🦞 旧电脑焕新记：我在旧电脑上搭建本地AI助手的完整攻略

哈喽，今天想跟你们聊聊一个特别有意思的折腾：把家里吃灰的旧电脑变成一台本地AI服务器！

没错，就是那个最近火遍全网的"龙虾"——OpenClaw。我花了整整一个下午，总算是把整个流程跑通了。今天就把这份完整的攻略分享给你们，保证你们也能跟着一步步搞定！

💡 为什么要折腾这个？

说实话，我之前一直在想一个问题：我家里有好几台旧电脑，配置吧还行，i5、i7的处理器，8-16GB内存，有的甚至还带了张GTX 1060显卡。但是！现在这些电脑基本就是摆设，要么扔在角落里吃灰，要么就是开着当下载机用。

你们说，资源浪费不浪费？

然后我就琢磨，现在AI这么火，要是能用这些旧电脑跑一个本地AI助手，那多酷啊！最主要的是，本地部署在物理上能起到安全隔离的效果，你的那些敏感数据完全不用经过云端，就在自己家里，这隐私保护杠杠的！

再加上，如果专门开一台电脑做AI服务，平时用其他电脑访问它，AI任务完全不影响日常使用，这不比买一台高配电脑划算多了？

于是乎，说干就干！

🖥️ 先说说我的"试验田"

先让你们看看我的硬件配置：

• CPU：好几年前的i5或者i7处理器（古早Surface）

• 内存：8GB到16GB不等

• 显卡：有的是GTX 1060，有的干脆就是集成显卡

讲真，这配置在今天确实有点落伍了。但我还是想试试，说不定就成了呢？

📋 开整！安装前准备

需要下载的软件

工欲善其事，必先利其器。在开始安装之前，这些软件必须先准备好：

⚠️ 敲黑板！版本号很重要！ 我当时就是没注意版本，结果踩了不少坑，返工N小时。建议大家严格按照这个版本来，稳定性有保障。

腾讯出了一个Qclaw，但是现在邀请制，咱不稀罕。

学习资料

• OpenClaw官方教程：https://ollama.com/blog/openclaw-tutorial （这个必须看！）

🔧 安装过程：一步步跟我来

第一步：前置准备工作，Node.js和Git，这两个必须装！

Node.js安装

1. 打开 https://nodejs.org/zh-cn/download

2. 下载 node-v22.13.1-x64 这个版本（Windows Installer .msi）

3. 运行安装程序，一定要勾选"Add to PATH"这个选项！

4. 安装完成后，打开命令行，输入 node -v，看到版本号就算成功了

Git安装

1. 下载 Git-2.53.0-64-bit 版本

2. 运行安装程序，我推荐这么选：

1. 编辑器选 Vim 或者 VS Code 都行

2. PATH环境变量一定要选 "Git from the command line and also from 3rd-party software"

3. 完成后在PowerShell里输入 git --version 验证一下

💡 小贴士：这两个是基础中的基础一定要装！OpenClaw能不能跑起来就靠它们了。

第二步：Cherry Studio安排上！

这可是今天的主角之一！Cherry Studio就是那个让你管理AI模型的界面工具。

1. 访问 Cherry Studio 官网下载页面

2. 下载Windows版本，双击安装

3. 一路Next到底就完事儿了

1. 首次启动之后，你会看到这样一个界面：

1. 左边是模型选择和聊天窗口

2. 右上角是设置和配置面板

3. 整体风格还挺简洁大气的

第三步：安装和配置Openclaw，获取API Token！这是最关键的一步！

兄弟姐妹们，这一步绝对不能出错！没有Token，后面的都白搭！

操作步骤：

1. 去你本地的openclaw安装文件夹里，用记事本打开openclaw.cherry.json文件，在里面能看到网关令牌（token）。

填入网关令牌。

⚠️ 血泪教训：Token一定要保管好，泄露出去可就不妙了。

完成了是这个样子。启动按钮点一下。如果出现问题，那就是前面的步骤踩坑了。重复前面的步骤。把出错代码和提示复制给到百度搜索解决方案一步步做，也能最终解决。这个耗时很多。

第四步：模型配置搞起来！

Token到手了，现在轮到配置模型了：

1. 打开Cherry Studio，点开设置

2. 找到"模型配置"或者"API设置"

