摘要：本文介绍了在Windows环境下让AMD显卡（如RX6600XT）运行Ollama大模型时调用GPU的方法。由于官方Windows版Ollama对部分AMD GPU架构支持不完整，导致默认仅使用CPU。解决方案包括替换ROCm运行库（6.4.2版本）、更新rocblas计算库等步骤，使RX6000/7000系列显卡能以GPU运行模型，性能提升约10倍（从2-3 token/s提升至20-35

摘要： oMLX针对本地LLM在Agent框架（如OpenClaw）中的性能瓶颈，提出两级KV Cache架构（RAM+SSD），通过持久化复用中间计算结果，显著优化长上下文推理。相比传统方案需重复prefill（30-90秒/次），oMLX支持增量计算，后续请求降至约5秒。其核心创新在于将KV Cache从临时内存升级为可复用资产，结合模型量化与分层内存策略，使本地推理达到工程可用水平，尤其适合

摘要：本文介绍了在Windows环境下让AMD显卡（如RX6600XT）运行Ollama大模型时调用GPU的方法。由于官方Windows版Ollama对部分AMD GPU架构支持不完整，导致默认仅使用CPU。解决方案包括替换ROCm运行库（6.4.2版本）、更新rocblas计算库等步骤，使RX6000/7000系列显卡能以GPU运行模型，性能提升约10倍（从2-3 token/s提升至20-35

本文提供了OpenClaw工具的两种卸载方法：当CLI仍可用时，可通过自带命令openclaw uninstall一键卸载，或分步停止服务、删除配置；若CLI已丢失但服务仍在运行，则需按操作系统（macOS/Linux/Windows）分别手动清理服务进程。特别提醒注意多profile配置、远程模式及源码安装等特殊情况的残留清理，确保完全卸载。文末强调操作顺序的重要性，避免因步骤错误导致卸载不彻底