### 核心思路
先装 Ollama（本地模型管理）→ 配置 OpenClaw 环境 → 对接本地模型 → 测试运行，全程基于 macOS 原生环境，无需复杂编译。

## 一、前置准备（5 分钟搞定）

### 1. 安装 Homebrew（Mac 包管理器，必装）

打开「终端」（访达→应用程序→实用工具→终端），粘贴以下命令回车：

```
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
```
- 过程中需要输入你的 Mac 密码（输入时不显示，正常），等待安装完成。

- 验证：输入 `brew -v`，显示版本号即成功。
	
### 2. 安装 Ollama（本地模型核心工具）
- Ollama 是 Mac 上跑本地模型最省心的工具，自动适配 M 芯片，支持 Metal 加速：
	```
	brew install ollama
	```

- 启动 Ollama 服务：
	```
	ollama serve & # 后台运行，关闭终端也不影响
	```

- 验证：输入 `ollama -v`，显示版本号即成功。
### 3. 下载一个本地模型（先选轻量的 7B 练手）
- Mac 32GB 先从 Llama 3.1 8B 开始（流畅无压力），终端输入：
	```
	ollama pull llama3.1:8b # 自动下载 Q4_K_M 量化版，约 5GB
	```

- 等待下载完成（网速快的话 5 分钟），下载完成后测试模型是否能跑：
	```
	ollama run llama3.1:8b
	```

- 输入 `你好`，能回复即模型运行正常，按 `ctrl + d` 退出。


----
## 二、搭建 OpenClaw 环境（10 分钟）
### 1. 安装 Python 3.11+（OpenClaw 推荐版本）

Mac 自带 Python，但建议用 brew 装最新版：

```
brew install python@3.11
```

- 验证：`python3.11 -V`，显示 3.11.x 即成功。
	### 2. 克隆 OpenClaw 仓库
	```
	# 先建一个工作目录，方便管理
	mkdir -p ~/AI/OpenClaw && cd ~/AI/OpenClaw
	# 克隆仓库
	git clone https://github.com/openclaw/openclaw.git
	# 进入目录
	cd openclaw
	```
	### 3. 安装依赖（Mac 专属，避免报错）
	```
	# 创建虚拟环境（避免依赖冲突）
	python3.11 -m venv venv
	# 激活虚拟环境（关键！每次运行都要先激活）
	source venv/bin/activate
	# 安装依赖（适配 M 芯片）
	pip install --upgrade pip
	pip install -r requirements.txt
	# 额外安装 Ollama 对接依赖
	pip install ollama-python
	```


----

## 三、配置 OpenClaw 对接本地模型（核心步骤）
### 1. 修改配置文件
- OpenClaw 默认用云端 API，需要改成本地 Ollama 接口：

```
# 复制默认配置文件
cp config.example.yaml config.yaml
# 用文本编辑器打开配置文件（推荐用 VS Code，也可以用系统文本编辑）
open -e config.yaml
```

- 找到 `model` 相关配置，替换成以下内容（只改关键部分，其他保持默认）：
	```
	# 模型配置
	model:
	# 本地 Ollama 接口（固定）
	api_base: "http://localhost:11434/v1"
	# API Key 随便填（Ollama 不需要真实 Key）
	api_key: "ollama-local"
	# 本地模型名称（和 Ollama 下载的一致）
	model: "llama3.1:8b"
	# 温度（越小越精准，0.7 适中）
	temperature: 0.7
	# 上下文长度（M2 Max 64GB 可设 8192）
	max_tokens: 8192
	```

- 保存并关闭文件。
	### 2. 验证 Ollama API 可用性（确保对接成功）
	终端输入以下命令，测试本地模型的 API 接口：
	```
	curl http://localhost:11434/v1/completions \
	-H "Content-Type: application/json" \
	-d '{
	"model": "llama3.1:8b",
	"prompt": "你好，介绍一下自己",
	"max_tokens": 200
	}'
	```

- 能返回 JSON 格式的回复，说明 API 正常。


----

## 四、启动 OpenClaw 并测试（最终步骤）
### 1. 启动 OpenClaw 服务

确保虚拟环境已激活（终端显示 `(venv)` 前缀），在 OpenClaw 目录下输入：

```
# 启动 OpenClaw 核心服务
python main.py
```

