在 Mac Mini 上部署本地大模型（LLM）时，新手往往会遇到两个拦路虎：一是原始模型对电脑内存的巨大消耗，二是复杂的代码环境配置。
别担心！OpenClaw 为你提供了极佳的图形化交互体验，而模型量化（Quantization）技术则是让它在普通家用电脑上“起飞”的秘密武器，能在几乎不损失 AI 智商的前提下，将模型体积压缩至原来的 1/4 甚至更小，大幅降低内存需求。
本文档是一份纯“保姆级”的操作指南。跟着步骤走，完全不需要编程基础，就能把你的 Mac 变成一台高效、绝对保护隐私的 AI 工作站！
🛠️ 第一步：安装 Ollama（本地 AI 引擎）
Ollama 是目前最简单、最高效的本地 AI 运行工具。你可以把它想象成一个“万能播放器”，专门用来加载和运行各种 AI 模型。
1. 打开 Mac 的 终端 (Terminal)（在“启动台”里搜索即可），复制并粘贴以下命令，然后按回车：
curl -fsSL https://ollama.com/install.sh | sh
(注：安装过程中如果提示输入密码，请输入你的 Mac 开机密码。输入时屏幕上不会显示字符，这是正常的，输完直接按回车即可。)
2. 验证是否成功： 安装完成后，在终端输入以下命令并回车：
ollama --version
如果屏幕上显示类似 ```ollama version is 0.18.2```（或更高版本），恭喜你，第一步大功告成！
🏗️ 第二步：获取量化模型
原始的 AI 模型体型巨大，我们需要根据你 Mac Mini 的内存大小，选择合适的“压缩版”（即 4-bit 量化版）模型。
📊 内存选型参考表（4-bit 压缩标准下）
Mac Mini 内存 | 建议部署的模型大小 (参数量) |
16 GB | 推荐 7B - 14B 级别的模型 |
32 GB | 推荐 15B - 35B 级别的模型 |
💡 实战演示： 本教程将以 32GB 内存的 Mac Mini 部署 Qwen3.5-35B 模型为例。
获取模型有两种方式，请任选其一：
选项 A：极简模式（推荐新手：直接下载现成模型）
最简单的方法是直接下载 AngelSlim 团队已经为你压缩打包好的 .gguf 模型文件。
1. 新建文件夹： 在终端中输入以下命令，在你的用户目录下创建一个名为 Models 的专用文件夹并进入该文件夹：
mkdir -p ~/Models && cd ~/Models
2. 下载文件：访问 魔搭社区 https://modelscope.cn/models/AngelSlim/Qwen3.5-35B-Q4_K_M/files，找到名为 Qwen3.5-35B-Q4_K_M.gguf 的文件（约 22GB）并下载。
3. 存放位置： 将下载好的 .gguf 文件直接拖入刚才创建的 Models 文件夹中。
选项 B：极客模式（适合进阶：手动压缩最新模型）
如果你在魔搭社区或者其他开源站点上有心仪的模型，可以通过以下步骤将模型手动压缩。我们同样以魔搭社区 上的Qwen3.5-35B模型为例
1. 准备环境并下载原模型： (一行一行复制运行)
# 安装环境/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"brew install cmake git python@3.11pip install modelscope# 下载原始未量化的庞大模型到 Models 文件夹mkdir -p ~/Models && cd ~/Modelsmodelscope download Qwen/Qwen3.5-35B-A3B --local_dir ~/Models/Qwen3.5-35B-Raw
未被量化的Qwen3.5-35B 模型会被下载到 ~/Models/Qwen3.5-35B-Raw 文件夹
2. 编译量化工具 (llama.cpp)：
cd ~/Modelsgit clone https://github.com/ggerganov/llama.cpp
如果git clone 命令较慢或出现网络问题，可使用国内镜像源加速下载：
git clone https://gitee.com/limoncc/llama.cpp.git
下载完成后对llama.cpp进行编译
cd llama.cpp cmake -B buildcmake --build build --config Release
