macmini

Prima di iniziare, vorrei fornire un contesto, il primo articolo che ho scritto (OpenClaw) riguardava cosa fosse esattamente? Come si gioca? È possibile implementarlo su Mac Mini, ed è una guida introduttiva.
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
Con il continuare della ricerca, ho scritto il secondo articolo: come implementare servizi di base su 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）

Oggi ho fatto funzionare "OpenClaw" (Agente AI OpenClaw) su Mac Mini M4. Dopo aver testato, non consiglio di usare l'M4 per eseguire modelli locali più piccoli (il ragionamento logico può facilmente fallire), come alcuni modelli da 7B e 8B; l'architettura più pratica è: un Mac locale che esegue il framework Agent (funge da mani e piedi) + chiamata all'API Gemini 3 Flash nel cloud (funge da cervello).
Annotare il processo di distribuzione specifico e i punti di attenzione, per riferimento:
1. Completare l'ambiente di base

git e docker sono già pronti, manca solo node
Il Mac ha Git preinstallato, ma manca dell'ambiente Node.js. Sono andato direttamente sul sito web per scaricare il pacchetto di installazione .pkg della versione v24.13.1 (LTS), ho seguito l'installazione predefinita e ho risolto automaticamente l'ambiente Node e npm.

Recentemente, nel campo tecnico, tutti parlano di OpenClaw (soprannome pubblico 'Gambero'), molti amici chiedono quale sia la differenza tra esso, ChatGPT, Google AI, DeepSeek o Doubao. Riassumendo la mia recente esperienza con Mac Mini M4, parlerò dettagliatamente del suo posizionamento, delle soglie di implementazione e dei vantaggi e svantaggi delle due principali meccaniche di gioco. Quando supererò il livello con il gambero, scriverò una guida molto dettagliata da condividere con tutti, e questo articolo è solo per familiarizzare tutti con il concetto. Gli amici che conosco sanno che Mo Go esplora grandi modelli, e in azienda web2 si occupano anche di questo. Questa volta ho deciso di utilizzare il mio Mac Mini M4, che era semplicemente inutilizzato. Primo: cos'è un 'gambero'? Qual è la differenza con ChatGPT/Google/DeepSeek? In parole semplici, se confrontiamo l'AI con un essere umano: ChatGPT / Google Gemini / DeepSeek / Doubao: essi sono il cervello (grandi modelli LLM). La loro funzione principale è pensare, generare testo o codice. Vivono in una finestra di chat, fai domande, rispondono. Recentemente ho condiviso che si può ottenere un anno di Google Gemini Pro per 10 grivna, è un modo passivo. OpenClaw ('gambero'): sono braccia e gambe (cornice dell'agente AI). Di per sé non ha intelligenza, è un programma che lavora in background sul tuo computer. La principale differenza: ChatGPT può solo dire come fare, mentre il gambero può aiutarti a farlo. Il gambero comprende i tuoi comandi, richiamando l'API del cervello, e poi controlla il browser, clicca sulle pagine web, legge file locali, controlla Twitter, invia e riceve automaticamente messaggi su Telegram/Wechat. È un lavoratore digitale che lavora 24 ore su 24. Secondo: dispositivi per il dispiegamento: perché scegliere Mac Mini M4? Per dispiegare il gambero è necessario un computer che possa funzionare a lungo. Il Mac Mini M4 è attualmente un dispositivo molto ideale, ci sono tre motivi: Basso consumo energetico (sempre in modalità operativa): il gambero ha bisogno di lavorare in background 24 ore su 24 (ad esempio, per monitorare la dinamica delle criptovalute o elaborare risposte automatiche), la potenza consumata dal Mac Mini è molto bassa, non consuma quasi elettricità, quindi è molto adatto per un server domestico. Ecologicità: è un sistema Unix, il supporto per Docker, Node.js e altri ambienti di sviluppo è migliore rispetto a Windows, ci sono meno errori. Silenzioso: funziona senza alcun rumore in un angolo. Terzo: descrizione dettagliata delle due modalità di dispiegamento: locale vs API (attenzione principale: costi e bilanciamento