OpenClaw+千问3.5-9B本地部署指南：5步完成AI助手搭建

1. 为什么选择OpenClaw+千问3.5-9B组合？

去年冬天，当我第一次尝试用AI自动化处理日常文件整理时，发现大多数方案要么需要上传数据到云端，要么功能过于死板。直到遇到OpenClaw这个开源框架，配合千问3.5-9B模型的本地部署方案，才真正实现了"既保护隐私又足够智能"的个人助手。

这个组合最吸引我的三个特点：

• 完全本地化：所有数据处理和模型推理都在本机完成
• 自然语言交互：可以用对话方式指挥AI完成复杂操作
• 可扩展性：通过Skill机制可以不断添加新能力

下面我就分享从零开始部署的全过程，包含我踩过的坑和验证过的解决方案。

2. 环境准备与基础安装

2.1 硬件与系统要求

我的测试环境是一台2020款MacBook Pro（M1芯片，16GB内存），系统为macOS Ventura 13.5。实际验证过的最低配置要求：

• CPU：Apple Silicon或Intel Core i5及以上
• 内存：至少8GB（千问3.5-9B模型需要6GB左右内存）
• 存储：10GB可用空间（用于模型权重和依赖库）
• 网络：安装阶段需要稳定连接

2.2 一键安装OpenClaw

打开终端执行以下命令（国内用户建议先配置好科学上网）：

curl -fsSL https://openclaw.ai/install.sh | bash

这个脚本会自动完成：

1. Homebrew环境检查与安装
2. Node.js v18+环境配置
3. OpenClaw核心包安装
4. 基础依赖项配置

安装完成后验证版本：

openclaw --version
# 应输出类似：openclaw/0.9.1 darwin-arm64 node-v18.16.0

常见问题1：如果遇到command not found错误，尝试先执行：

source ~/.zshrc
# 或
source ~/.bash_profile

3. 模型部署与配置

3.1 获取千问3.5-9B模型

推荐从星图平台获取优化后的镜像版本：

docker pull registry.cn-hangzhou.aliyuncs.com/qingchen/qwen-3.5b:latest

启动模型服务：

docker run -d -p 5000:5000 --name qwen35b \
  -v ~/qwen_models:/app/models \
  registry.cn-hangzhou.aliyuncs.com/qingchen/qwen-3.5b:latest

验证服务是否正常：

curl http://localhost:5000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen-3.5b-chat", "messages": [{"role": "user", "content": "你好"}]}'

3.2 配置OpenClaw连接模型

执行配置向导：

openclaw onboard

在交互式界面中选择：

1. Mode → Advanced
2. Provider → Custom
3. 输入模型地址：http://localhost:5000
4. API类型选择：OpenAI-compatible
5. 模型名称填写：qwen-3.5b-chat

完成后会在~/.openclaw/openclaw.json生成配置片段：

{
  "models": {
    "providers": {
      "local-qwen": {
        "baseUrl": "http://localhost:5000",
        "apiKey": "none",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen-3.5b-chat",
            "name": "Local Qwen 3.5B",
            "contextWindow": 8192
          }
        ]
      }
    }
  }
}

4. 启动服务与功能验证

4.1 启动网关服务

openclaw gateway start --port 18789

访问本地控制台：http://localhost:18789，应该能看到带有"Qwen 3.5B"模型标识的界面。

4.2 测试基础功能

在控制台输入以下任务测试：

1. 文件整理： "请帮我整理~/Downloads文件夹，将图片移动到~/Pictures/Downloads，文档移动到~/Documents/Downloads"

2. 网页检索： "搜索最近三天关于OpenClaw的技术文章，保存前3篇的标题和链接到~/Documents/research.md"

常见问题2：如果遇到"模型无响应"错误，检查：

• 模型服务日志：docker logs qwen35b
• 网关连接状态：openclaw gateway status
• 防火墙设置：确保5000和18789端口开放

5. 进阶配置与自动化实践

5.1 安装实用Skill

增强文件处理能力：

clawhub install file-organizer markdown-generator

5.2 配置定时任务

创建~/openclaw_cron.json：

{
  "tasks": [
    {
      "name": "morning_news",
      "schedule": "0 9 * * *",
      "command": "搜索今日AI领域头条新闻，保存摘要到~/Documents/AI-News/$(date +%Y-%m-%d).md"
    }
  ]
}

加载定时任务：

openclaw cron load ~/openclaw_cron.json

5.3 性能优化建议

通过我的实测，以下调整可以提升响应速度：

1. 在openclaw.json中减少maxTokens到2048
2. 为Docker容器分配更多内存：

   docker update qwen35b --memory 8g
   

3. 使用--prefer-tool参数引导AI优先使用本地工具

6. 我遇到的典型问题与解决

问题1：模型响应速度慢

• 原因：默认参数对本地部署过于激进
• 解决：在模型配置中添加：

  "parameters": {
    "temperature": 0.3,
    "top_p": 0.9
  }
  

问题2：文件操作权限拒绝

• 原因：OpenClaw服务运行用户无权访问目标目录
• 解决：

  sudo chmod -R 755 ~/Documents
  sudo chown -R $(whoami) ~/Downloads
  

问题3：中文处理异常

• 解决：在网关启动时指定语言：

  openclaw gateway start --lang zh-CN
  

经过一个月的实际使用，这个组合已经能帮我处理70%以上的日常文档工作。最让我惊喜的是它理解自然语言指令的能力——我不需要记住具体命令语法，就像指导一个真人助手那样描述需求即可。当然，复杂任务还是需要拆解步骤，但这已经比传统自动化工具友好太多了。

---

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。