3. 执行格式转换与 4-bit 终极压缩：
# 1. 安装依赖并转换格式pip install -r requirements.txtpython convert_hf_to_gguf.py ~/Models/Qwen3.5-35B-Raw --outfile ~/Models/qwen3.5-f16.gguf# 执行量化 (从 60GB 压缩至约 22GB)./build/bin/llama-quantize ~/Models/qwen3.5-f16.gguf ~/Models/qwen3.5-35B-Q4_K_M.gguf Q4_K_M
完成后，你可以把中间文件 qwen3.5-f16.gguf 和庞大的 Qwen3.5-35B-Raw 文件夹都删除以节省硬盘空间。
📑 第三步：在 Ollama 中“注册”模型
模型文件下载好了，现在我们要给 Ollama 写一份“说明书”，告诉它怎么运行这个模型。
1. 创建配置文件：
打开 Mac 自带的“文本编辑”应用，新建一个文档，转换为纯文本格式（在菜单栏点击“格式” -> “制作纯文本”），粘贴以下内容：
# 指向你刚才下载/生成的模型文件名（确保在这个文件同一目录下执行）FROM ./qwen3.5-35B-Q4_K_M.gguf# 上下文长度PARAMETER num_ctx 32768# Prompt 模版TEMPLATE {{ .Prompt }}RENDERER qwen3.5PARSER qwen3.5# 一些超参数PARAMETER top_p 0.95PARAMETER presence_penalty 1.5PARAMETER temperature 1PARAMETER top_k 20将这个文件保存到 ```Models``` 文件夹下，命名为 Modelfile（注意：不要有 .txt 后缀，如果系统自动加了，请右键重命名删掉后缀）。
2. 生成大模型：
在终端中确保你处于 ```Models``` 文件夹，然后运行注册命令：
cd ~/Modelsollama create myqwen -f Modelfile
看到屏幕最后显示 success 了吗？太棒了！你现在拥有了一个代号为 myqwen 的专属本地大模型。
🚀 第四步：启动 OpenClaw
接下来，我们就要开始部署Openclaw 了。 OpenClaw 是你的本地智能助手，负责连接模型并执行具体的电脑操作任务。
1. 启动 OpenClaw： 在终端输入以下命令
ollama launch openclaw
2. 连接模型： 在弹出的启动界面或设置菜单中，找到模型选择选项，选中咱们刚才创建的 myqwen。（如果是首次使用，按提示选择 Yes 同意安装）
3. 确认运行：看到 OpenClaw is running 字样，说明部署大功告成！
4. 图形化界面： 点击终端记录中生成的本地网络链接，即可进入网页管理界面，随时随地与它交互。
🧪 第五步：自动化能力测试（Agent Test）
在 OpenClaw 的对话框中，输入以下指令：
“帮我在桌面创建一个名为 hello.txt 的文件，内容写上：Hello OpenClaw, this is my local AI!”
如果Openclaw表示愿意创建，且Mac桌面上出现了这个 hello.txt 文件，说明OpenClaw部署成功。
⚠️ 权限提示： 如果 AI 抱歉地告诉你它无法操作，请进入 OpenClaw Settings 的 Tools -> Tool Profile，将权限等级设置为 Full（全权限），然后再试一次。
✅ 使用检查清单与温馨提示
💻 内存监控： 运行 35B 这样的大模型时，它会占用较多内存。建议在使用时关掉 Chrome 浏览器等“内存刺客”软件，体验会更流畅。
🔒 绝对隐私： 你可以大胆尝试断开 Mac 的 WiFi 网络，你会发现 OpenClaw 依然可以正常跟你对话、推理甚至写代码。你的数据 100% 留存在本地，再也不用担心隐私泄露。
⚡ 硬件加速： Ollama 已经默默为你开启了 Mac 的 Metal API 硬件加速，充分调用了 Apple Silicon 的 GPU 核心，感受飞一般的推理速度吧！
关于AngelSlim 团队
腾讯 AngelSlim 团队，致力于打造更易用、更全面和更高效的大语言模型压缩工具，将开源量化、投机采样、稀疏化和蒸馏等压缩算法，覆盖主流最前沿的大模型，并且端到端打通从压缩到部署的全流程。
