macmini

Sebelum memulai, saya ingin menjelaskan latar belakang, artikel pertama yang pernah saya tulis (OpenClaw) tentang lobster kecil adalah untuk memberi tahu semua orang apa itu? Bagaimana cara memainkannya? Apakah bisa diterapkan di Mac Mini, merupakan panduan pemahaman.
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
Seiring penelitian semakin mendalam, saya menulis artikel kedua: Bagaimana menerapkan layanan dasar di 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）

Hari ini saya berhasil menjalankan "Lobster" (OpenClaw AI Agent) di Mac Mini M4. Dari pengujian yang dilakukan, tidak disarankan untuk menggunakan M4 untuk menjalankan model kecil lokal (logika pemikiran mudah salah), seperti beberapa model 7B dan 8B; arsitektur yang paling praktis adalah: menjalankan kerangka Agensi di Mac lokal (berfungsi sebagai tangan dan kaki) + memanggil API Gemini 3 Flash di cloud (berfungsi sebagai otak).
Catat proses penyebaran yang spesifik dan titik-titik masalah, untuk referensi:
1. Lengkapi lingkungan dasar

git dan docker sudah siap, hanya tinggal node.
Mac sudah dilengkapi dengan Git, tetapi kekurangan lingkungan Node.js. Saya langsung mengunduh paket instalasi .pkg v24.13.1 (LTS) dari situs web resmi, dan melakukan instalasi dengan pengaturan default, yang secara otomatis menyelesaikan lingkungan Node dan npm.

