在树莓派上运行OpenClaw

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI工具导航 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

在过去几个月里，感觉互联网上的每个人突然都在某处运行着AI代理。

人们展示的典型设置是一台强大的工作站或Mac mini持续运行，而代理连接到电子邮件、文件、消息应用和浏览器。这个承诺很诱人：一个永不休眠的数字工作者，自动化重复性任务。

这种安排可行，但假设始终在线的计算机可用于实验，这可能并不总是可行的。或者人们可能无法在包含个人或敏感信息的机器上测试代理框架，并且该机器可以持续运行。特别是对于早期实验。

这就是树莓派上用场的地方。

本文描述了在树莓派4上安装和运行OpenClaw，使用本地语言模型通过Ollama或云提供商LLM服务。在第一种情况下，系统旨在实验而非性能。目标是观察代理框架在保持环境低成本和隔离的情况下的行为。一旦测试和配置完成，如果需要，可以在第二种情况下运行系统。

结果是一个简单的实验设置，让您可以探索OpenClaw而无需Mac mini或强大的专用机器。

1、OpenClaw是什么

OpenClaw不是由LLM驱动的聊天机器人。它更接近于代理的操作系统。

OpenClaw是一个处于实验阶段的开源项目。图片由作者改编。

与等待提示词的ChatGPT不同，OpenClaw在后台持续运行。它按计划执行任务，监听事件，并与文件、终端、API和消息应用等工具交互。

从概念上讲，它充当自主代理的控制平面。

以下是OpenClaw的详细情况：

1. 它实际上是什么（而非炒作）

不是聊天机器人，而是代理： OpenClaw是一个开源的AI代理"控制平面"或操作系统，常用于连接Claude或GPT等模型到消息应用（Telegram、Slack、WhatsApp）。

始终在线： 与等待提示词的ChatGPT不同，OpenClaw使用"心跳"（轮询）和"定时任务"在后台运行以自主执行计划任务。例如：

• 读取收到的邮件
• 检查Slack频道
• 监控文件夹中的新文件
• 每小时触发一个操作

"数字工作者"： 它可以代表您读取邮件、浏览网页、管理日历并编写代码来解决问题。

• 读取消息并总结它们
• 搜索网络来弄清事情或做研究
• 编写脚本
• 组织文件
• 触发工作流

因此，代理成为可编程的工作者，而不是对话界面。

• 持久记忆： 它使用本地Markdown文件（SOUL.md、MEMORY.md）在会话之间维护记忆，使其感觉"活着"或持续，而不是像浏览器聊天那样重置。

这些文件充当持久上下文。代理不会在交互之间丢失状态，而是可以跨会话积累知识。

2. "危险的"现实（安全风险）

• "困惑的代理"： 因为它可以访问您的文件、终端和API密钥，被入侵的OpenClaw实例可能导致主机机器的完全接管。
• 大量漏洞： 早期、未打补丁的版本将"localhost"管理面板暴露在公共互联网上，导致数千个实例被入侵。
• 提示词注入： 代理可能被恶意邮件或网站欺骗（例如，邮件中隐藏的白色文本提示词）从而做出违背您利益的行为。
• 不安全的"技能"： ClawHub社区市场提供"技能"（插件），已被证明包含高比例的恶意脚本。

3. 实用性和成本

• 不适合初学者： 它需要终端/命令行熟练度来设置、保护和故障排除。
• 高令牌成本： 它"消耗令牌"。如果没有正确监控或配置，它很容易陷入"推理循环"，花费数百美元的API费用。
• "过度自主"： 它可能静默失败或过度纠正，做出难以信任的决策，需要持续监督。

4. 未来

• OpenAI参与： 项目创建者加入OpenAI从事个人代理工作，但OpenClaw在新的独立基金会下保持开源。
• 转型中： 它正从病毒式玩具转变为更有结构、基金会支持的项目，但安全仍然是主要关注点。

