 —— 必须选”长连接”模式！
重要警告：别让 AI 自己装 Skills 插件，必须人工 CLI 操作！
推荐：
- 日常对话：Kimi-K2.5（均衡、稳定）
- 写代码：Doubao-Seed-Code
避坑：
- Auto 模式：慎用！可能会在对话时误选代码模型，导致响应时间飙升至 150s+。
本地部署的三大优势：
- 免 Token 自由 —— 跑断腿也不花钱。
- 绝对隐私 —— 数据不出房间。
- 极低延迟 —— 没有网络往返。
硬件主角（Hardware）：
- CPU: AMD AI 395+（纯 CPU 推理）
- RAM: 128G DDR5
DeepSeek-70B-Unsloth：16GB 显存 | 128K Context，用于日常对话 / 长文档。
DeepSeek-Coder-33B：67GB，用于写代码 / 修 Bug。
核心理念：内存够大就是任性，同时加载，按需切换。
全程手动输入 < 20 条命令，其余全是 AI 生成。
正确做法： 在 WSL Ubuntu 24.04 中用 nvm 装 Node 22 并设为默认。
错误做法： 直接让 AI “帮我装 Node”。
经验总结： 遇到报错直接丢给 AI，从”运维”变”需求描述师”。
- 响应速度：2-4 秒（比云端快）
- Token Speed：25-35 t/s
- RAM Usage：~90GB / 128GB
最大坑： WSL 默认内存限制 50% → 70B 模型直接 OOM！
解法： 必须配 .wslconfig 手动分配 96GB+。
从 Chatbot 到 System 的转变。
OpenClaw = 7×24 小时的 AI 基础设施。
它不再是工具，而是你的数字延伸。它会学习你的习惯、表情符号、语言风格。
构建 Stable Architecture 的三根支柱：
- Markdown 优先 —— 数据存纯文本，拒绝供应商锁定。
- 上下文分离 —— 不同任务用不同频道，防污染。
- 模型匹配 —— 杀鸡不用牛刀，心跳检测用小模型。
OpenClaw 存在的三个问题：
- 记忆丢失 —— 对话被压缩，细节会丢。
- 安全隐患 —— 邮件一定要开”仅草稿”模式（防 Prompt 注入）。
- 非全自动 —— 复杂任务仍需”保姆式”看护。
L1 入门 —— 云端 Lite 版 + 飞书（最低成本体验）
L2 进阶 —— 本地 Ollama + 飞书（释放硬件潜能）
L3 终极 —— 本地为主，云端兜底（**组合）
虽然地板上有洞，但我绝回不到没有 AI Agent 的日子了。 —— Pong
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/238007.html