qclaw怎么调用本地部署的模型？QClaw接入本地大模型指南

QClaw 是一款开箱即用的系统级本地智能体执行框架。其核心价值在于将自然语言转化为真实的电脑底层操作，而通过将其底层“大脑”切换为本地部署的开源大模型，用户不仅能彻底免去云端 API 的 Token 计费，还能实现业务数据的 100% 物理隔离与隐私安全。

本文大纲

• 🖥️ 一、本地模型环境准备：启动推理引擎并暴露兼容接口
• ⚙️ 二、定位并修改配置文件：寻找 QClaw 的底层通信网关
• 🔗 三、重定向通信地址与参数：物理切断云端依赖并指向本地
• 🚀 四、重启服务与本地握手测试：验证底层执行链路

图源：AI生成示意图

一、本地模型环境准备 🖥️

QClaw 本身不具备运行庞大 AI 模型的能力，它需要通过标准的 API 接口与外部“大脑”对话。因此，你首先要在电脑上跑起一个本地模型。

• 推理引擎选择：推荐使用 Ollama 或 LM Studio，它们能极其方便地将本地模型打包成标准的兼容接口。
• 端口监听：以 Ollama 为例，当你使用命令 ollama run qwen2:7b 跑起一个本地模型后，它会在后台默认监听本地的 11434 端口。此时，你的本地模型 API 地址即为 http://127.0.0.1:11434/v1。

图源：AI生成示意图

二、定位并修改配置文件 ⚙️

接下来，我们需要告诉 QClaw 不要再去连接远端的云服务器，而是把任务发给本地的这个端口。

• 配置文件路径：在你的电脑上找到 QClaw 的核心配置文件，通常位于安装根目录下的 config.yaml，或在用户目录的 ~/.qclaw/config.yaml 中。
• 编辑工具：使用任何纯文本编辑器（如 VS Code 或系统自带的记事本）打开该文件，准备进行参数覆写。

图源：AI生成示意图

三、重定向通信地址与参数 🔗

这是最关键的一步，你需要修改配置文件中关于 LLM（大语言模型）的通信载荷。

• 参数修改范例：找到控制模型接口的代码块，将其修改为类似下方的结构：

简要解释：通过修改 base_url，我们在物理层面上将 QClaw 的请求路由拦截，并将其重定向到了你自己的电脑主板上。这样，所有的数据处理都不会再离开你的局域网。

图源：AI生成示意图

四、重启服务与本地握手测试 🚀

参数修改完毕后，需要让系统重新加载这些底层规则。

• 重启进程：保存 config.yaml 文件，关闭当前正在运行的 QClaw 客户端或终端控制台，然后重新启动它。
• 验证链路：在 QClaw 的聊天窗口中输入一个简单的系统指令，例如“帮我在桌面上新建一个名为测试的文本文件”。
• 状态确认：此时如果你观察本地推理工具（如 Ollama）的后台日志，应该能看到 GPU 开始满载计算。若桌面成功创建文件，则说明本地化智能体闭环已彻底打通。

总结

本文梳理了让 QClaw 调用本地部署大模型的操作路径。你需要先通过 Ollama 等工具在本地运行模型并暴露 API 端口，然后深入 QClaw 的配置文件，将底层的通信地址（base_url）与模型名称物理重定向至本地网关。完成重启后，即可获得一个零调用成本且数据绝对安全的本地智能体中枢。

如果你觉得手动修改底层配置文件过于繁琐，或者团队需要更开箱即用的私有化落地方案，推荐部署实在Agent。它原生内置了对各类开源模型与本地化部署的深度支持，无需修改代码，即可通过图形化界面轻松搭建跨软件的自动化流转体系，真正做到低门槛与数据不出域的高效办公。