不管是养虾(openclaw)还是养马(Hermes),本地模型+云端模型才是正确方式

先问一个问题：如果你是一个小白用户，想在自己的电脑上部署openclaw或者Hermes，你会遇到什么？

大概率是这样一个过程：先装 Node.js、配置环境变量——然后发现某个过程不对，反复折腾半小时。终于跑起来了，又发现它只支持 API 调用，每个月要花不少的token费。想换成本地模型？配置要求很高，还要装 Ollama，下载好几个 GB 的模型文件，再手动写配置文件把两者接起来。

这正是当下 AI Agent本地部署的真实写照——东西很多，但能「开箱即用」的少之又少。

OpenClaw 是当前最活跃的 AI Agent 框架之一，它试图解决「把 AI 接入各种渠道」这件事，把自己做成通用Agent。但在过去很长一段时间里，它自己本身就是有个痛点，在Windows系统安装复杂。

4月25日和26日，OpenClaw 连续发布了两个版本更新。表面上只是常规的 bug 修复和小功能迭代，但如果把这两次更新放在一起看，会发现一条非常清晰的主线。

先拆解一下 4.25 和 4.26 的主要变化，用「人话」说清楚。

4.25 是一次「重量级」更新，主要体现在几个方面：

语音能力全面升级。 新增了 Azure Speech、小米、Volcengine（火山引擎）等语音合成供应商，引入了按对话场景控制的 TTS 能力。你可以给不同的 agent 设置不同的声音，还可以在聊天中随时开关语音回复。

Plugin 系统从「扫描」变成「索引」。 这个听起来很技术，但意思是：之前 OpenClaw 每次启动都要扫描整个插件目录，找有哪些插件可用，这在大规模部署时很慢。现在换成了「冷注册表」（cold registry）机制，插件安装时就把信息写到索引里，启动时直接读索引，快了一个数量级。

可观测性（OpenTelemetry）全面铺开。 现在可以监控模型调用、Token 用量、工具循环、Agent 生命周期等。对于生产环境部署的人来说，这意味着终于能「看到」系统在干什么了。

浏览器自动化改进。 支持了 iframe 内的元素识别、更安全的 URL 处理、还有 headless 模式下的一键启动。

Control UI 增强。 支持了 PWA（可以当本地应用安装）、Web Push 通知、还有 TUI（终端界面）版本的一键设置工具。

4.26 是一个「维护型」版本，大部分是 bug 修复和边缘情况处理。但有几个变化值得关注：

本地模型自动适配。 这是一个非常重要的信号——OpenClaw 现在可以自动检测并信任指向 localhost 的模型端点，默认使用 Chat Completions 适配器。如果你在本地跑了一个 Ollama 或者兼容 OpenAI 接口的推理服务，OpenClaw 不需要你手动配置，直接就能用。

Ollama 集成改进。 修复了 WSL2 下 GPU 加速的 crash 循环问题，自动去重已经安装的模型，不再反复提示「下载中」而已下载完成。

Gateway/节点管理增强。 新增了 openclaw nodes remove 命令，可以清理失效的节点连接记录。

Agent 工具循环防抖。 修复了定时心跳会继承之前工具调用记录的 bug——这直接影响 Agent 的可靠性。

现在来看核心问题：OpenClaw 是否在转向本地优先？

我的判断是：是的，但路径不是「突然转向」，而是一系列渐进式的调整。

证据链如下：

证据 1：本地模型接入门槛明显降低。

在 4.26 中，有一个 PR（#40024）专门解决了「自定义 provider 只有 baseUrl 时默认使用 Chat Completions 适配器」的问题。翻译成人话：你在本地起了一个 Ollama、llama.cpp 或任何兼容 OpenAI 接口的推理服务，OpenClaw 现在能自动识别并接上，不再需要手写配置。证据中明确写道：

这背后的逻辑是：框架主动适配本地模型，而不是反过来说「请本地模型适配我」。

证据 2：Plugin 注册表演进减少了启动损耗。

冷注册表机制虽然听起来跟「本地化」无关，但它直接影响本地部署体验。当你在自己的电脑上跑 OpenClaw 时，你希望它能快速启动。从扫描文件系统到读取索引，这个变化让本地启动快了至少一个数量级。

证据 3：Memory 系统性能优化。

4.26 修复了 QMD（本地向量数据库）的状态检测问题，优化了慢速本地 Embedding 后端对 Gateway 启动的影响。这说明 OpenClaw 的本地记忆系统正在变得更健壮。

