搜索：
搜索到 66 篇与 的结果-
把 OpenClaw 换成免费模型：省钱又不失智能的实战指南 最近刷到一个视频，讲的是有人一晚上把 OpenClaw 开着，第二天醒来发现 API 账单直接冲上几百美元。听起来像是科幻片里的情节，却是真的在我们身边发生的事。想象一下，你的电脑像个不睡觉的咖啡店服务员，源源不断地帮你点单、写代码、跑任务，结果账单像雨后春笋一样冒出来——这就是 OpenClaw 带来的便利与风险。OpenClaw 是什么？为什么会贵？OpenClaw 本质上是一个让普通 PC 变成「全自动 AI 代理」的工具。它可以自己写代码、调工具、完成工作流，听起来像是给电脑装上了大脑。于是我们只需要装个应用，授权它访问我们的工具，它就能自己跑起来。问题是，这些「跑起来」的动作背后，都要通过 OpenAI、Anthropic 之类的 API 消耗 token。每一次对话、每一次代码生成，都要付费。只要模型跑得久，费用就会像水龙头一样不停流。尤其是配置不当、出现死循环时，费用会在几分钟内飙到几百美元。省钱的思路：免费模型到底能不能用？别急，视频里给出了几条实在的省钱办法。核心思路就是把收费的大模型换成免费的大模型，或者利用已有的订阅免除额外收费。 利用 NVIDIA 提供的 Kimi‑K 2.5 免费模型。只要去 build.nvidia.com/moonshati/Kimi-K-2.5，生成 API Key，复制下来。 在 OpenClaw 的配置页面（Config → raw mode）手动添加 Kimi 的模型块，把它设为主模型，把原来的 GPT 放到 fallback 里。 还有 OpenRouter，里面有一些标记为 $0 的模型，例如 DeepSeq R1‑0528。先在 openrouter.ai 创建 API Key，再在 OpenClaw 里选 OpenRouter 并填入模型名。 如果你已经是 ChatGPT Plus、Gemini Pro 之类的订阅用户，也可以用 OAuth 登录，让 OpenClaw 直接走你的订阅渠道，不再额外计费。 这些办法的共通点是：先把「付费入口」换成「免费入口」，然后让 OpenClaw 用新模型跑。步骤虽然有点技术味，但只要跟着视频的代码复制粘贴，基本不需要自己写太多代码。实战案例：我把 OpenClaw 从 GPT 换到 Kimi我自己也试过，把原本天天跑在 GPT‑4 上的 OpenClaw 换成了 Kimi。整个过程大概用了 15 分钟： 打开浏览器，进到 NVIDIA 的模型页面，点「Generate API Key」，复制那串以 nvapi- 开头的钥匙。 回到 OpenClaw 的网页控制台，左侧点 Config，打开 raw mode，粘贴官方提供的 Kimi 配置块。 在 agents 部分加一个 fallback，把原来的 GPT 放进去。 点 Save，等状态从红转绿。 去聊天页面发「Hi」，再问「你是哪款模型？」得到「Kimi」的回答，说明切换成功。 切换后，我的日常任务（自动生成日报、抓取网页信息）仍然顺畅，唯一的差别是 OpenClaw 再也没有偷偷吃掉我的钱包。为什么免费模型还能满足日常需求？很多人担心免费模型性能不够。其实日常的「写点代码、抓取数据、写邮件」这类任务，对模型的要求并不像高级创意写作那样苛刻。Kimi、DeepSeq 这些模型在语言理解和基本推理上已经相当稳健，完全可以应付日常自动化需求。如果真的需要更高质量的输出，可以把免费模型设为 primary，收费模型设为 fallback。这样大多数情况下用免费模型，只有在免费模型卡壳时才会调用付费模型，费用自然被控制在低水平。防止「不小心烧钱」的几个小技巧 给 OpenClaw 加上超时限制。比如在配置里设置每次调用最多 30 秒，超过就直接停止。 使用监控脚本，定时读取 API 使用量，一旦突破阈值就自动暂停服务。 尽量在本地跑模型，或者使用上面提到的免费模型，减少对外部 API 的依赖。 在配置文件里把高消耗的插件或技能先关掉，只保留必要的功能。 这些方法像是给你的电脑装上了「安全阀」，即使你忘记关机，也不会让账单爆炸。展望：AI 自动化的未来会是怎样？OpenClaw 这类工具让 AI 真正走进了普通人的工作流。