dell'intelligenza) Questo è il luogo in cui i principianti cadono più spesso nella trappola. Il cervello dei gamberi ha due fonti principali: 1. Modalità modello locale (Local LLM) Principio: utilizzare la potenza di calcolo NPU/GPU del Mac Mini per eseguire modelli aperti (come Llama 3, DeepSeek-Distill, ecc.) come cervello del gambero. Costi: completamente gratuito. Oltre all'elettricità, non è necessario pagare alcun costo API. Esperienza di test (Mac Mini M4): non consigliato come principale. Anche se il chip M4 è molto potente, è limitato dalla memoria (memoria unificata), di solito può funzionare senza problemi solo con piccoli modelli con parametri 7B o 8B. In precedenza ho utilizzato il Mac Mini per dispiegare grandi modelli, a causa di problemi di configurazione sono riuscito a dispiegare solo modelli con parametri relativamente bassi, come 7B/8B, il che ha fatto sembrare il modello molto stupido, 32B non si avviava affatto, la memoria si riempiva e il computer si bloccava. Svantaggi: questi piccoli modelli spesso non comprendono correttamente, saltano informazioni o creano illusioni nell'elaborazione di logiche complesse (ad esempio, 'analizza questo lungo articolo e riassumi tre vantaggi chiave'). Conclusione: utilizzare un piccolo modello locale per il gambero è simile a assumere uno stagista molto diligente, ma non molto intelligente, molto diligente ma inefficace. 2. Modalità API (Cloud LLM) - altamente raccomandata Principio: il Mac Mini è responsabile dell'esecuzione del programma del gambero (braccia e gambe), e durante il pensiero richiama il modello più potente nel cloud (come Google Gemini 3 Pro, GPT-4o, Claude 3.5) attraverso la rete. Costi: è necessario pagare (ma ci sono trucchi). Di solito il pagamento avviene per token (numero di parole), più usi, più costoso. Trucchetto per risparmiare: al momento, l'API Google Gemini ha un livello gratuito (Free Tier), per gli utenti personali che eseguono il gambero, è quasi gratuito e molto veloce. Esperienza di test: decolliamo. Le capacità logiche dei grandi modelli nel cloud superano notevolmente i piccoli modelli locali. Il gambero è diventato molto intelligente, può eseguire con precisione comandi complessi, scrivere codice, analizzare documenti lunghi. Quattro, sintesi e raccomandazioni Se hai anche un Mac Mini M4, non cercare di usarlo per un duro addestramento o inferenza di grandi modelli, non funzionerà. (Questo l'ho comprato in precedenza per fare mining😄) Il modo più intelligente di giocare: Usa il Mac Mini M4 come piattaforma di partenza. Usa la sua caratteristica a basso consumo energetico per lavorare 24 ore su 24 con la piattaforma software OpenClaw, e poi collega Google Gemini (costo elevato) o GPT-4/Claude (alta prestazione) API. In questo modo, ottieni il controllo sulla privacy dei dati (programma sul computer locale) e il massimo livello di intelligenza AI (cervello nel cloud), è la forma più pratica di agenti AI oggi. Non so se lo hai capito, questo è un articolo introduttivo, non è tecnico, quest'anno ho pianificato di completare con il gambero, aspetta la mia guida passo dopo passo.#OPENCLAW #MACMINI #DeepSeek #Gemini #大漠茶馆

Recentemente, nel cerchio tecnologico si parla di OpenClaw (soprannome della comunità “aragosta”). Molti amici chiedono quali siano le differenze rispetto a ChatGPT, Google AI, DeepSeek o Doubao. Basandomi sulla mia recente esperienza con il Mac Mini M4, spiegherò dettagliatamente la sua posizione, le soglie di distribuzione e i pro e contro delle due principali modalità di gioco.
Quando il mio aragosta avrà completato il gioco, scriverò un tutorial molto dettagliato da condividere con tutti. Considerate questo come un'introduzione al concetto; gli amici che mi conoscono sanno che Mo Ge studia i grandi modelli e lavora in questo settore anche in aziende web2. Questa volta ho intenzione di utilizzare il mio Mac Mini M4 che era inutilizzato.