macmini

Antes de comenzar, voy a dar un poco de contexto, el primer artículo que escribí (OpenClaw) sobre la langosta pequeña fue para explicar qué es, cómo se juega, y si se puede implementar en Mac Mini, es una guía introductoria.
关于最近大火的“龙虾”(OpenClaw)：到底是什么？怎么玩？Mac Mini M4 实测避坑指南
A medida que la investigación continúa profundizándose, escribí el segundo artículo: cómo implementar servicios básicos en Mac Mini M4.
我是如何在 Mac Mini M4 上部署 OpenClaw 的？（附环境与后台配置流程）

Hoy en el Mac Mini M4 se logró ejecutar "OpenClaw" (Agente AI). En pruebas reales, no se recomienda usar M4 para ejecutar modelos pequeños locales (la lógica de razonamiento puede fallar), como algunos modelos de 7B y 8B; la arquitectura más práctica es: ejecutar el marco del Agente localmente en Mac (actuando como manos y pies) + invocar la API de Gemini 3 Flash en la nube (actuando como cerebro).
Registrar el proceso de implementación específico y los puntos de fallo, para referencia:
1. Completar el entorno básico

git y docker ya están listos, solo falta node
Mac viene con Git, pero le falta el entorno de Node.js. Fui directamente al sitio web para descargar el paquete de instalación .pkg de v24.13.1 (LTS), lo instalé con todas las opciones por defecto y configuré automáticamente el entorno de Node y npm.