它的潜力不只在于省时，更在于把重复、机械的任务交给机器，让我们有更多时间做创意、社交、休息。不过，随着模型越来越强大、使用场景越来越广，费用管理也会成为每个人必须掌握的基本技能。像我们今天讨论的「免费模型、OAuth、超时」这些技巧，都像是给新手的防身术，帮助大家在享受 AI 红利的同时，不被高额账单绊倒。如果你也在尝试 OpenClaw，或者已经被它的「自动化」吸引，不妨先把模型切到免费选项，先感受一下自动化的快感，再慢慢探索更高级的功能。记得随时检查费用，设好上限，别让「智能」把你的钱包搞得像黑洞一样。最后，祝大家玩得开心，钱包安全！🚀 -
NAS 进阶指南：一步步部署 Hermes Agent，打造你的私有化 AI 助手 NAS 进阶指南：一步步部署 Hermes Agent，打造你的私有化 AI 助手在私有化部署 AI 浪潮中，Hermes Agent 以其强大的自主任务处理能力和对本地大模型的良好支持，成为了技术爱好者们的首选。如果你拥有一台 NAS（群晖、威联通或自建 Linux NAS），将其部署在本地不仅能保护隐私，还能深度集成你的本地资源。本文将手把手教你如何在 NAS 环境下，通过 Docker 部署并配置一个生产级别的 Hermes Agent。建议收藏后实操。1. NAS 环境准备在开始之前，我们需要确保 NAS 的硬件和软件环境满足运行需求。 硬件建议： 建议 Intel/AMD x86_64 处理器，支持 AVX2 指令集。基础运行建议 4GB 以上内存；若需本地跑大模型，建议 16GB 或更高。 软件环境： 确保已安装最新版本的 Docker Engine（群晖用户请在套件中心安装 "Container Manager"）。 2. Docker 环境配置为了提高部署效率，我们推荐使用 Docker Compose 进行部署。首先，通过 SSH 连接到 NAS，在共享文件夹下创建项目目录：mkdir -p /volume1/docker/hermes-agent/data mkdir -p /volume1/docker/hermes-agent/config cd /volume1/docker/hermes-agent3. Hermes Agent 容器部署在 hermes-agent 目录下创建 docker-compose.yml 文件：version: '3.8' services: hermes-agent: image: hermes-ai/agent:latest container_name: hermes-agent restart: always ports: - "8080:8080" volumes: - ./config:/app/config - ./data:/app/data environment: - API_KEY=${HERMES_API_KEY} - LLM_PROVIDER=openai - OPENAI_API_KEY=${OPENAI_API_KEY} - OPENAI_API_BASE=${OPENAI_API_BASE}4. 安全与维护建议 禁止公网直连： 默认 8080 端口不要直接暴露。 反向代理： 推荐使用 Nginx Proxy Manager，通过域名访问并开启 SSL。 备份策略： 使用 NAS 自带的备份工具（如 Hyper Backup）定期备份整个 hermes-agent 文件夹。 通过以上步骤，你已经在 NAS 上成功部署了一个功能完备的 Hermes Agent。它不仅是你的 24 小时在线助手，更是你私有数据中心智能化的核心。
-
