萝卜鱼丸烧先把话放这里：一台 2015 年的 Intel MacBook Pro，完全可以跑本地 AI。我说的不是让它开个网页版聊天窗口，而是把 OpenClaw 这种能自己动手操作电脑的智能体框架，和 Ollama 里的本地模型接起来，让它真的帮你查文件、写脚本、执行命令。这套环境搭完之后，你的老 Mac 就是一台不联网也能干活的 AI 工作站。“老 Mac 跑本地 AI”这件事，真正卡住大部分人的不是硬件，而是环境搭建。
如果你手里正好有一台吃灰的旧 Mac，平时对隐私敏感，或者不希望每次问点东西都要把数据传到云端，这套玩法很值得试。你也不需要是专业程序员，我尽量把每步命令、每个配置文件都写清楚，只要会复制粘贴，一个下午基本能跑通。下面我就按自己实际折腾的顺序，把每一步怎么走、为什么这么走、踩了哪些坑都讲清楚。
1. 老 Mac 跑本地 AI：先说清楚这套组合拳怎么打
1.1 老 Mac 的“老”到底限制在哪
很多人一听“老 Mac 跑 AI”就觉得不现实，其实是被几个点吓住了。以我手上这台 2015 款 13 寸 MacBook Pro 为例，它的短板非常典型：Intel i5 双核处理器、16GB 内存、512GB SSD，系统停在 macOS Monterey。这类机器没有 Apple Silicon 上的神经引擎，也没有统一内存架构，跑大模型只能硬吃 CPU 和内存带宽。
限制最明显的三个地方：
- CPU 推理慢。Intel 老芯片没有 NPU，跑模型全靠 CPU 硬算。7B 参数量以上的模型基本别想流畅，3B 及以下的量化模型还能接受。
- 内存小，装不下大家伙。一个 7B 模型即使量化也要 4GB 左右权重，加载后还要占上下文缓存，8GB 内存的机器很容易被拖死，16GB 相对安全。
- 系统版本旧。老机器往往停在 Catalina 或 Monterey，很多新版软件（比如新版 Node.js、新版 Homebrew 包）会出现 “This version of Mac OS is not supported on this platform” 这种报错。
那是不是就没救了？不是。老 Mac 的瓶颈主要在“模型规模”和“推理速度”，不在架构。OpenClaw 本身只是个 Node.js 应用，Ollama 也只是本地模型运行时，这两个工具对硬件要求并不高，真正吃配置的是模型。所以只要把模型选小一点、量化做好，老机器完全能跑。
1.2 为什么是 OpenClaw + Ollama，而不是别的组合
先解释一下这两个东西分别是什么。
OpenClaw 是一个开源的 AI 智能体框架，它可以理解自然语言，然后调用终端、浏览器、文件系统等工具替你干活。你可以把它理解成一个“AI 代理助手”，它不只是和你聊天，而是真的能操作电脑。它支持接各种模型，包括云端 Claude、GPT 系列，也支持接本地模型。
Ollama 则是目前最省心的本地模型运行器。一条命令就能拉起一个开源大模型，而且提供一个 OpenAI 兼容的 HTTP 接口。你不需要手动去配 PyTorch 环境、不需要管 CUDA/Metal 加速、不需要处理 TensorFlow 那一堆依赖，几乎就是把“模型运行”这件事黑盒化了。
为什么不用别的组合？我实际比较过几个方案：
- 直接装 PyTorch 然后拉模型权重跑：技术上可行，但老 Mac 上手动配置 Python 环境、PyTorch、Tokenizer、量化库，很容易把系统搞乱。我曾经为了让一个模型跑起来折腾了一天多，最后发现还是 Ollama 这种封装好的工具香。
- LM Studio：它有图形界面，对新手友好，但自动化能力和命令行接口不如 Ollama，OpenClaw 这种 agent 框架对接起来没那么顺手。
- llama.cpp：性能好，但需要自己编译、自己管理模型，适合想折腾底层的人，不适合“我要尽快用起来”的场景。
所以最终我选了 OpenClaw + Ollama：一个负责“动手干活”，一个负责“跑本地模型”。而且 Ollama 的接口是 OpenAI 兼容的，OpenClaw 接起来几乎没有障碍。两者搭配，你在本地就能得到一个不用付费、不用联网、数据完全在自己电脑上的 AI 助手。
1.3 我的推荐配置和整体流程
如果你也想照着做，建议先对照一下自己的机器：
| 项目 | 最低要求 | 推荐配置 |
|---|---|---|
| 芯片 | Intel Core i5（2013 年后） | i5 双核以上，新款 Apple Silicon 更好 |
| 内存 | 8GB | 16GB |
| 磁盘 | 剩余 15GB | 剩余 30GB 以上，SSD 优先 |
| 系统 | macOS Catalina（10.15） | macOS Monterey（12）以上 |
整体流程其实就六步：装基础工具 → 装 Ollama → 拉取本地模型 → 安装 OpenClaw → 配置本地模型源 → 验证并实战。下面每一章我都会把对应的命令和配置文件写出来。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备：先把老 Mac 拾掇成能跑现代工具的样子
2.1 先查系统版本和磁盘，别上来就装
老 Mac 上折腾环境，第一步不是安装，而是先确认系统版本和剩余空间，不然装到一半各种诡异报错。打开终端，执行：
bash复制sw_vers
这个命令会显示产品名称、版本号和构建号。我建议 macOS 11 Big Sur 及以上可以直接按本文走；macOS 10.15 Catalina 也能跑，只是部分新版本 Node.js 装不上，需要选旧一点的版本；如果系统还停在 High Sierra 或更早，很多工具链会非常痛苦，大概率需要先想办法升级系统。
再看磁盘空间：
bash复制df -h /
老机器的内置盘本来就小，装完基础工具和模型之后，空间会非常紧张。我整理了一个大概的体积参考：
| 组件 | 占用空间 |
|---|---|
| Homebrew 及基础工具 | 约 2GB |
| Node.js 及 npm 全局包 | 约 500MB |
| Ollama 程序本体 | 约 1.5GB |
| qwen2.5:3b 模型文件 | 约 1.9GB |