Mac

为什么我突然想亲手部署一个AI工具？ 上个月账单弹出来时，我盯着屏幕愣了三秒：Notion AI $20、Copy.ai $39、Tome $24、Runway $45——合计 $128。不是付不起，是越付越憋屈。 比如上周五下午，我需要把一场跨部门会议的录音+共享文档+白板照片，合成一份带格式的纪要发给高管。Notion AI 能写，但导出 Word 后所有标题层级全乱；Copy.ai 生成得漂亮，可“保留原始数据表格”这个需求它直接忽略；Tome 做PPT行，但拒绝处理我本地的 Keynote 备注；Runway 能识图，却死活读不懂扫描件里手写的“待法务复核”批注……最后，我花了47分钟手动调格式、复制粘贴、截图标注——而客户说：“纪要下周二前发就行。” 真正让我半夜三点坐起来开终端的是那封邮件： “附件是17份扫描版合同（PDF），请今天下班前标出所有‘不可转让条款’及对应页码。” 我试了四款SaaS OCR工具： Notion AI：上传失败，“文件过大或格式不支持”； Adobe Acrobat Online：识别后文字堆成一团，连段落都分不清； Copy.ai 的“PDF解析”功能：只返回前两页，且把“第十二条”识别成“弟十二奈”； Runway 的文档理解：卡在“Processing…” 12分钟，最终超时。 最讽刺的是——我连原始文本都没抽出来。打开预览.app，Cmd+A → Cmd+C，粘贴出来是空的。PDF里根本没有可选文字。那一刻我盯着那个灰色的复制按钮，突然意识到：我不是在用AI工具，是在向黑盒递申请表。 “不是不想用SaaS，是它不让我碰底层——就像租豪车，却连油箱盖都打不开。” 我甚至不能告诉它：“用你自己的OCR引擎，别联网，就用我Mac里的Metal加速，哪怕慢一点，但求给我干净文本。” OpenClaw是什么？别被名字吓到，它真不是“给黑客准备的” 第一次在Hacker News看到“OpenClaw”这名字，我本能点叉——听着像挖矿木马，或是某次CTF比赛的遗留项目。直到看见GitHub README第一行写着： OpenClaw v0.4.2 — Your local, offline, macOS-native AI copilot. No API keys. No cloud. Just drag, drop, and think. 我下载了demo视频。画面里，作者把一份带手写签名的扫描PDF拖进Dock图标，3秒后弹出窗口：“已提取文本（含手写批注），是否生成结构化摘要？”——他点了“是”，接着输入：“对比第5条与第12条责任条款，用表格呈现差异”。表格立刻生成，连“甲方未明确履约时限”这种隐含风险都标红了。 我关掉视频，去终端敲： brew install openclaw # ❌ 报错：No available formula or cask with the name "openclaw" 才发现它压根没上Homebrew主仓——因为作者坚持“零依赖安装包”，所有模型、运行时、UI框架全打包进一个32MB的 .dmg。 ...

为什么我放弃纯云端方案，开始折腾Mac本地双模AI助理？ 某次出差坐高铁去杭州，信号断断续续，进隧道前我顺手问手机里的AI助手：“把刚才会议录音摘要成3点，发到邮箱”。屏幕顿住，三秒后弹出一行小字：API request failed: timeout (zhipu.ai)。接着是第二行、第三行……直到我盯着“正在加载…”的转圈图标整整217秒——窗外油菜花田飞速倒退，而我的待办事项还卡在云端某个负载过高的GPU节点上。 那一刻我突然笑出声：所谓“永远在线”，不过是把焦虑从本地迁移到了别人的机房里。 这不是孤例。过去半年，我用纯云端方案（智谱+通义+Claude API混搭）做个人知识助理，表面丝滑，实则暗礁密布： 延迟肉眼可见：平均端到端响应823ms（实测数据），写邮件草稿时每敲一个句号都要等半秒“思考”，像在和一位慢性子博士对话； 敏感信息不敢托付：客户合同条款、未发布的财报片段、甚至自家App的错误日志——全得手动脱敏再粘贴，效率归零； 模型切换=改代码+重启服务：昨天用Qwen写周报，今天想试试GLM-5？得改model_name、调参、重跑Flask服务，比换轮胎还麻烦； 账单静悄悄膨胀：上月¥237.64，细看才发现——光是PDF解析就吃了¥89，而其中73%的请求其实只提取了一页目录。 真正的转折点，发生在某个加班到凌晨的周四。我在GitHub刷到 openclaw 项目，README赫然写着：“Apple Silicon Native Support ✅”。心一热，brew install openclaw ——结果终端直接甩我一脸红字： Error: No available formula or cask with the name "openclaw" 哦，原来它压根不是Homebrew包……而是个Docker镜像。而我的第一行docker run命令，就在我M2 Pro上触发了OOM Killer。那一刻我才懂：所谓“一行命令部署”，不过是厂商给的温柔陷阱。 OpenClaw镜像本地部署：从“一行命令”到真能跑的血泪史 官方文档说“支持Mac”，但没说清楚：M-series芯片跑Linux容器，必须显式指定平台。默认拉取的是amd64镜像，启动即爆内存——因为Docker Desktop会强行用Rosetta模拟，而OpenClaw又吃GPU显存。踩坑三天后，我终于摸清正确姿势： # ❌ 错误：默认拉取，OOM docker run -p 8000:8000 ghcr.io/openclaw/server # ✅ 正确：强制arm64平台，且绑定Metal设备 docker run --platform=linux/arm64 \ --device=/dev/dri:/dev/dri \ -p 8000:8000 \ ghcr.io/openclaw/server 更狠的是镜像体积：原版32GB，包含qwen2-7b, phi-3-mini, llama3-8b三个完整权重包——而我日常只用GLM系列。于是写了prune.sh暴力瘦身： #!/bin/bash # prune.sh：删掉非必需模型（保留glm-5-9b-chat） docker exec -it openclaw-server sh -c " rm -rf /models/qwen2-7b /models/phi-3-mini /models/llama3-8b && echo '✅ 清理完成，释放12.4GB' " 实测后发现：--gpus=all在Mac上完全无效（Docker Desktop根本不识别）。真正起效的是--device=/dev/dri:/dev/dri——这会启用Apple Metal加速层。推理速度从1.8 tok/s飙到4.1 tok/s，提升2.3倍。 ...