Mac开发者必备：OpenClaw本地化部署Qwen3.5-9B-AWQ-4bit全记录

1. 为什么选择OpenClaw+Qwen3.5组合？

去年冬天，当我第一次尝试用Python脚本自动化处理日报时，发现传统RPA工具对动态网页的支持总是不尽如人意。直到遇见OpenClaw这个能像真人一样操作电脑的开源智能体框架，配合Qwen3.5这样的国产大模型，终于找到了理想的解决方案。

这套组合最吸引我的三个特点：

• 真·本地化：所有数据处理都在我的MacBook Pro上完成，客户敏感数据不用上传第三方
• 多模态能力：Qwen3.5-9B-AWQ-4bit支持图片理解，配合OpenClaw的截图能力可以做视觉监控
• 开发友好：作为全栈开发者，能用熟悉的Node.js生态扩展功能

不过实际部署时还是踩了不少坑，特别是Homebrew依赖和Node版本冲突问题。下面就把我的完整实践过程分享给大家。

2. 环境准备与避坑指南

2.1 基础环境配置

我的设备是M1 Pro芯片的MacBook Pro，系统版本Sonoma 14.5。首先需要确保基础环境就绪：

# 更新Homebrew并安装必备工具
brew update && brew upgrade
brew install node@22 cmake python@3.11

这里有个关键细节：必须指定Node.js 18+版本。我最初用brew默认安装的Node 16，导致后续openclaw插件安装时出现ERR_OSSL_EVP_UNSUPPORTED错误。解决方法也很简单：

# 如果已有旧版本Node
brew uninstall node
brew install node@22
echo 'export PATH="/opt/homebrew/opt/node@22/bin:$PATH"' >> ~/.zshrc

2.2 OpenClaw核心安装

官方提供了一键安装脚本，但作为开发者我更喜欢手动安装以便后续调试：

npm install -g openclaw@latest
# 验证安装
openclaw --version

安装完成后别急着初始化，先做两件事：

1. 在~/.zshrc添加export OPENCLAW_LOG_LEVEL=debug方便排查问题
2. 创建专用工作目录mkdir -p ~/claw_workspace

3. Qwen3.5模型本地化接入

3.1 模型部署方案选择

Qwen3.5-9B-AWQ-4bit这个镜像有几种运行方式：

• Docker快速启动：适合快速验证
• 本地编译部署：需要配置CUDA环境
• 星图平台托管：通过API调用

考虑到要长期作为开发助手使用，我选择了Docker方案：

docker pull registry.cn-hangzhou.aliyuncs.com/qwen3/qwen:3.5-9b-awq-4bit
docker run -d --name qwen3.5 -p 5000:5000 registry.cn-hangzhou.aliyuncs.com/qwen3/qwen:3.5-9b-awq-4bit

3.2 OpenClaw模型配置

关键步骤是修改~/.openclaw/openclaw.json配置文件：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://localhost:5000/v1",
        "apiKey": "none",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3-32b",
            "name": "Qwen3.5本地版",
            "contextWindow": 32768,
            "maxTokens": 8192
          }
        ]
      }
    }
  }
}

特别注意contextWindow参数需要与模型实际能力匹配。Qwen3.5-9B-AWQ-4bit的上下文长度是32K，但经过量化后实际可用长度会有所下降，建议设置为24576更稳定。

4. 守护进程与稳定性优化

4.1 用brew services管理服务

为了让OpenClaw网关能7x24小时运行，我配置了brew services：

# 创建plist文件
cat > ~/Library/LaunchAgents/com.openclaw.gateway.plist <<EOF
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
    <key>Label</key>
    <string>com.openclaw.gateway</string>
    <key>ProgramArguments</key>
    <array>
        <string>/opt/homebrew/bin/openclaw</string>
        <string>gateway</string>
        <string>--port=18789</string>
    </array>
    <key>RunAtLoad</key>
    <true/>
    <key>KeepAlive</key>
    <true/>
    <key>StandardOutPath</key>
    <string>/tmp/openclaw.out</string>
    <key>StandardErrorPath</key>
    <string>/tmp/openclaw.err</string>
</dict>
</plist>
EOF

# 加载服务
launchctl load ~/Library/LaunchAgents/com.openclaw.gateway.plist

4.2 内存优化技巧

在长期运行中发现两个内存问题：

1. Chrome驱动内存泄漏
2. 大模型上下文累积

我的解决方案是：

• 每天凌晨3点自动重启服务
• 在OpenClaw任务中定期调用gc()强制垃圾回收
• 限制单个会话的maxTokens不超过4096

5. 开发实战：自动化代码审查

配置完成后，我开发了一个自动化代码审查工作流。当我在VS Code保存文件时：

1. OpenClaw监控文件变化
2. 调用Qwen3.5分析代码质量
3. 通过系统通知提示问题

实现代码片段：

// 在OpenClaw技能中注册文件监听
claw.monitor('/projects', {
  events: ['change'],
  filter: (path) => path.endsWith('.js'),
  handler: async (event) => {
    const code = await fs.promises.readFile(event.path, 'utf8');
    const review = await claw.askModel(
      'qwen-local',
      `请审查这段JavaScript代码：\n${code}\n## 审查要求：\n1. 潜在bug\n2. 性能问题\n3. 代码风格`
    );
    claw.notify(`代码问题: ${review.summary}`);
  }
});

这个工作流帮我发现了多次未处理的Promise异常，效果超出预期。

6. 常见问题解决方案

在三个月使用过程中，我整理了几个典型问题的解决方法：

问题1：模型响应速度慢
解决方案：在openclaw.json中添加"timeout": 30000参数，并确保Docker容器有足够资源：

docker update qwen3.5 --memory 12g --memory-swap 16g

问题2：截图功能异常
解决方案：需要授权OpenClaw辅助功能权限，在系统设置 > 隐私与安全性 > 辅助功能中添加终端和OpenClaw应用。

问题3：长时间运行后指令错乱
解决方案：定期清理对话上下文，我的做法是在任务开始时发送/clear指令重置会话。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。