要点对于技术娴熟、想要"随意编码"和探索自主AI前沿的个人来说，它是理想的选择，但应该在容器化/隔离环境（如便宜的VPS或RPi）中运行，而不是在当前状态下连接敏感的真实数据（如主要邮件或银行）。

2、一些需要考虑的事情

社区插件

生态系统包括代理技能和插件市场。这些脚本中有许多未经审计。一些研究表明，其中很大一部分包含不安全代码。

盲目运行这些相当于从互联网运行随机shell脚本。

令牌成本和失控循环

代理通常迭代推理。如果循环条件没有明确定义，代理可能会在尝试解决任务时重复调用模型。这可能导致意外巨大的API成本。因此，首先在本地实验是明智的做法。

如果您打算使用云提供商作为LLM，如anthropic/OpenAI，请确保为您的积分设置限制。您可以在OpenClaw内部做类似的事情。

这是一个非常早期的教训。例如，您可能会被诱惑使用非常强大的模型作为默认值，如Anthropic的Opus模型，您会非常快地消耗您的令牌。

3、什么时候值得运行OpenClaw

OpenClaw对于实验和工作流自动化最有用。

典型有意义的情况包括：

• 学习自主代理在真实环境中如何行为
• 为个人生产力构建小型自动化工具
• 测试LLM和真实应用之间的集成
• 探索代理架构和编排循环
• 原型研究想法

在这些情况下，目标不是可靠性而是探索。

对于对AI系统设计感兴趣的工程师来说，这也是理解代理实际是什么的宝贵方式。

在底层，代理通常只是循环中的LLM，重复地：观察状态、选择操作、执行工具、更新提示词。如果您想了解更多关于代理循环的信息，请查看这里。

代理工具循环概念。 在AI代理内部，循环中有一个LLM根据操作（工具）的后果做出决策以完成任务。每次迭代时，上下文都会更新任务状态和操作结果。图片由作者创建。

运行像OpenClaw这样的系统使这种架构非常清晰。

4、主要用例

即使处于实验形式，OpenClaw也可以自动化惊人数的工作流。一些例子包括：

个人研究助手： 代理可以监控RSS源或研究存储库，并将新论文/帖子总结到知识库中。

文件组织： 代理可以扫描文件夹、分类文档并将它们移动到结构化目录中。当您想要组织Obsidian库时，这个很有用。

邮件分类： 代理可以读取收到的邮件并生成摘要/草拟回复。我还没有将OpenClaw连接到我的个人邮件，目前我正在使用专用的安全邮件账户进行测试。

开发助手： 系统可以监控存储库并自动运行测试、格式化代码或生成文档。

信息仪表板： 代理可以定期从API收集信息并生成报告。我觉得这个需求很大。有几个人让我为他们创建类似的东西。

报告生成： 收集信息并创建摘要，以指定格式放置在指定目录中。这是迄今为止我最喜欢的用例。我在RPi上安装了Obsidian，我有一个项目报告部分，用于我感兴趣的项目（例如安全审计、时间表摘要等）。

这些任务效果很好，因为它们结构化且低风险。

5、在树莓派上运行OpenClaw

这是我的低成本实验设置，用于在OpenClaw中玩转专用代理。

我的OpenClaw在树莓派4上运行。您可以看到我的旧RPi 4，配有256GB SSD（装在铝制外壳中，通过usb-C连接），仍然安装在我用于另一个项目的Pi Cluster机架中）。后面的PC是我在Ollama上运行本地LLM的地方。也是低成本方法。

硬件

• 树莓派 4 * 256GB SSD
• 线缆（HDMI、电源、USB-C）
• 鼠标和显示器用于初始设置（之后无头运行）

模型运行时

对于本地LLM，您可以在台式计算机上运行Ollama，并可以将OpenClaw设置为从Pi远程访问语言模型。您可以在下面进一步了解这里。或者，您可以从云提供商运行更强大的LLM。为此，您需要来自anthropic、openAI等的API密钥。

