本地离线部署AI大模型：OpenClaw + Ollama + Qwen3.5:cloud/Qwen3:0.6b 超详细教程（无需GPU）

优质文章学习记录

— 7 min read
本地离线部署AI大模型：OpenClaw + Ollama + Qwen3.5:cloud/Qwen3:0.6b 超详细教程（无需GPU）

前言

随着开源大模型越来越成熟，我们完全可以在自己电脑上本地运行AI，不联网、不上传数据、免费使用，隐私性极强。

今天这篇文章，我会一步步带你完成：Ollama + Qwen3.5:cloud（主力模型）+ Qwen3:0.6b（轻量备选）+ OpenClaw 的本地部署，实现一个属于自己的本地聊天AI，兼顾效果与低配置适配。

一、项目介绍

本项目实现本地离线运行阿里通义千问系列大模型（Qwen3.5:cloud 主力模型 + Qwen3:0.6b 轻量备选模型），全程不需要云端API，不需要高性能显卡，普通电脑就能跑，可根据自身电脑配置选择对应模型。

用到的工具：

    • Ollama：最简单的本地大模型管理工具，一键拉取、运行、管理模型
    • Qwen3.5:cloud：阿里云开源的轻量高性能大语言模型，对话效果强、适配本地部署，作为主力使用
    • Qwen3:0.6b：阿里云开源的超轻量大语言模型，占用内存极低（1GB左右），适合8GB内存低配电脑，作为备选模型
    • OpenClaw：美观好用的本地AI可视化交互界面
    • 特点：免费、离线、隐私安全、低配置可运行

二、环境准备

    • 操作系统：Windows 10 / Windows 11
    • 内存：最低 8GB（推荐 16GB 更流畅）
    • 无需独立显卡，CPU 即可运行
    • 网络：仅在下载模型时需要，运行时可完全断网

三、详细安装步骤

  1. 安装 Ollama

Ollama 是运行模型的核心，安装非常简单。

  1. 打开官网：https://ollama.com/
  2. 点击 Download 下载 Windows 版本
  3. 双击安装，一路下一步
  4. 安装完成后，Ollama 会自动在后台运行

验证是否安装成功：

打开 CMD 或 PowerShell，输入：

ollama --version

出现版本号即成功。

  1. 使用 Ollama 下载并运行模型（Qwen3.5:cloud + Qwen3:0.6b）

我实际下载了两个模型，可根据自身电脑配置选择运行，优先推荐 Qwen3.5:cloud（效果更好），8GB内存低配电脑推荐 Qwen3:0.6b（更流畅）。

2.1 下载并运行 Qwen3.5:cloud（主力模型）

继续在命令行输入以下命令，
第一次运行会自动下载模型，下载完成后出现 >>> 即启动成功，可直接输入问题测试，适配低配电脑，运行流畅无压力。

ollama run qwen3.5:cloud

出现 >>> 表示模型已启动成功。

你可以直接在这里输入问题测试：

你好，介绍一下自己

在这里插入图片描述

模型能正常回答，说明 Qwen3.5:cloud 部署成功。

2.2 下载并运行 Qwen3:0.6b（轻量备选模型）

若电脑内存较低（8GB及以下），运行 Qwen3.5:cloud 卡顿，可下载 Qwen3:0.6b 超轻量模型，命令行输入：

ollama run qwen3:0.6b

出现 >>> 表示模型已启动成功。

你可以直接在这里输入问题测试：
你好，介绍一下自己

在这里插入图片描述

模型能正常回答，说明部署成功一半。

  1. 安装 OpenClaw 可视化界面

OpenClaw 让你不用敲命令，直接像 ChatGPT 一样聊天。

  1. 打开 OpenClaw 发布页：https://github.com/sqzw-x/OpenClaw
  2. 找到最新版本下载 Windows 安装包
  3. 解压或安装后打开软件
  4. 连接 OpenClaw 与本地 Ollama

打开 OpenClaw 后：

  1. 右上角进入设置
  2. 模型选择：根据自身需求选择，主力推荐 qwen3.5:cloud，低配电脑选择 qwen3:0.6b
  3. Ollama 地址保持默认：

http://localhost:11434

  1. 保存设置

回到主界面，即可开始聊天。

四、效果展示

在这里插入图片描述


在这里插入图片描述
在这里插入图片描述
  1. 与AI对话的效果截图
  2. 任务管理器内存占用展示（打开任务管理器，切换到“性能-内存”页面，同步显示AI运行状态）
在这里插入图片描述


