租赁 Mac Mini M4 上运行 OpenClaw OpenHuman 与 Ollama 本地 AI Agent 示意图

2026 年用租来的 Mac Mini M4 跑 OpenClaw & OpenHuman：零门槛本地 AI Agent 完整部署指南

OpenClaw 用 Telegram/WhatsApp 驱动自主 Agent，OpenHuman 用 Memory Tree 做「有记忆」的桌面助理——二者都支持 Ollama 本地推理。瓶颈不在安装命令，而在一台 7×24 在线的 macOS。本文给出 M4 选型、双框架部署与租赁成本矩阵。

1. 痛点：笔记本休眠、Linux 装不了 GUI、自购要等货

2026 年 Agent 的竞争点是持久、私密、可控。MacBook 合盖即断链；自购 M4 成本高；Linux VPS 无法原生跑 LaunchAgent 与 OpenHuman GUI。租赁独占 Mac Mini M4：约十分钟 SSH/VNC 就绪，16GB 可跑 13B，64GB M4 Pro 可触及 70B 量化。下文默认节点已装 Homebrew。

2. OpenClaw vs OpenHuman：该选哪条路线

维度 OpenClaw OpenHuman
协议 MIT GPL-3.0
交互形态 CLI + Telegram/WhatsApp/Discord 桌面 GUI + 语音 + Google Meet
记忆 工作区/插件扩展 Memory Tree 原生
本地模型 Ollama（OpenAI 兼容端点） Ollama / LM Studio（config.toml）
适合场景 消息渠道自动化、运维 Bot 个人超级助理、会议与 Notion/Gmail

消息自动化选 OpenClaw；桌面记忆与会议选 OpenHuman。可共存但需 32GB 起，launchd 分进程见 Hermes 专文。

3. 硬件与云节点选型（可引用数字）

  1. 16GB M4：云 API 为主 + 7B–13B 本地模型（Qwen2.5 7B、Llama 3.1 8B），功耗约 8–15W 级常在线。
  2. 32GB：OpenClaw 主 Agent + 2–3 子 Agent + 单路 13B 本地推理。
  3. M4 Pro 48–64GB：目标零云端、30B–70B 量化；OpenHuman + 大上下文更从容。
  4. 区域：大陆用户优先香港/新加坡节点降低 RTT；数据合规场景避免把记忆目录同步到不可控公网盘。

Node.js ≥22；macOS 14+。开通后 uname -m 确认为 arm64。

4. OpenClaw + Ollama + LaunchAgent 五步实操

  1. 安装 Ollama 并拉模型：
brew install ollama
ollama pull qwen2.5:7b
# 可选：ollama pull llama3.1:8b
  1. 安装 OpenClaw（官方一键脚本，Node 24 推荐）：
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon
  1. 指向本地推理：在 ~/.openclaw/openclaw.json（或 json5）将 provider 的 baseUrl 设为 http://127.0.0.1:11434/v1，主模型如 ollama/qwen2.5:7b。环境变量可设 OLLAMA_KEEP_ALIVE=-1 减少冷启动。
  2. 通道：onboard 向导里配置 Telegram Bot Token 或 WhatsApp；装完插件务必 openclaw gateway restart，再用 openclaw channels status --probe 验收（详见站内《通道无回复》专文）。
  3. 安全：openclaw security audit --fix 收紧出站与命令执行边界；生产环境勿把网关暴露在 0.0.0.0 无鉴权端口。

LaunchAgent 由 --install-daemon 写入，SSH 断开仍常驻。升级异常用 openclaw doctor 对齐版本。

5. OpenHuman v0.53：安装与本地 AI

curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
local_ai.runtime_enabled = true
local_ai.opt_in_confirmed = true

端点指向 11434；OAuth 用最小范围。Memory Tree 补 OpenClaw 长期记忆短板。

远程 GUI 需 VNC；仅后台可只跑 OpenClaw 并限制 Ollama 并发。

6. 多 Agent 资源管理与安全清单

  • 内存预算：Ollama 单模型常驻约 5–8GB（7B q4）；同时开 OpenClaw 网关 + OpenHuman 桌面建议 32GB。
  • 进程隔离：不同 LaunchAgent label，日志分目录；避免共用一个 OLLAMA_NUM_PARALLEL 过大导致 swap。
  • 备份：用 SFTP/rsync 同步 ~/.openclaw 与 OpenHuman 配置目录到本机（密钥勿进 Git）。
  • 合规：国产模型优先 Qwen2.5 等；敏感数据不出境时关闭云端 fallback provider。

7. 成本对比、FAQ 与下一步

方案 24 个月量级成本 主要限制
自购 M4 16GB 硬件约 ¥4k–6k + 电费 折旧、换机、家用网络上行
云 GPU（A10 等） 常 > ¥1.5k/月 非 macOS、数据出境与按量账单
租赁 Mac Mini M4 月租 opex，试跑可短租 需信任服务商物理隔离与退租擦除

Q：只有 API、不需要本地模型？ 16GB 租赁节点足够，OpenClaw 走 Claude/OpenAI 即可，Ollama 可暂不装。

Q：和 Hermes 怎么选？ Hermes 偏 Skill 进化；本组合偏渠道与桌面。

8. 总结：框架装得很快，价值在「永不下线的 macOS」

OpenClaw 与 OpenHuman 的安装脚本都能在几十分钟内跑通；真正决定体验的是Neural Engine 是否持续可用、LaunchAgent 是否在断 SSH 后仍存活、记忆与配置能否可迁移备份。笔记本与低配 Linux VPS 往往在「通道假在线」「本地模型 OOM」「GUI 无法原生运行」三处同时失手。

若你已选定本地优先 + 消息或桌面双轨 Agent，下一步应把网关与工作区落在常在线 Apple Silicon 节点，并用 SFTP/rsync 做配置与模型缓存的可回滚同步。SFTPMAC 远程 Mac Mini M4 租赁提供独占物理机、launchd 基线与多区域节点：比自购更快上手，比云 GPU 更贴近 macOS 原生工具链，也比家用宽带更适合 Telegram/WhatsApp 回调与 7×24 本地 Agent——让你把精力放在模型与 Skill，而不是半夜重启网关。