Qwen3.6Plus免费使用指南：从零到实战全解析 前言 🎉大家好，我是你们的老朋友。今天聊聊怎么免费玩转这款顶尖模型。第一步：下载安装打开 链接 ，选择 Windows 版（ARM / X64）下载约 100MB 的安装包。 双击安装，完成后用 Google 账号或邮箱登录。 登录后左上角会显示模型名称，默认就是Qwen3.6Plus。 第二步：切换使用模式模型提供自动、深入思考、快速三种模式。普通任务选自动，复杂推理选深入思考，这样能获得更细致的回答。第三步：实战演示我们先让它写一个 AI 工具站的完整商业方案，包括页面结构、盈利模式和完整代码。（示例代码略）👉 运行后得到的页面美观、布局专业，盈利模式有四种： 成长期：联盟营销 稳定期：付费置顶\li>高级期：企业 API 调用 赞助/课程 整个过程几秒钟就完成了，效果可自行检查。进阶玩法：自动化数据分析师让模型帮你写 Python 脚本，抓取比特币价格、处理数据、生成可视化图表。执行后会自动弹出专业图表，整个流程一键完成，即使是新手也能轻松运行。多模态能力挑战打开手机或网页端，直接对着实物或视频提问。比如拍一瓶凡士林，模型会告诉你它的用途、购买渠道和价格，甚至推荐药店。结语虽然网上有很多所谓的免费方案，但最可靠的还是官方客户端提供的额度。只要按我说的步骤操作，你就能零成本体验这款强大的模型。祝大家玩得开心，有任何问题随时留言找我聊聊 🎈
-
在树莓派5上跑起Gemma 4：我的实验记录 开篇聊聊动机嘿，朋友，我最近在折腾点儿新玩意儿 — — 把 Gemma 4 这个小模型塞进我的树莓派 5。说干就干，过程像是点燃一根小火柴，又带点儿不确定性。在我这儿，树莓派 5 已经是我的小型服务器，装了 Ubuntu Server，只有几条命令行工具，没装图形界面，SSH 成了我的唯一通道。于是我决定挑战一下：能不能在这样简陋的机器上跑起 Gemma 4 的最小版本 E2B？准备工作：给树莓派装点儿软件第一步，我得把 LM Studio 的 CLI 版装上。官方给了个自动脚本，点几下就搞定。装好后它会建议立刻启动 daemon，我就照着做。 打开终端，运行官方脚本完成安装。 启动 daemon，检查可用命令。 把模型存放目录换到外接 SSD，这样即使卡掉也不会把宝贵的模型塞进 SD 卡里。 下载最小的 Gemma 4 模型接下来是下载 4.5GB 大小的 E2B 模型。下载期间，我给大家科普一下 Huul 官方说的三个亮点： 整个 Gemma 4 家族都是为 Agent 工作流设计的，原生支持 Function Calling。 模型能识别图像、视频，甚至小型模型还支持原生语音处理，能直接听懂人声。 上下文窗口长到 128k Token，几乎支持所有语言。 好消息是，Gemma 4 采用 Apache 2.0 开源许可，你可以自由玩、自由商用。模型加载和启动 API下载完成后，模型大约有 40 亿参数，已经装在了 SSD 上。随后我加载模型，看到它顺利跑进 RAM，随后启动 API 服务器监听 4000 端口。为确保能从本地网络访问，我把服务器重新启动并把 host 参数换成 0.0.0.0，理论上应该可以从任何机器发请求。可惜官方没给 host 参数，只能通过端口转发来实现。于是我使用 SoChat 这一小工具，把内部 4000 端口映射到外部 4001，形成桥梁，外部机器的请求就能被转发进去。从外部机器访问模型把映射设置好后，我关掉树莓派的 SSH 会话，回到我的 MacBook。用 curl 发送一次 GET 请求到树莓派的 4001 端口，列出可用模型。返回的 JSON 里果然能看到我刚刚下载的 Gemma 4，说明一切工作正常。now 我把服务器再次重启，这次加上 host=0.0.0.0，确保所有网络接口都能接受请求。在编辑器里和模型聊天因为 LM Studio 的服务器兼容 OpenAI API，任何支持自定义 endpoint 的工具都能用。我选用了 Zed 编辑器。在 Zed 的设置里，我添加了一个新的 LLM 配置： 服务器地址指向树莓派的 IP。 端口填 4000。 模型名称写成 Gemma 4。 保存后，我在聊天窗口里选上这个模型，发送一个简短的提示：“写一段关于春天的诗”。模型开始“思考”，随后输出了诗句，过程像是慢慢在脑子里翻书。实测性能： CPU 炸裂 & 回答速度为了看看模型到底占多少资源，我打开 htop 监控。在生成回答的瞬间，四个 CPU 内核全部满载，内存占用也快到了极限。第一次测试是让它写一个排序函数。它先“思考”，再生成代码。整个过程大约 6 分钟，感觉像是等咖啡慢慢滴滤。第二次测试是让它想出三个 Web App 的创意。思考阶段稍快，生成文本约 5 分钟，内容详细，每个创意都配上了简短描述。总的来说，虽然速度不算快，但对非实时任务或者自动化脚本来说已经足够用了。