在这里插入图片描述

示例说明：

  1. OpenClaw 连接成功界面（截图包含设置页面、模型选择（可分别展示 qwen3.5:cloud 和 qwen3:0.6b 选择界面）、地址配置）
    • 模型启动速度：约 3～10 秒
    • 回答速度：流畅，可日常使用

五、常见问题与解决方法（非常重要）

    • 内存占用：Qwen3.5:cloud 约 2GB～4GB，Qwen3:0.6b 约 1GB～1.5GB
    • 模型启动速度：Qwen3.5:cloud 约 3～10 秒，Qwen3:0.6b 约 1～3 秒
    • 回答速度：均流畅可日常使用，Qwen3:0.6b 适配低配电脑，卡顿更少
  1. 模型下载特别慢

解决方法：

    • 先暂停下载重新开始，进度不会变
    • 或等待半夜下载（网络高峰期避开）
  1. OpenClaw 连接失败 / 连不上 127.0.0.1:11434

解决方法：

    • 确保 Ollama 正在后台运行（任务栏右下角查看 Ollama 图标）
    • 重启 Ollama：任务栏右键 Ollama → Restart
    • 检查地址是否为：http://localhost:11434（切勿多写/少写字符）
  1. 电脑卡顿、内存不足

解决方法：

    • 关闭其他软件（尤其是浏览器、视频软件、后台下载工具）
    • 关闭其他软件（尤其是浏览器、视频软件、后台下载工具），释放内存

解决方法：

切换/运行 Qwen3:0.6b 命令：

    • 切换至超轻量模型：若运行 Qwen3.5:cloud 卡顿，可切换到 Qwen3:0.6b 模型，占用内存极低，适配8GB及以下低配电脑

ollama run qwen3:0.6b

命令：

    • 使用更小参数模型（若 qwen3.5:cloud 卡顿）：qwen3.5:4b
  1. OpenClaw 不显示模型（qwen3.5:cloud 或 qwen3:0.6b）

ollama run qwen3.5:4b

解决方法：

    • 重启 OpenClaw 软件，重新加载模型列表

解决方法：

    • 重新进入 OpenClaw 设置，根据自身需求选择 qwen3.5:cloud 或 qwen3:0.6b 模型并保存
    • 重启 OpenClaw 软件
    • 确认 Ollama 已成功拉取模型（命令行输入 ollama list 可查看已拉取的 qwen3.5:cloud 和 qwen3:0.6b 模型）
    • 确认 Ollama 已成功拉取模型（命令行输入 ollama list 可查看已拉取模型）

六、项目总结

通过 Ollama + Qwen3.5:cloud + OpenClaw，我们轻松实现了：

通过 Ollama + Qwen3.5:cloud（主力）+ Qwen3:0.6b（备选）+ OpenClaw，我们轻松实现了：

    • 本地离线运行大模型
    • 完全免费、无流量限制
    • 可视化界面，使用体验接近在线AI
    • 数据不上传，隐私百分百安全

适合人群：

    • 想学习AI本地部署的新手
    • 想学习AI本地部署的新手
    • 注重隐私、不想数据上传云端
    • 学生、开发者、日常办公使用；8GB内存低配电脑也能轻松适配（选择 Qwen3:0.6b 模型）
    • 注重隐私、不想数据上传云端
    • 学生、开发者、日常办公使用

