大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



哈喽小伙伴们好，我是Stark-C~

谁能想到，从去年小龙虾的出现，到它登顶Github星标榜第一，都已经这么久了，没想到它的热度依然未减！

但问题来了：很多小伙伴“龙虾”是请进来了，但真的是养不起啊！小龙虾每一次的输出，都伴随着tokens的疯狂燃烧。对于骑着雅迪电动车都不敢使劲拧电门的我来说，小龙虾的这个胃口确实有点奢侈~

所以我在想，能不能节省下开支，不能老给它喂细粮（云端模型），适当的来点粗粮（本地模型）也不过分吧？毕竟广告说得好：养虾嘛，粗细搭配，营养更均衡。

于是，这个想法我就在极空间Z423旗舰版上动手实践了起来。看看作为极空间上代旗舰NAS的它，到底能不能扛起一个让给小龙虾提供最基本“养料”的本地大模型。

本地大模型目前对于NAS玩家来说，最友好的平台应该是Ollama了。极空间现在在应用商店内已经集成了开箱即用的Ollama框架，并且还一直在维护。前两天的外测固件升级还顺便将Ollama版本更新到最新的0.18.3版本。

我们在应用商店安装Ollama唯一需要记住的就是它的端口号就可以了。

同时极空间应用商店里同样有开箱即用的OpenClaw，但是版本还停留在v2026.3.8版本。截止目前小龙虾已经升级了多个版本，并且还进入了很多新的功能，比如对于Ollama插件的原生支持就是新功能之一。

PS：极空间当前版本貌似对于Ollama本地模型的支持不太友好，我尝试在openclaw.json文件内加入模型地址，最后没有启动起来，也不知道是我加入的格式不对，还是它本身就不支持~

所以为了体验最新鲜、原汁原味的小龙虾，我使用Docker的方式部署了官方最新版本OpenClaw。截止我发文的今天，我已经跟着官方发布的镜像更新到v2026.4.1版本。所以本文接下来的操作，也是基于这个版本的OpenClaw为演示。

极空间Docker部署OpenClaw教程：https://post.smzdm.com/p/aomlvm6n/

极空间的Ollama框架也是基于Docker部署起来的，我们在应用商店安装好Ollama之后，就能在Docker管理器中看到“运行中”的Ollama容器。

和在本地终端部署的Ollama一样，我们也可以直接通过Docker容器终端来和Ollama对话，或者执行一些模型推理、API 调试、模型管理等指令或操作。

在终端我们可以通过指令“ollama --version”来查看Ollama 版本，可以看到它和应用商店里显示一直，均为最新v0.18.3版本。

然后通过指令“ollama list”查看本地模型，没想到极空间应用商店的Ollama已经为我们预装了llama3:latest和qwen2.5:7b大模型，这两个大模型都是当前主流主机部署大模型的热门只选。前者主攻英文，后者主攻中文。

那它们在极空间上的表现如何呢？先来看看llama3:latest，通过指令“ollama run llama3:latest --verbose”进入交互模式并进行简单的推理测速，结束后可以看到它在极空间Z423上跑到了4.66 tokens/s，虽说这只是本地大模型的“打字机”水平，不过个人也算能接受吧~

然后让它输出中文，表现为4.61 tokens/s，和英文差不多。

同样的方式，再来通过指令“ollama run qwen2.5:3b --verbose”查看一下qwen2.5:7b的表现，得出了4.74 tokens/s的成绩，算是比llama3:latest略高，不过是可以忽略不计的那种。

不管怎么说，ollama这边的大模型确实是没什么问题的，接下来我们把它接入到OpenClaw那边看看效果。

先来说说我这边踩的坑。理论上，只要把 Ollama 的访问地址（IP:端口）和模型名称（如 qwen2.5:7b）交给正常运行的小龙虾，它就能自动完成配置，并切换到这个本地模型。事实上我也是这么操作的，然而结果是，小龙虾的回答虽说已经使用的是 Ollama 中的qwen2.5:7b，事实上运行的还是我之前的云端模型。

这是小龙虾的问题吗？不，事实上是我自己的问题。因为我在部署之初就给它的记忆系统下达了一个死命令：任何时候都不允许修改当前的主配置文件（openclaw.json），如果必须修改，或者有任何需要变动的地方，在这之前必须给我详细的说明，并且必须经过我的允许才能继续！

给它下达这个命令的初衷，是因为如果不这样，它在配置的时候很有可能自己把自己玩“嗝屁”了（我相信碰到这个问题的小伙伴绝对不在少数~）。

那怎么办呢？很简单，我们直接在小龙虾的交互式向导中操作就可以了。打开OpenClaw Docker容器的终端，依次输入以下指令：

• su node
• stty rows 40 cols 120
• openclaw configure

它首先问我们网关在哪里运行，我们选择“Local（本地）”即可。

然后选择需要配置的项，选择“Model（模型）”。

目前最新版的OpenClaw已经原生集成Ollama模型的选项，我们这里直接选择“Ollama”。

在Ollama模型配置页面：

• Ollama Base URL：填写“http://NAS IP:端口号/v1”，端口号是Ollama应用商店里部署自定义的端口号。
• Ollama mode：选择“Local（本地）”。
• Models in/model picker：选择我们需要使用的本地模型，我这里以“ollama-local/qwen2.5:7b”为例。

配置好之后退回到项目选择界面，选择最后一个“Contiue”完成设置。

最后输入指令“openclaw gateway restart”就可以了！

这个时候我们在小龙虾的Web UI界面和它对话，可以看到它已经启用了“ollama-local/qwen2.5:7b”模型，只不过对话等待的时间确实有些长，一个简单的问题要等差不多一分钟。

当然，飞书这边也是没有问题的，等待的时间同样很长，但不管怎么说，确实是跑通了！

另外我也观察到，在OpenClaw回答问题期间，Ollama容器的CPU占用确实会提升很多，也进一步证实了小龙虾确实启用了Ollama本地大模型。

我后来还在Ollama上额外的拉取了qwen2.5:3b模型，单跑已经非常流畅，达到10.38tokens/s的速度，接入到小龙虾那边也是可以连通，但依然很慢，主要是OpenClaw 的多层代理开销太大，远不及Ollama本身的直连输出效率高。

当然，如果需要执行一些复杂命令用到云端模型的时候，可以直接在输入框中执行“model 模型名称”，就能快速进行模型切换，还是很方便的。

虽说小龙虾对接Ollama本地大模型后的体验确实有点差强人意，但是不管怎么说，它确实是跑通了！而这最大的功臣，无疑就是极空间Z423旗舰版强大的硬件配置，给了本地大模型最基本的底气。

当然，并不是所有小伙伴都使用的是极空间Z423这种强大配置的NAS，也不是每一台 NAS 都能扛起本地大模型的推理压力。本文的教程只是起到一个“思路与参考”的作用，真正能不能顺利跑起来，使用效果怎么样，还得结合你手里的设备与折腾方向了。

目前极空间的各大NAS产品优惠继续，同时极空间部分产品还可享受白条3期或6期免息政策，180天内出现质量问题只换不修，2年官方质保。喜欢的小伙伴不要犹豫赶快入手吧，早买早享受

好了，以上就是今天给大家分享的内容，我是爱分享的Stark-C，如果今天的内容对你有帮助请记得收藏，顺便点点关注，咱们下期再见！谢谢大家