Akhir-akhir ini di lingkungan teknis semua orang membicarakan OpenClaw (julukan publik “Siput”), banyak teman bertanya, apa perbedaan antara dia, ChatGPT, Google AI, DeepSeek atau Doubao. Menggambarkan pengalaman terbaru saya di Mac Mini M4, saya akan menjelaskan secara rinci tentang posisinya, ambang penerapan serta kelebihan dan kekurangan dari dua mekanik permainan utama. Ketika saya menyelesaikan level dengan siput, saya akan menulis instruksi yang sangat rinci untuk dibagikan kepada semua orang, dan artikel ini hanya untuk memperkenalkan semua orang dengan konsep tersebut. Teman-teman saya yang mengenal saya tahu bahwa Mo Go sedang mengeksplorasi model-model besar, dan di perusahaan web2 juga terlibat dalam hal ini. Kali ini saya memutuskan untuk memanfaatkan Mac Mini M4 saya yang hanya tergeletak tidak terpakai. Pertama: apa itu "udang"? Apa perbedaannya dengan ChatGPT/Google/DeepSeek? Dengan kata sederhana, jika membandingkan AI dengan manusia: ChatGPT / Google Gemini / DeepSeek / Doubao: mereka adalah otak (model-model besar LLM). Fungsi utama mereka adalah berpikir, menghasilkan teks atau kode. Mereka hidup di jendela obrolan, Anda bertanya, mereka menjawab. Saya baru-baru ini berbagi bahwa Anda bisa mendapatkan satu tahun Google Gemini Pro seharga 10 hryvnias, ini adalah cara pasif. OpenClaw ("udang"): ini adalah tangan dan kaki (kerangka agen AI). Secara mandiri, ia tidak memiliki kecerdasan, ini adalah program yang berjalan di latar belakang komputer Anda. Perbedaan utama: ChatGPT hanya bisa memberi tahu bagaimana melakukannya, sementara udang dapat membantu Anda melakukannya. Udang memahami perintah Anda, mengakses API otak, dan kemudian mengendalikan browser, mengklik di halaman web, membaca file lokal, mengontrol Twitter, secara otomatis mengirim dan menerima pesan di Telegram/Wechat. Ia adalah pekerja digital yang bekerja 24 jam sehari. Kedua: perangkat untuk penerapan: mengapa memilih Mac Mini M4? Untuk penerapan udang diperlukan komputer yang dapat beroperasi dalam jangka waktu lama. Mac Mini M4 saat ini adalah perangkat yang sangat ideal, ada tiga alasan: Konsumsi daya rendah (selalu dalam mode operasi): udang perlu bekerja 24 jam sehari di latar belakang (misalnya, memantau dinamika cryptocurrency atau memproses respons otomatis), daya yang digunakan oleh Mac Mini sangat rendah, hampir tidak menghabiskan listrik, sehingga sangat cocok sebagai server rumah. Ramah lingkungan: ini adalah sistem Unix, dukungan untuk Docker, Node.js, dan lingkungan pengembangan lainnya lebih baik dibandingkan Windows, kesalahan lebih sedikit. Senyap: beroperasi tanpa suara di sudut. Ketiga: penjelasan rinci tentang dua mode penerapan: lokal vs API (fokus utama: biaya dan keseimbangan kecerdasan) Ini adalah tempat di mana pemula sering terjebak. Otak udang memiliki dua sumber utama: 1. Mode model lokal (Local LLM) Prinsip: menggunakan daya komputasi NPU/GPU Mac Mini untuk menjalankan model-model terbuka (seperti Llama 3, DeepSeek-Distill, dll.) sebagai otak udang. Biaya: sepenuhnya gratis. Selain listrik, tidak perlu membayar biaya API. Pengalaman pengujian (Mac Mini M4): tidak disarankan sebagai utama. Meskipun chip M4 sangat kuat, ia terbatas oleh memori (memori terpadu), biasanya hanya dapat berjalan lancar dengan model-model kecil dengan parameter 7B atau 8B. Saya sebelumnya menggunakan Mac Mini untuk menerapkan model-model besar, karena masalah konfigurasi saya hanya dapat menerapkan model-model dengan parameter relatif rendah, seperti 7B/8B, yang membuat model terlihat sangat bodoh, 32B sama sekali tidak bisa dijalankan, memori terisi dan komputer macet. Kekurangan: model-model kecil ini sering kali salah memahami, melewatkan informasi atau menciptakan ilusi saat memproses logika yang kompleks (misalnya, "analisis artikel panjang ini dan ringkaskan tiga manfaat kunci"). Kesimpulan: menggunakan model kecil lokal untuk udang mirip dengan mempekerjakan seorang intern yang sangat rajin, tetapi tidak terlalu pintar, sangat rajin, tetapi tidak efisien. 2. Mode API (Cloud LLM) - sangat disarankan Prinsip: Mac Mini bertanggung jawab untuk menjalankan program udang (tangan dan kaki), dan saat berpikir memanggil model terkuat di cloud (seperti Google Gemini 3 Pro, GPT-4o, Claude 3.5) melalui jaringan. Biaya: perlu membayar (tetapi ada trik). Biasanya pembayaran dilakukan dengan token (jumlah kata), semakin banyak Anda menggunakan, semakin mahal. Trik untuk menghemat: saat ini API Google Gemini memiliki tingkat gratis (Free Tier), untuk pengguna pribadi yang menjalankan udang, ini hampir gratis dan sangat cepat. Pengalaman pengujian: terbang tinggi. Kemampuan logis model-model besar di cloud jauh melebihi model-model kecil lokal. Udang menjadi sangat pintar, dapat menjalankan perintah kompleks dengan tepat, menulis kode, menganalisis dokumen panjang. Empat, ringkasan dan rekomendasi Jika Anda juga memiliki Mac Mini M4, jangan mencoba menggunakannya untuk pelatihan keras atau inferensi model-model besar, tidak akan berhasil. (Ini juga yang saya beli sebelumnya untuk melakukan penambangan😄) Cara paling cerdas untuk bermain: Gunakan Mac Mini M4 sebagai peluncuran awal. Manfaatkan karakteristik konsumsi daya rendahnya untuk bekerja 24 jam sehari dengan platform perangkat lunak OpenClaw, kemudian sambungkan ke Google Gemini (biaya tinggi) atau GPT-4/Claude (kinerja tinggi) API. Dengan cara ini, Anda mendapatkan kontrol atas privasi data (program di komputer lokal) dan tingkat kecerdasan AI tertinggi (otak di cloud), ini adalah bentuk agen AI yang paling praktis saat ini. Tidak tahu apakah Anda mengerti ini, ini adalah artikel pengantar, bukan teknis, tahun ini saya berencana menyelesaikan dengan udang, tunggu panduan langkah demi langkah saya.#OPENCLAW #MACMINI #DeepSeek #Gemini #大漠茶馆

Belakangan ini, dunia teknologi sedang membicarakan OpenClaw (nama panggilan komunitas “Lobster”), banyak teman yang bertanya apa perbedaannya dengan ChatGPT, Google AI, DeepSeek, atau Doubao. Berdasarkan pengalaman saya baru-baru ini di Mac Mini M4, saya akan menjelaskan secara rinci tentang posisinya, ambang penerapan, serta pro dan kontra dari dua cara bermain inti.
Tunggu sampai Lobster saya menyelesaikan permainan, saya akan menulis tutorial yang sangat rinci untuk dibagikan kepada semua orang, anggap saja ini sebagai pengenalan konsep, teman-teman yang sudah mengenal saya tahu bahwa Mo Ge adalah peneliti model besar, dan juga bekerja di bidang ini di perusahaan web2, kali ini saya berniat memanfaatkan Mac Mini M4 yang tidak terpakai di rumah.