OpenClaw 的确在朝本地化方向演进，但策略是「优化式」而非「宣言式」——没有突然宣布「我们转 local-first 了」，而是在每次更新中稳步降低本地部署的摩擦。这种做法更务实，但也容易被忽视。

牧马人（Herdsman）是专注于本地推理的引擎，定位类似于 Ollama 但更强调与上层应用的深度集成。它的核心能力是：在本地运行大模型，提供 OpenAI 兼容 API。

它更适合广大用户，不管你是小白还是资深用户

当前 AI 框架面临一个核心矛盾：云模型好用但贵、有隐私风险；本地模型免费、私密但配置复杂。牧马人要解决的，正是「本地模型开箱即用」这件事。

OpenClaw 快速接入牧马人本地模型

从 4.25/4.26 的更新来看，两者正在形成「组合方案」：

4.26 中对本地模型端点的自动适配，意味着牧马人提供的 OpenAI 兼容接口，OpenClaw 就能直接消费。

牧马人可以作为一个 Plugin 接入 OpenClaw，有了冷注册表机制后，插件管理变得更规范，安装、更新、修复都有了明确路径。

4.26 中对 Ollama 的 WSL2 GPU 崩溃修复、模型去重等改进，同样适用于牧马人——因为它们解决的问题是通用的（本地推理服务的稳定性），不是 Ollama 特有的。

本地推理 + 本地向量数据库 + 本地 Agent 框架 = 可以在断网环境下运行的 AI 系统。QMD 性能优化是补齐这个闭环的关键一环。

FlowyAIPC（基于 OpenClaw 的桌面应用）已经集成了牧马人引擎，说明在实际产品层面，这个链路已经跑通了。OpenClaw 4.25/4.26 的更新，某种程度上也是在为这类「打包方案」腾出生态空间。

趋势 1：本地部署体验将持续优化

理由：4.25/4.26 已经建立了清晰的优化链条——Plugin 冷注册表 → 模型自动适配 → TUI/PWA 界面 → Memory 性能。这个链条的下一个环节大概率是「一键部署脚本」和「更完善的本地模型发现机制」。OpenClaw 正在从「需要动手能力的人才能用」变成「普通开发者也能上手」。

趋势 2：Agent 自动化能力将进一步强化

理由：4.25 引入了 hooks 系统（before-agent-finalize hooks），为 Agent 生命周期管理提供了扩展点。4.26 修复了工具循环计数器跨会话污染的问题。这些改进让 Agent 更可靠，而可靠性是大规模使用的前提。下一步可能是 Agent 编排能力的增强——比如多 Agent 协作、任务分解等。

趋势 3：FlowyAIPC的出现让用户体验显著改善

理由：FlowyAIPC的出现把着 OpenClaw 从「终端工具」变成「应用」。FlowyAIPC的 UI 的对于Windows用户做到了真正的开箱即用，涵盖会话、频道接入、模型管理、Agent 商城、skills管理，日志查看等功能。

趋势 4：「OpenClaw + 本地推理引擎」打包方案将增多

理由：FlowyAIPC 的模式已经验证了「框架 + 推理引擎 + 桌面壳」的使用可行性。牧马人提供 OpenAI 兼容接口的本地推理引擎可以被 OpenClaw 消费。

趋势 5：开始面向非开发者用户

理由：牧马人本地推理引擎把模型部署运行的工作降低到了零门槛，真正面向普通用户，把「极简安装包」「图形化配置向导」「预设工作流」等一系列工作都帮用户做了完善。再搭配FlowyAIPC的开箱即用，把openclaw的使用也降到了零门槛。

OpenClaw 4.25 和 4.26 两次更新，表面上是一次功能大更新和一次维护小更新。

但把它们放在一起看，主线非常清晰：

OpenClaw 正在从「面向核心开发者的框架」向「面向更广泛用户的平台」过渡。

这个过渡不是靠一两个「杀手功能」完成的，而是靠一系列基础设施改进——Plugin 管理规范化、本地模型自动适配、安装体验优化、界面持续建设——逐步推进的。

牧马人（Herdsman）等本地推理引擎的角色，是补齐这个链条中的「计算层」。当 Agent 框架可以无缝对接本地模型，本地向量数据库可以稳定运行，FlowyAIPC的界面让用户通过点击而不是写配置来操作——这时的 OpenClaw，就不再是一个开发者工具，而是一个真正的「本地 AI 操作系统」。

如果你是普通用户，过去因为环境没用上openclaw，现在你打开FlowyAIPC就可以享受openclaw的所有能力。