WPD

简体中文

English
Français

简体中文

English
Français

深浅模式

AI 环境配置总览 ​

更新: 2026/4/24 字数: 0 字 时长: 0 分钟

为什么要先理解环境栈 ​

在本地部署 AI 工具时，最容易混淆的一点是：不同工具解决的是不同层的问题。有的负责运行模型，有的负责提供图形界面，有的负责把模型变成真正可执行任务的 Agent。

如果先把“层次”理清，再选工具会轻松很多。

推荐把 AI 本地环境拆成 4 层来理解：

  • 模型运行层：负责把模型真正跑起来，例如 Ollama、LM Studio
  • 交互界面层：负责提供网页或桌面交互界面，例如 Open WebUI
  • Agent / 自动化层：负责把模型接到工具、文件、命令和消息渠道上，例如 OpenClaw、Hermes Agent
  • 模型与数据层：负责具体使用哪个模型、如何接入 API、是否使用本地知识库和 RAG

推荐的环境组合 ​

1. 最快的本地体验 ​

适合刚开始接触本地 AI，希望先把模型跑起来并在浏览器里对话。

推荐组合：

  • Ollama
  • Open WebUI

这套组合的优点是：

  • 安装路径成熟
  • 本地隐私友好
  • 对非开发者也比较友好
  • 适合快速验证模型效果

2. 图形界面优先 ​

适合更偏桌面应用体验，希望直接下载模型、切换参数、管理本地推理服务。

推荐组合：

  • LM Studio

它更偏向“本地模型桌面工作台”，上手门槛较低，适合只想专注在模型下载、测试和本地 API 暴露的场景。

3. 需要 Agent 和自动化能力 ​

适合希望 AI 不只是聊天，而是能执行命令、读写文件、接入消息渠道、长期运行、支持工作流和自动化。

推荐组合：

  • Ollama 或云模型
  • OpenClaw 或 Hermes Agent

其中：

  • OpenClaw 更偏“自托管 AI Gateway / 数字助理”
  • Hermes Agent 更偏“带学习能力和长期记忆的 AI Agent”

如果你想继续深入看具体工具，可以继续阅读：

核心工具说明 ​

Ollama ​

它解决什么问题 ​

Ollama 是本地大语言模型运行时，核心作用是把开源模型在本机或服务器上跑起来，并以统一命令行和 API 方式提供调用能力。

它适合：

  • 本地测试开源模型
  • 私有化部署
  • 给 Open WebUI、OpenClaw、Hermes 这类上层工具提供模型能力

安装方式 ​

bash
curl -fsSL https://ollama.com/install.sh | sh

常见命令 ​

bash
ollama serve
ollama pull qwen3
ollama list
ollama run qwen3

适合什么场景 ​

  • 希望自己掌控模型数据与运行环境
  • 不依赖云 API
  • 想给本地网页 UI 或 Agent 工具提供模型后端

Open WebUI ​

它解决什么问题 ​

Open WebUI 是一个自托管的 AI Web 界面。它可以连接 Ollama 和 OpenAI 兼容 API，让你在浏览器中完成聊天、文档问答、RAG、模型切换等操作。

如果说 Ollama 是“模型运行层”，那么 Open WebUI 更像“浏览器交互层”。

安装方式 ​

如果本机已经有 Ollama，官方常见启动方式是：

bash
docker run -d -p 3000:8080 \
  --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

如果希望把 Ollama 一并打包进同一个容器，也可以使用官方 :ollama 镜像。

它的优势 ​

  • 浏览器体验友好
  • 支持 Ollama 与 OpenAI 兼容接口
  • 可扩展 RAG、插件、管道和权限体系
  • 比纯命令行更适合日常问答和团队演示

适合什么场景 ​

  • 个人本地聊天工作台
  • 团队内部 AI 门户
  • 需要网页界面而不是纯命令行

LM Studio ​

它解决什么问题 ​

LM Studio 是本地模型桌面应用，强调图形化体验。它适合用来下载模型、管理模型、运行推理服务，并将本地模型以 API 形式暴露给其他工具调用。

安装方式 ​

官方提供的常见安装方式包括：

macOS / Linux ​

bash
curl -fsSL https://lmstudio.ai/install.sh | bash

Windows ​

powershell
irm https://lmstudio.ai/install.ps1 | iex

它的特点 ​

  • 图形化程度高
  • 本地模型管理更直观
  • 可以连接远程 LM Studio 实例
  • 提供 SDK 与本地 API，适合开发调试

适合什么场景 ​

  • 更偏桌面 GUI 的用户
  • 想快速切模型、调参数、观察推理状态
  • 想把本地模型作为 API 服务供其他工具调用

OpenClaw ​

它解决什么问题 ​

OpenClaw 是自托管的 AI Gateway / 数字助理，重点不在“跑模型”本身，而在把模型、聊天入口、浏览器能力、命令执行和工具调用统一起来。

更适合谁 ​

  • 想把 AI 接入微信、Telegram、Slack 等渠道
  • 想让 AI 具备文件、浏览器、命令执行能力
  • 想长期运行一个私有化 AI 助手

更完整内容请看：

Hermes Agent ​

它解决什么问题 ​

Hermes Agent 是 Nous Research 推出的开源 AI Agent，强调长期使用中的“学习、记忆、技能积累和多平台运行”。它不是单纯的聊天工具，而是一个会随着使用不断变强的 Agent 系统。

更适合谁 ​

  • 想要更强的长期记忆与技能沉淀
  • 想把 AI 作为持续运行的个人或团队 Agent
  • 想在 CLI、网关、聊天平台、远程主机之间灵活切换

更完整内容请看：

Codex ​

它解决什么问题 ​

Codex 是 OpenAI 的 coding agent，适合把“理解代码、改代码、执行测试、代码审查、云端并行任务”整合到同一套编码工作流里。

更适合谁 ​

  • 想在 Web、CLI、IDE、云端之间切换的人
  • 想把 AI 深度接入工程研发流程的人
  • 需要编码 Agent 而不只是补全的人

更完整内容请看：

Claude / Claude Code ​

它解决什么问题 ​

Claude 是通用型 AI 助手，而 Claude Code 是 Anthropic 面向终端开发工作流的 coding agent，适合读代码、改代码、跑命令、接 MCP。

更适合谁 ​

  • 想要高质量通用 AI 助手的人
  • 想在终端里使用 coding agent 的开发者
  • 想结合 MCP、工具链和本地开发环境的人

更完整内容请看：

如何做环境选择 ​

如果你只想尽快跑通本地模型 ​

优先考虑：

  • Ollama
  • Open WebUI

如果你更喜欢桌面图形界面 ​

优先考虑：

  • LM Studio

如果你需要真正的 Agent 自动化 ​

优先考虑：

  • OpenClaw
  • Hermes Agent

如果你同时在意隐私与扩展能力 ​

优先考虑：

  • Ollama 作为本地模型后端
  • Open WebUI 作为浏览器工作台
  • OpenClaw 或 Hermes Agent 作为自动化和多渠道入口

一条实用建议 ​

如果你还不确定从哪里开始，最稳妥的顺序是：

  1. 先用 Ollama 跑通本地模型
  2. 再用 Open WebUI 验证网页交互体验
  3. 最后根据需求选择 OpenClaw、Hermes Agent、Codex 或 Claude Code

这样可以先把“模型能不能跑”与“Agent 能不能工作”分开排查，整个环境会更清晰，也更容易维护。

本站访客数 人次 本站总访问量 次