- 首次启动会加载配置，等待几秒，出现 `OpenClaw server started on http://0.0.0.0:8000` 即成功。
	### 2. 测试 OpenClaw 调用本地模型
	有两种方式测试，选其一即可：
	#### 方式 1：网页端（可视化）
	打开浏览器，访问 `http://localhost:8000`，在对话框输入 `你好，用中文回复`，能收到本地 Llama 3.1 8B 的回复即成功。
	#### 方式 2：终端调用（API 方式）
	新开一个终端，输入：
	```
	curl http://localhost:8000/api/chat \
	-H "Content-Type: application/json" \
	-d '{
	"messages": [{"role": "user", "content": "你好，写一段 Python 代码计算 1 到 100 的和"}]
	}'
	```

- 能返回包含代码的回复，说明 OpenClaw 成功调用本地模型。


----

## 五、进阶优化（M2 Max 64GB 专属）
### 1. 换更大的模型（比如 Qwen 2.5 32B）
```
# 下载 Qwen 2.5 32B（M2 Max 64GB 流畅跑）
ollama pull qwen2.5:32b
# 修改 config.yaml 中的 model 为 "qwen2.5:32b"，重启 OpenClaw 即可
```
### 2. 提升推理速度（开启 Metal 加速）


Ollama 自动开启 Metal 加速，无需额外配置，验证是否生效：

```
ollama show llama3.1:8b --details
```

- 输出中看到 `metal: true` 即加速成功（M2 Max 的 GPU/NPU 会被利用）。
	### 3. 后台持久运行 OpenClaw
	避免关闭终端就停止，用 `nohup` 后台运行：
	```
	# 激活虚拟环境后
	nohup python main.py > openclaw.log 2>&1 &
	```

- 查看日志：`tail -f openclaw.log`

- 停止服务：`ps aux | grep main.py` → 找到进程号 → `kill 进程号`


----
## 六、本地部署模型与配置推荐

这里以M2 Max的算力为基准，评估不同内存的影响：

|模型大小|16GB|24GB|32GB|64GB|96GB|
|:-:|:-:|:-:|:-:|:-:|:-:|
|**7B（8B）**|✅ 流畅 **25～35**|✅ 流畅 **30～40**|✅ 很流畅 **35～45**|✅ 极流畅 **45～60**|✅ 极流畅 **30～40**|
|**13B（14B）**|❌ 无法跑|⚠️ 勉强 **8～12**|✅ 流畅 **20～25**|✅ 很流畅 **25～35**|✅ 极流畅 **20**|
|**32B（33B/34B）**|❌ 无法跑|❌ 无法跑|⚠️ 极卡 **3～6**|✅ 流畅 **18～28**|✅ 很流畅 **20～25**|
|**70B（72B）**|❌ 无法跑|❌ 无法跑|❌ 无法跑|⚠️ 可跑 **5～12**|✅ 可用 **7～10**|

选购建议：
#### 1. 入门性价比档（≤2.5 万）：日常 + 轻量模型
**首选：MacBook Pro 16 寸 M2 Max 32GB / Mac Studio M2 Max 32GB**
- **配置**：M2 Max（12 核 CPU/38 核 GPU）+ **32GB 统一内存** + 1TB SSD

- **价格**：MacBook Pro 约 2.3 万；Mac Studio 约 2.0 万

- **模型能力**：
	- ✅ **7B/14B**：流畅，速度 30–40 tokens/s
	- ⚠️ **32B**：勉强可跑，速度 5–8 tokens/s（易 OOM）
	- ❌ **70B**：无法加载

- **适合**：轻度本地模型使用、日常办公、轻度开发


#### 2. 黄金性价比档（2.5–3.5 万）：主力推荐（最推荐）
**首选：Mac Studio M2 Max 64GB / MacBook Pro 16 寸 M2 Max 64GB**
- **配置**：M2 Max + **64GB 统一内存** + 1TB SSD

- **价格**：Mac Studio 约 2.8 万；MacBook Pro 约 3.2 万

- **模型能力（完美平衡）**：
	- ✅ **7B/14B**：极流畅，45–60 tokens/s
	- ✅ **32B**：流畅，18–28 tokens/s（主力模型）
	- ⚠️ **70B**：可跑，5–12 tokens/s（适合重度推理）