在SSD上安装树莓派OS

树莓派OS直接安装在SSD上，而不是microSD卡上。SSD提供更高的可靠性和更快的存储访问。

首先需要安装（我必须擦除我的PiCluster主节点）。请参阅该项目的快速介绍。

如果您从未在RPi上安装操作系统，可以阅读安装步骤这里。基本上，您需要一个应用程序将OS镜像复制到micro SD卡或外部SSD（在我的情况下）。

一旦您在Pi上运行raspbian（或操作系统），您可以配置网络设置和ssh，以便从另一台计算机连接（无头）或者如果您想直接操作，则需要设置显示器和键盘（如果您更喜欢窗口管理器，也可以用鼠标）。

完成所有这些后，您可以在终端中运行以下命令 curl -fsSL https://openclaw.ai/install.sh | bash

OpenClaw安装 过程简单，如果您知道自己在做什么。我做了好几次。小规模开始的另一个好处 :)

完成基本安装步骤后，您可以看到OpenClaw正在运行

OpenClaw安装完成。

OpenClaw有非常流畅的安装过程。它有指导步骤来设置一切。也许最重要的部分是给它访问LLM（本地或基于云的服务，如Anthropic/OpenAI）。我在另一台机器上本地运行ollama小模型，所以我尝试使用GM flash模型。

6、使用Ollama本地运行LLM

虽然您可以在树莓派上运行Ollama，但对于单个小RPi 4来说可能太多了。所以，我在单独的PC上运行ollama。

连接到Ollama

语言模型在台式计算机上通过Ollama运行。树莓派向Ollama API发送请求。

台式机提供更多内存和CPU资源，允许更大的模型高效运行。Pi执行编排任务和调度。

首先使用本地模型尝试OpenClaw。图片由作者改编。

我在比RPi有更多内存的PC上运行Ollama :) 所以为了避免在使用积分时产生高昂费用，我决定在本地完成所有这些操作，一旦我了解更多关于风险和配置方法后再升级到更强大的模型。

首先尝试使用GLM 4.7 Flash（30B参数，3B激活MoE模型），对于其大小来说推理能力非常出色

我安装了最小技能、使用Brave search API的网页搜索。为此您需要创建账户并获取API密钥。将积分限制设置为每月5美元，有免费的5美元积分。

7、PicoClaw

PicoClaw是OpenClaw的简化版本，依赖更少，系统要求更低。它提供基本的代理功能，无需完整框架。

此变体适用于树莓派等受限硬件。它对于快速实验和小型自动化任务也很有用，在这些情况下完整的OpenClaw堆栈是不必要的。OpenClaw有多个变体，每个都针对不同的目标。

8、树莓派设置的优缺点

树莓派功耗低，可以持续在线。硬件便宜且易于更换。在单独设备上运行框架将实验软件与主工作站隔离。

树莓派内存和CPU容量有限。本地运行较大模型不实际。需要大量计算的任务执行缓慢。通常需要远程模型主机。

在实践中，该设备作为编排节点运行良好，但不适合作为模型服务器。

9、结束语

当前的代理框架浪潮造成了一种印象，即需要昂贵的硬件才能参与。

实际上，实验可以从更简单的东西开始。

树莓派完全能够运行代理系统的编排层，而更重的模型推理发生在其他地方。

这种设置还引入了一个重要的原则：

代理应该被视为实验系统。它们需要隔离、监控和仔细配置。

因此，在小型专用机器上运行它们不仅更便宜，而且通常更安全。

对于任何好奇自主代理实际如何工作的人来说，我发现这种设置是在不投入大量资源的情况下探索技术的实用方法。随着我继续实验和学习，我的观点可能会改变，但现在我会建议从小规模开始。

网上关于openclaw的内容太多了，很容易让人觉得如果没有像其他人一样运行代理，那么所有的工作都会被简化，然后你会有很多时间做其他所有事情（我不同意最后一部分）。

无论如何，这种小规模低成本方法是开始和学习的好方法。

原文链接: You do not need to buy a Mac mini to run OpenClaw

汇智网翻译整理，转载请标明出处