如果不想要“思考”阶段，关闭 reasoning 模式可以把时间缩短不少，但相应的输出质量也会下降一点。感想与展望通过这次实验，我发现即使是最小的 Gemma 4 也能在树莓派 5 上跑起来，而且还能通过本地网络供其他设备调用。这种“把 AI 模型放在边角料硬件上”的玩法，其实打开了很多可能性：比如在家庭服务器、离线摄像头、智能家居网关上跑小模型，省掉对大云服务器的依赖。未来，我打算继续玩跑满参数更大的模型，或者把模型部署到其他低功耗设备上，看看能否在更小的空间里实现更强的能力。如果你对这篇实验感兴趣，别忘了点个赞、关注，我会继续分享更多实战技巧。
-
把最强AI装进手机：无需联网，完全免费，我的手机成精了！ 嘿，最近在网上冲浪的时候，有没有被AI的消息刷屏？是不是觉得那些高大上的大模型，离咱们普通人的手机太远了？今天我就想跟你掏心窝子聊聊一个挺颠覆的事儿：如果你手里有一台手机——不管是安卓还是苹果，居然能直接运行谷歌最新、最强的Gemini 4模型！而且，重点是完全免费，还能离线使用！听起来是不是像科幻片？但这事儿真的被搞定了，而且操作比你想的简单得多。### 为什么我们要折腾这个？你可能会问，我为什么要费劲在手机上装个模型？直接用云端的不香吗？其实，理由很简单：隐私和自由。现在的AI大多是云端的，你问什么，都要传到别人的服务器去。但如果你跑在手机本地，那就是真真正正的“私人AI”。哪怕你把手机开了飞行模式，断掉所有网络，它依然能帮你写小说、做逻辑推理、识别照片里的东西，完全不用担心聊天记录泄露。而且，它是真的不花钱，想用多久用多久，简直是咱们这种“精打细算”党的福音。### 手把手带你实现“手机AI自由”咱们先说说安卓。这其实就像装个普通App一样。你需要去下载对应的安装包，装好之后，它会根据你手机的配置，给你推荐一个合适大小的模型版本。如果你手机配置高，就装个高清版；如果手机稍微旧一点，像我用的这款，系统会自动推荐一个1.2G左右的量化版，运行起来完全没压力。安装好以后，你可以像建文件夹一样，把模型载入进去，甚至还可以自定义输出长度。这就像是给自己手机换了个聪明的“大脑”。iOS的操作逻辑也差不多，去对应的应用商城下载个工具，进去之后，系统会自动跳出Gemini 4的选择界面。下载完那几百兆或者几个G的模型包，你的苹果手机瞬间就有了“读心术”和“分析能力”。### 它到底有多聪明？这才是最关键的，对吧？我特意拿它做了好几个测试：第一，拍照识别。我把桌面上的一堆乱七八糟的东西——手机、保护壳、护肤品，甚至还有几颗西瓜子，全摆在镜头前。它不仅精准识别出了大部分物体，连护肤品是干嘛的都能说得头头是道。虽然在数西瓜子个数的时候，它和GPT-4一样，偶尔也会犯点“数数难”的小毛病，但这已经很惊人了，不是吗？第二，逻辑推理。我祭出了那道经典的“蒙提霍尔问题”（就是那个三扇门换不换车的问题）。它反应很快，不仅答对了，还把逻辑拆解得明明白白。能处理这种反直觉的概率题，说明它不是简单的“背书”，是真的有逻辑底层的。第三，代码和创作。我让它写个3D鱼缸场景的网页代码，它几秒钟就搞定了HTML和CSS样式，在电脑上跑起来效果还真挺像回事。最让我惊喜的是写小说，在完全离线、飞行模式下，它能一章接一章地编故事，那文笔，写个短篇恐怖小说完全够用。### 一点“心里话”当然，我必须得诚实地告诉你，现在的手机本地AI，还不是那种全知全能的“神”。它偶尔会看错物体，也会在数数时“眼花”。但换个角度想想，把如此庞大的智能模型塞进咱们方寸之间的手机里，还是纯本地运行，这本身就是一件划时代的进步。哪怕它有时候会犯点小错，但这并不妨碍它成为我们日常生活中最好的“数字助理”。它不仅保护了我们的隐私，更让我们在断网的时候，依然拥有一个随时待命、能写诗、能编程、能帮我们分析复杂问题的智慧大脑。现在的技术发展速度快到令人心跳，既然有这种不用花钱、又能保护隐私的好工具，为什么不试着装进手机里，去体验一下呢？没准，它能成为你工作生活中，那个最懂你的“无声伴侣”。如果有机会，你也赶紧动动手指头去试试，看看能不能帮你省下不少麻烦事儿！如果你操作的时候遇到什么坑，或者有什么好玩的新发现，随时回来告诉我。毕竟，咱们玩科技的初衷，不就是为了让生活变得更有趣吗？