- **适合**：**OpenClaw 主力机**、稳定跑 32B 模型、兼顾创作 / 开发


#### 3. 高端性能档（3.5–5 万）：重度模型 + 专业创作
**首选：Mac Studio M3 Max 96GB / M4 Max 96GB**
- **配置**：M3 Max（16 核 CPU/40 核 GPU）/ M4 Max + **96GB 统一内存** + 1TB+ SSD

- **价格**：M3 Max 96GB 约 4.0 万；M4 Max 96GB 约 4.5 万

- **模型能力**：
	- ✅ **32B**：很流畅，20–25 tokens/s
	- ✅ **70B**：可用，7–10 tokens/s（稳定不 OOM）
	- ⚠️ **100B+**：需激进量化，勉强运行

- **适合**：重度本地模型、跑 70B 模型、专业视频 / 3D 创作


#### 4. 旗舰顶配档（>5 万）：极限性能 + 未来 3 年
**首选：Mac Studio M4 Max 128GB / M3 Ultra 128GB**


- **配置**：M4 Max 128GB / M3 Ultra 128GB + 2TB+ SSD

- **价格**：M4 Max 128GB 约 5.5 万；M3 Ultra 128GB 约 7 万 +

- **模型能力**：
	- ✅ **70B**：流畅，10–15 tokens/s
	- ✅ **100B+ MoE**：可稳定运行（Q3_K_M 量化）

- **适合**：专业 AI 研究、跑超大模型、一步到位用 5 年

## 七、常见问题解决


### 1. Ollama 启动失败


```
# 重启 Ollama 服务
brew services restart ollama
```
### 2. OpenClaw 提示找不到模型


- 确认 `config.yaml` 中的 `model` 名称和 `ollama list` 显示的一致（比如 `llama3.1:8b` 不能少后缀）。

- 重新拉取模型：`ollama pull 模型名`。
	### 3. 推理速度慢

- 关闭多余后台（比如浏览器、视频软件），释放内存。

- 用 Q4_K_M 量化版（Ollama 默认就是，无需改）。

- 70B 模型建议只在需要时用，日常用 8B/32B 更流畅。


----

### 总结


1. **核心流程**：装 Homebrew → 装 Ollama 并下载本地模型 → 配置 OpenClaw 对接 Ollama API → 启动并测试。

2. **M2 Max 64GB 适配**：优先用 8B/32B 模型，70B 模型需关闭后台，推理速度足够日常使用。

3. **关键验证**：每一步都通过 `版本号`/`API 调用` 验证，避免后续排查麻烦。
	如果某一步卡住（比如 Ollama 下载慢、配置文件改不对），直接告诉我具体报错信息，我帮你精准解决。

先装 Ollama（本地模型管理）→ 配置 OpenClaw 环境 → 对接本地模型 → 测试运行，全程基于 macOS 原生环境，无需复杂编译。

【OpenClaw】还在为Token不够发愁？MAC丝滑上手OpenClaw，来养自己的龙虾吧。

还在为Token不够发愁？MAC丝滑上手OpenClaw，来养自己的龙虾吧，流程包含安装 Ollama（本地模型管理）→ 配置 OpenClaw 环境 → 对接本地模型 → 测试运行，全程基于 macOS 原生环境，无需复杂编译。

算法研究员

人工智能

在macOS上快速部署本地AI模型：通过Ollama管理Llama3等模型，结合OpenClaw实现本地推理。详细教程包含Homebrew安装、Ollama配置、OpenClaw环境搭建及模型对接，特别针对M系列芯片优化，支持Metal加速。适合从入门到进阶用户，涵盖7B到70B模型选择建议及性能优化方案。

包管理器

Python

JSON

2026新春采购季

tione

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【OpenClaw】还在为Token不够发愁？MAC丝滑上手OpenClaw，来养自己的龙虾吧。-腾讯云开发者社区-腾讯云

【OpenClaw】还在为Token不够发愁？MAC丝滑上手OpenClaw，来养自己的龙虾吧。

【OpenClaw】还在为Token不够发愁？MAC丝滑上手OpenClaw，来养自己的龙虾吧。

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