3. 把选择你想用的模型，配起来，用云服务很方便。

4. 目前有千问的免费模型可用。

5. 配置一下连接参数，比如API地址、模型名称之类的，你买过的大模型的API Token粘贴进去，这部分我不赘述

第五步：Ollama安装！本地大模型安排！

重头戏来了！现在我们要通过Ollama来安装本地的大语言模型。

Ollama是一个本地的模型管理软件。

安装之前请确认CUBA的显卡驱动是最新的。这样Ollama在调用大模型的时候才会用你的GPU运算。

Ollama安装

1. 打开 https://ollama.com

2. 下载Windows版本

3. 安装程序一路Next

4. 安装过程中会自动识别你的GPU和环境

在PowerShell中安装模型（windows里搜索powershell就能找到）

打开PowerShell（不是CMD！），执行这些命令：

代码块

# 先看看有哪些模型可以用

ollama list

# 安装7B模型（内存16GB以上的可以考虑）

ollama pull llama2:7b

# 内存小的同学看这里，装个小一点的模型

ollama pull qwen2.5:0.5b

💡 配置选择建议：

• 16GB内存：7B模型可以试试

• 8GB内存：3B或者更小的模型更靠谱

• 没独立显卡：只能选CPU推理的小模型，别为难自己

配置完成右下角能够识别和选用。Ollama可以用了。

如果几轮对话就卡死的话，那应该就是你电脑的配置不足以支撑这个模型。升级电脑吧，没有特别好的解决方法。

🧪 第一次综合测试：心情忐忑！

好了，所有组件都装完了。深吸一口气，开始测试！

1. 打开Cherry Studio，找到OpenClaw应用

2. 把本地模型连接配置好

3. 输入第一个问题，然后...等待...

你们猜怎么着？

跑起来是这个样子。

对话界面出来了！模型开始思考了！相应速度还是挺快的。它跑起来了！在自己电脑上的AI模型，这种感觉真的太奇妙了！

⚠️ 但现实给了我当头一棒...

高兴了没几分钟，问题就来了...

问题一：内存根本不够用

8GB内存的电脑？那就是个弟弟，根本跑不起来。16GB的稍微好一点，但是系统也变得巨慢无比，感觉随时要宕机。

问题二：响应太慢了

简单的问题要等几十秒，复杂一点的几分钟都有可能。这也太考验耐心了吧！

问题三：上下文太短

0.5B的模型，聊不了几句就超限了。多轮对话？想都别想，根本进行不下去。

问题四：频繁崩溃

想好好聊个天吧，聊着聊着就崩了。GTX 1060在这种计算密集型任务面前就是个弟弟，集成显卡更是连想都不要想。

💭 折腾了半天的感悟

技术真的在进步

说真的，现在AI技术的门槛是真低了啊！放在几年前，谁能想到在自己家电脑上跑AI模型？现在有了Ollama这种工具，普通人也能玩了。虽然安装步骤是多了点，但是有教程跟着走，总能跑起来。

硬件依然是硬伤

但是吧，硬件这关还是过不去。我这配置好几年前还算不错，结果在AI面前完全不够看。这也让我意识到，AI要普及，软件生态固然重要，但硬件性能和成本也得跟上来啊。

换个思路：云端它不香吗？

折腾到最后，我想明白了：对于我们这种普通用户来说，完全本地化目前还是不现实。

但是！OpenClaw连接云端服务不香吗？界面一样好用，响应速度还快，只要网络稳定，体验直接起飞！

✅ 我的最终方案

经过这番折腾，我算是想明白了：

1. OpenClaw继续用：界面友好，功能强大

2. 连接云端模型：让专业服务器去跑AI计算（用了些方法，已经实测连同了Gemini等国外模型）

3. 享受丝滑体验：响应速度快到飞起

这样组合一下，既能享受AI的便利，又不用被硬件卡脖子。只要网络够快，体验绝对一流！

📊 性能对比表

🎬 总结：折腾的意义

虽然这次本地部署AI的尝试最后没完全成功，但是这一趟折腾下来，收获还是蛮大的：

1. 学到了：了解了AI模型运行的基本原理

2. 悟到了：硬件对AI应用的影响太大了

3. 找到了：适合自己的使用方式

我觉得吧，技术这东西就是这样，不断尝试，不断踩坑，最后总能找到一个最适合自己的方案。也许再过个一两年，随着硬件升级和模型优化，在个人电脑上跑本地AI会成为常态。那时候再回想起今天的折腾，也是一段有意思的经历！

所以我的建议是：别死磕本地化，找到适合自己的用法最重要。云端还是本地，能帮你解决问题的就是好方案！

📎 Resources

• Cherry Studio：https://docs.cherry-ai.com/cherry-studio/download

• Node.js：https://nodejs.org/zh-cn/download

• Ollama：https://ollama.com

• OpenClaw教程：https://ollama.com/blog/openclaw-tutorial

好了，这就是今天的全部分享！如果你们也有什么有趣的科技折腾经历，欢迎在评论区跟我聊聊！我们下期再见～👋