这段时间，AI 我是越用越顺手，但也越来越不敢放开用。
原因很简单：API 太贵了。
刚好最近谷歌出了 Gemma 4。
我顺手装了一遍，结果发现这件事比想象中简单很多。
如果你只是想先把一个能用的大模型跑起来，而不是一上来就折腾特别复杂的环境，那这条路其实挺适合的。
我这次就是用 Ollama + Gemma 4，给自己搭了一套本地 AI，还顺手接入Openclaw。
整个过程，核心就三步。
第一步，先把 Ollama 装上
如果你之前没折腾过本地大模型，那可以先把 Ollama 理解成一个“本地模型运行器”。
很多开源模型，都是通过它来下载、启动和运行的。
你不用自己去处理太多底层环境，省心很多。
macOS / Linux
直接执行：
curl -fsSL https://ollama.com/install.sh | sh
Windows
1、去官网下载安装就行：
https://ollama.com
2、PowerShell直接执行：
irm https://ollama.com/install.ps1 | iex
装完之后，可以先确认一下有没有成功：
ollama -v
只要能看到版本号，基本就说明没问题了。
这一步本身不复杂，真正关键的是先把这套基础运行环境搭起来。
后面不只是 Gemma 4，很多别的开源模型你也能直接跑。
第二步，把 Gemma 4 拉到本地
环境有了，接下来就是把模型下载下来。
我这边用的是：
ollama pull gemma4:e4b
第一次拉模型会慢一点，这个主要看网络和模型大小，耐心等它跑完就行。
温馨提示：C盘空间不够的话，先更改Ollma模型设置路径
下载完成后，就可以通过Ollma客户端选择已下载的模型：
第三步，直接跑起来试一下
你也可以顺手丢一句测试：
你好，你是什么模型？简单介绍一下自己。
如果它能正常回你，那这事基本就成了。
这是本地运行占用资源：
到这里，其实最核心的部分已经结束了。
说到底，就是三步：
没有很多人想象中那么复杂。
Gemma4本地模型接进OpenClaw
1、打开Ollama客户端-Launch复制命令
终端运行：
ollama launch openclaw
2、系统自动配置
3、Openclaw其它配置就不赘述了
最后
本地跑 Gemma 4，再接入 OpenClaw，最大的好处是省钱、可控，也更方便接自己的工作流。
当然，这套方案也有局限
本地模型的整体能力和稳定性，很多时候还是很难完全替代顶级云端模型，尤其是复杂推理、长上下文和高强度任务。
所以更适合把它理解成：
它不一定能替代所有云端模型，
但至少能把一部分高频、重复、成本敏感的任务搬回本地。
总体四步:
- 装 Ollama
- 拉 Gemma 4
- 跑起来
- 接进 OpenClaw
👥 NAS 折腾交流群
如果你最近也在折腾本地 AI，或者已经把模型接进自己的工作流，欢迎留言聊聊你现在在用什么模型。
想看更多这类 OpenClaw × NAS × AI自动化 的实战内容，欢迎关注公众号 “纳斯派”。
如果你想参与讨论、一起共创玩法，也欢迎公众号私信进群一起交流。
2026-4-7 22:17:08
2026-4-8 18:37:58 楼主