老Mac焕发新生：用OpenClaw搭建本地AI代理的完整实战指南

1. 为什么是“OpenClaw + 老Mac”而不是云端AI

1.1 老Mac跑本地AI，难在哪里

先交代背景。我手上这台Mac是2019款13英寸MacBook Pro，16GB内存，Intel Core i5四核，平时已经吃灰很久了。不是它不好用，而是新款M系列芯片出来后，这台机器的存在感实在太低：跑开发环境有点肉，看视频又大材小用，卖二手又不值钱。直到我开始折腾本地AI，才发现这种“性能过时但还能开机”的老设备，反而有它独特的价值。

本地AI这件事，很多人一听就想到“显卡要4090”“显存要24G”“没个几万块玩不动”。放在Windows平台上确实如此，但Mac的优势在于统一内存架构：CPU和GPU共享内存，即使没有独立显卡，你也可以把模型直接加载到内存里跑。对老Mac来说，最大的限制不是CPU算力，而是内存容量。16GB内存跑7B量级的量化模型是可行的，8GB内存则更适合3B到4B的小模型。只要肯在模型大小和量化精度上做取舍，老Mac完全可以承担起本地AI的日常使用。

但这里有个新问题：只是把模型跑起来不够，怎么让它干活？这时候就需要一个“AI代理助手”来把模型能力转换成实际动作。OpenClaw正好就是这个角色。

1.2 OpenClaw到底是什么角色

OpenClaw是一个开源的AI代理框架，你可以把它理解成“能把大模型接到真实环境里干活的中间层”。普通聊天工具是“你问一句、它答一句”，OpenClaw不太一样：你给它一个目标，它会自己拆解任务、调用终端命令、读写文件、访问网络接口，然后在关键节点停下来问你“这个命令是否可以执行”，确认后再继续。它不是一个模型，而是一个带权限管理和执行能力的“数字执行助理”。

我最早关注到OpenClaw，是因为它天然支持本地模型后端。相比那些只能绑定固定云端API的闭源Agent工具，OpenClaw可以接入Ollama、LM Studio，甚至NVIDIA NIM这类本地推理服务。这意味着你不需要把对话记录和任务内容发到外部服务器，整个链路都留在自己机器上。对重视数据隐私、或者想折腾离线自动化的人来说，这点非常关键。

另外，OpenClaw的配置思路和很多开源项目类似：初始化之后生成一个配置文件目录（我这边是 ~/.openclaw/），里面维护模型接入信息、技能插件和命令审批白名单。上手成本不高，但可玩性很强。老Mac本身性能有限，跑重负载的云端模型不现实，但把OpenClaw这种极轻量的代理框架架在本地小模型上，恰好是一套低配但完整的AI自动化方案。

1.3 什么样的用户适合这套组合

如果你属于下面任意一类，这个“老Mac跑OpenClaw”的组合就很值：

• 手头有吃灰的老Mac，正好想让它重新发挥点价值；
• 关注数据隐私，不想把任务内容、代码或笔记发给外部API；
• 想入门AI代理，但不想一上来就买云端服务或者租GPU服务器；
• 喜欢折腾命令行，愿意花一个下午把环境从零搭起来。

当然，这套方案也有不适合的场景：比如你要用大模型生成高质量长文、做复杂推理，本地小模型的表现确实不如云端大模型；再比如你追求“零配置开箱即用”，那直接装个带界面的大模型聊天工具更省事。OpenClaw的定位是“能干活的AI代理”，不是“最聪明的AI聊天框”，两者不能混淆。

2. 实操之前，先把老Mac这台“老伙计”摸清楚

2.1 检查硬件和系统：三条命令搞定

在动手装任何东西之前，先花三分钟确认你手上的机器到底是什么配置。不要凭印象，跑几条命令最靠谱：

bash复制system_profiler SPHardwareDataType

这条命令会列出芯片型号、内存大小、系统固件版本等关键信息。如果是Intel Mac，注意看“Processor Name”和“Memory”；如果是Apple Silicon，会显示“Chip”和“Memory”。

bash复制sw_vers

查看macOS大版本号。OpenClaw和Ollama对系统版本都有最低要求，太老的系统会导致安装失败。我个人建议至少在macOS 12 Monterey以上，越新越好。

bash复制df -h /

看根目录剩余空间。模型文件动辄4到8GB，加上OpenClaw本身的依赖和Python虚拟环境，至少预留20GB比较稳妥。

我遇到的真实情况是：2019款Intel MacBook Pro，16GB内存，512GB硬盘，系统是macOS 13 Ventura。这个配置在当年不算差，但放到现在跑本地AI，属于“能用但必须精打细算”的类型。

2.2 内存和磁盘空间，决定你能跑多大的模型

再强调一次：老Mac跑本地AI，内存是天花板。以Ollama支持的常见开源模型为例：