Recientemente, en el entorno técnico, todos hablan sobre OpenClaw (apodo público "Langosta"), muchos amigos preguntan cuál es la diferencia entre este, ChatGPT, Google AI, DeepSeek o Doubao. Resumiendo mi experiencia reciente en el Mac Mini M4, hablaré en detalle sobre su posicionamiento, los umbrales de implementación y las ventajas y desventajas de las dos principales mecánicas de juego. Cuando complete un nivel con la langosta, escribiré una guía muy detallada para compartir con todos, y este artículo es solo para familiarizar a todos con el concepto. Mis amigos conocidos saben que Mo Go investiga grandes modelos, y en la compañía web2 también se ocupa de esto. Esta vez decidí utilizar mi Mac Mini M4, que simplemente estaba inactivo. Primero: ¿qué es una "langosta"? ¿Cuál es la diferencia con ChatGPT/Google/DeepSeek? En palabras sencillas, si comparamos la IA con un ser humano: ChatGPT / Google Gemini / DeepSeek / Doubao: ellos son el cerebro (grandes modelos LLM). Su función principal es pensar, generar texto o código. Viven en una ventana de chat, tú preguntas, ellos responden. Recientemente compartí que se puede obtener un año de Google Gemini Pro por 10 grivnas, lo cual es un método pasivo. OpenClaw ("langosta"): son las manos y los pies (el marco del agente de IA). Por sí solo, no tiene inteligencia, es un programa que funciona en segundo plano en tu computadora. La principal diferencia: ChatGPT solo puede decir cómo hacerlo, mientras que la langosta puede ayudarte a hacerlo. La langosta entiende tus comandos, llamando a la API del cerebro, y luego controla el navegador, haciendo clic en las páginas web, leyendo archivos locales, controlando Twitter, enviando y recibiendo mensajes automáticamente en Telegram/Wechat. Es un trabajador digital que trabaja 24 horas al día. Segundo: dispositivos para la implementación: ¿por qué elegir Mac Mini M4? Para implementar la langosta se necesita una computadora que pueda funcionar durante mucho tiempo. El Mac Mini M4 es actualmente un dispositivo muy ideal, hay tres razones: Bajo consumo de energía (siempre en modo de funcionamiento): la langosta necesita trabajar en segundo plano 24 horas al día (por ejemplo, controlando la dinámica de las criptomonedas o procesando respuestas automáticas), la potencia consumida por el Mac Mini es muy baja, casi no consume electricidad, por lo que es muy adecuado para un servidor doméstico. Ecológico: es un sistema Unix, el soporte para Docker, Node.js y otros entornos de desarrollo es mejor que en Windows, hay menos errores. Silencioso: funciona sin ningún ruido en la esquina. Tercero: descripción detallada de los dos modos de implementación: local vs API (enfoque principal: costos y equilibrio de inteligencia) Este es el lugar donde los principiantes suelen caer en la trampa. El cerebro de las langostas tiene dos fuentes principales: 1. Modo de modelo local (Local LLM) Principio: utilizar la potencia de computación NPU/GPU del Mac Mini para ejecutar modelos abiertos (como Llama 3, DeepSeek-Distill, etc.) como el cerebro de la langosta. Costos: completamente gratis. Aparte de la electricidad, no hay que pagar ningún costo de API. Experiencia de prueba (Mac Mini M4): no se recomienda como principal. Aunque el chip M4 es muy potente, está limitado por la memoria (memoria unificada), generalmente solo puede funcionar sin problemas con modelos pequeños con parámetros 7B o 8B. Anteriormente utilicé el Mac Mini para implementar grandes modelos, debido a problemas de configuración solo pude implementar modelos con parámetros relativamente bajos, como 7B/8B, lo que hizo que el modelo se viera muy estúpido, 32B no se ejecutaba en absoluto, la memoria se llenaba y la computadora se congelaba. Desventajas: estos modelos pequeños a menudo malinterpretan, omiten información o crean ilusiones al procesar lógica compleja (por ejemplo, "analiza este largo artículo y resume los tres beneficios clave"). Conclusión: usar un modelo pequeño local para la langosta es como contratar a un pasante muy diligente, pero no muy inteligente, muy diligente, pero ineficaz. 2. Modo API (Cloud LLM) — altamente recomendado Principio: el Mac Mini se encarga de ejecutar el programa de la langosta (manos y pies), y durante el pensamiento llama al modelo más poderoso en la nube (como Google Gemini 3 Pro, GPT-4o, Claude 3.5) a través de la red. Costos: hay que pagar (pero hay trucos). Normalmente, el pago se realiza por tokens (número de palabras), cuanto más usas, más caro. Truco para ahorrar: en este momento, la API de Google Gemini tiene un nivel gratuito (Free Tier), para usuarios personales que ejecutan la langosta, es casi gratis y muy rápido. Experiencia de prueba: despegamos. Las capacidades lógicas de los grandes modelos en la nube superan con creces los modelos pequeños locales. La langosta se volvió muy inteligente, puede ejecutar comandos complejos con precisión, escribir código, analizar documentos largos. Cuatro, resumen y recomendaciones Si también tienes un Mac Mini M4, no intentes usarlo para entrenamiento intensivo o inferencia de grandes modelos, no funcionará. (Este también lo compré antes para hacer minería 😄) La forma más inteligente de jugar: Usa el Mac Mini M4 como plataforma de lanzamiento. Utiliza su característica de bajo consumo para trabajar 24 horas al día con la plataforma de software OpenClaw, y luego conecta Google Gemini (alto costo) o GPT-4/Claude (alto rendimiento) API. De esta manera, obtienes control sobre la privacidad de los datos (programa en la computadora local) y el más alto nivel de inteligencia AI (cerebro en la nube), esta es la forma más práctica de los agentes de IA hoy. No sé si has entendido esto, este es un artículo introductorio, no es técnico, este año planeo terminar con la langosta, espera mi guía paso a paso.\u003ct-7/\u003e\u003ct-8/\u003e#DeepSeek #Gemini #大漠茶馆

Recientemente, en el círculo tecnológico se está hablando de OpenClaw (apodo de la comunidad “langosta”), muchos amigos me preguntan cuál es la diferencia con ChatGPT, Google AI, DeepSeek o Doubao. Combinando mi experiencia reciente con el Mac Mini M4, hablaré en detalle sobre su posicionamiento, las barreras de implementación y las ventajas y desventajas de sus dos modos de juego principales.
Cuando mi langosta complete el nivel, escribiré un tutorial muy detallado para compartirlo con todos. Este artículo es solo para familiarizarse con el concepto, mis amigos que me conocen saben que Mo Ge está investigando grandes modelos y también trabaja en esta área en una empresa web2. Esta vez, planeo utilizar mi Mac Mini M4 que tengo inactivo en casa.