Read more

OpenClaw实操指南03｜OpenClaw vs Coze/Dify/n8n 帮你半小时内选对合适的AI

OpenClaw实操指南03｜OpenClaw vs Coze/Dify/n8n 帮你半小时内选对合适的AI

这是「OpenClaw 实操指南」的第 3 篇。踩过2个月的坑，终于敢说：选对AI Agent工具，能省80%的力；选错了，越折腾越心累。 我花了2个月试遍4款主流AI Agent工具，踩过的坑能写满3页纸： 用Coze做长期选题，每天要重新跟它说“我是做科技号的”； 用n8n筛选优质文章，直接把广告文全选进来； 直到摸透它们的底层逻辑，才发现：选工具不是选“最好的”，是选“适配你场景的”——选错了，越努力越白费。 先问自己3个问题，比看100篇测评有用 选工具前，先把这3个问题砸在脑门上，答案直接锁死方向： 1. 你要的是“机器流水线”，还是“有脑子的数字员工”？ 2. 数据敢上云吗？敏感信息碰不得的话，自托管是刚需吗？ 3. 你愿意花多少时间折腾？是“半小时上线”，还是“一周搭系统”
【收藏必看】从“能说“到“能做“：一文看懂文心一言与实在Agent的本质区别

【收藏必看】从“能说“到“能做“：一文看懂文心一言与实在Agent的本质区别

人工智能的浪潮正以前所未有的速度重塑着各行各业。当大众还在惊叹于大型语言模型（LLM）生成文本、代码和图像的能力时，企业决策者们已经开始思考一个更深层次的问题：如何将这种强大的智能，从“对话框”中解放出来，真正嵌入到业务流程中，成为推动生产力变革的核心引擎？这不再是一个关于“能不能聊”的问题，而是关乎“能不能干”的现实挑战。正是在这一背景下，市场上涌现出两大主流路径的代表：以百度文心一言为首的通用大模型，和以实在智能旗下“实在Agent”为代表的AI Agent（智能体）。 对于许多正在进行AI选型的企业而言，困惑是显而易见的：文心一言知识渊博、应答如流，似乎无所不能；而实在Agent则声称能像“数字员工”一样自主执行任务。它们之间究竟有何本质区别？谁更能解决企业面临的实际痛点？本文将通过一场全面、深入的对比测评，从核心定位、功能深度、应用场景、商业价值及未来趋势等多个维度，为您拨开迷雾，找到最适合您企业的AI解决方案。 一、核心定位与技术分野：通用大模型与垂直领域Agent的本质差异 要理解两者的区别，首先必须明确它们的根本定位。这并非简单的功能多寡之别，

7D-AI系列：AI 编程 Spec Coding 完整详细的典型标准化工作流

文章目录 * 前言 * 一、核心前提：什么是「Spec（规格）」？Spec的核心要求 * ✅ Spec的定义 * ✅ Spec的核心要求（重中之重，决定代码质量） * ✅ Spec的常见载体（按优先级排序，工业界高频使用） * 二、Spec Coding 标准完整工作流（6个核心阶段） * ✅ 核心原则 * 阶段1：需求拆解 & 范围界定（前置准备，耗时占比：10%） * 阶段2：编写精准的结构化Spec（核心核心，耗时占比：30%，最关键） * 阶段3：AI 代码生成（核心提效环节，耗时占比：5%） * 阶段4：人工评审 + 静态校验（第一道质检，耗时占比：15%，过滤80%的问题） * 阶段5：自动化测试
人工智能：自然语言处理在社交媒体分析领域的应用与实战

人工智能：自然语言处理在社交媒体分析领域的应用与实战

人工智能：自然语言处理在社交媒体分析领域的应用与实战 学习目标 💡 理解自然语言处理（NLP）在社交媒体分析领域的应用场景和重要性 💡 掌握社交媒体分析的核心技术（如情感分析、话题检测、用户画像构建） 💡 学会使用前沿模型（如BERT、GPT-3）进行社交媒体文本分析 💡 理解社交媒体分析的特殊挑战（如数据量大、噪声多、实时性要求高） 💡 通过实战项目，开发一个社交媒体话题检测应用 重点内容 * 社交媒体分析的主要应用场景 * 核心技术（情感分析、话题检测、用户画像构建） * 前沿模型（BERT、GPT-3）在社交媒体分析中的使用 * 社交媒体分析的特殊挑战 * 实战项目：社交媒体话题检测应用开发 一、社交媒体分析的主要应用场景 1.1 情感分析 1.1.1 情感分析的基本概念 情感分析是对社交媒体文本中情感倾向进行分析和判断的过程。在社交媒体分析领域，情感分析的主要应用场景包括： * 品牌声誉管理：分析用户对品牌的情感倾向（如“正面评价”、“负面评价”