QwenPaw安装避坑指南:我是如何用三个命令解决'配置地狱'的

先说结论：文档有一百篇，但没人告诉你从哪开始

昨天发了那篇QwenPaw体验文，后台收到最多的问题不是"它好不好用"，而是——

"怎么装？"

说实话，QwenPaw的官方文档有一百多篇，GitHub的README写了三千行，但第一次配的时候我还是踩了三个坑：ollama服务端口对不上、YAML里的中文编码报错、GPU显存估算错了跑不起来。折腾了两个晚上才全部调通。

这篇文章，就是把那两个晚上踩的坑全部摊开，让你少走两晚弯路。

全文核心：三步走通，贴命令，不废话。

第一步：装Ollama——这是QwenPaw的地基

QwenPaw本质上是个"壳"，真正的模型跑在ollama上。所以不管你用Windows还是Linux，第一步永远是先把ollama装好。

Windows（PowerShell管理员模式）：

winget install Ollama.Ollama

Linux/macOS：

curl -fsSL https://ollama.com/install.sh | sh

装完之后验证一下：

ollama list

能返回模型列表就说明装对了。如果报错"ollama不是内部或外部命令"，重启一下终端或者把ollama路径加到系统PATH里。

这里踩的坑：ollama默认端口是11434，QwenPaw的config.yaml里如果配了别的端口，要手动改成11434。我第一次就是端口配错了，模型死活起不来，排查了半小时。

第二步：拉模型——显存够不够决定你用哪个

ollama装好之后，需要往里塞模型。QwenPaw推荐的是Qwen2.5系列，但具体用哪个size，取决于你的显卡显存：

显卡/内存	推荐模型	命令
24GB+ 显存	qwen2.5:14b	`ollama pull qwen2.5:14b`
12-16GB 显存	qwen2.5:7b	`ollama pull qwen2.5:7b`
8GB 显存	qwen2.5:3b	`ollama pull qwen2.5:3b`
没有独显	qwen2.5:1.5b	`ollama pull qwen2.5:1.5b`

实测数据：qwen2.5:7b在一张RTX 3060（12GB）上跑起来完全OK，回复速度大概3-5秒一个字。14b需要3080以上才不卡。

拉模型需要等一会儿（取决于网速），等命令行回到>>>就说明好了。

这里踩的坑：我一开始想直接拉14b，结果显存不够，ollama报错"model requires more memory than available"。后来查了半天才发现是显存不够，自动降到了CPU模式，速度慢到无法使用。建议第一次装先用7b验证流程，确认跑通了再换大模型。

第三步：配QwenPaw——改三行配置就够用

模型到位之后，开始装QwenPaw本体。

git clone https://github.com/modelscope/agentscope.git
cd agentscope
pip install -r requirements.txt

然后找到配置文件：

cp config-template.yaml config.yaml

打开config.yaml，需要改三行：

# 模型配置：改成你刚才拉的模型
model_type: ollama
model_name: qwen2.5:7b
model_path: http://localhost:11434

渠道配置：按需开，不一定要全开
channels:
  - wechat   # 微信
  - imessage # iMessage（macOS限定）
  # - dingtalk  # 钉钉
  # - feishu   # 飞书
  # - telegram # Telegram

保存，运行：

python run_qwenpaw.py

看到类似这样的输出就说明跑通了：

✅ QwenPaw initialized
✅ Channels connected: wechat, imessage
✅ Memory layer loaded

这里踩的坑：YAML文件里如果有中文注释，有时候会报编码错误。解决方案：把config.yaml存成UTF-8编码（不要用默认的GBK），或者删掉所有中文注释。

配置完成之后：还需要做两件事

三步走完，QwenPaw理论上已经跑起来了。但要让"数据真的在自己机器上"这件事成立，还需要确认两点：

1. 数据存在哪？

默认情况下，对话历史存在~/.qwenpaw/memory/目录下。你可以打开这个文件夹看看——里面有没有.json文件？如果有，说明本地记忆系统在正常工作。

2. 七渠道要不要全开？

我的建议：不要。

全开七个渠道听起来很爽，但实际用起来你会发现消息会在各个平台重复推送，调试的时候很痛苦。

更实际的做法是按场景选两个：

轻量版（适合个人用户）：微信 + iMessage
进阶版（适合开发者）：微信 + Telegram
企业版：钉钉 + 飞书 + 微信

全开是测试用的，日常两个够了。

配置成本和收益，到底值不值？

坦白说，QwenPaw的配置确实不简单。三个命令能跑起来，但跑得舒服、跑得安全，需要花时间调。

值不值，我的判断：

如果你只是"偶尔问个问题" → 不值得，直接用ChatGPT更省事
如果你每天重度使用，并且对数据隐私有要求 → 值得，两晚上换一辈子数据主权

配置虽然麻烦，但跑通之后，你跟AI的每一次对话、每一个偏好、每一份工作记录，都存在你自己的硬盘上——这个感觉是云端服务给不了的。

🛠 老姚的工具箱

实测不易，我把文中提到的配置文件、报错修复脚本、显存自查命令都打包整理好了，放在个人站的「智汇数字」专区。

为了区分平台广告和我提供的服务，这里统一说明：

官网/配置包：👉 https://www.fa-ka.vip/?from=wechat
网盘权益：存放大体积训练集/配置文件，回复「网盘」获取会员通道
闲鱼店铺：搜「老姚轻创业」获取同款工具包

你配QwenPaw的时候踩了什么坑？在评论区说说，帮后面的人避一下。

或者你正在用什么替代方案？本地大模型还是云端API，哪个更符合你的使用场景？留言聊聊。