朱鹏飞's Blog

Appearance

OpenClaw 代理配置与本地模型探索 ​

日期 ​

2026-04-07

概述 ​

今天主要围绕网络代理配置展开，解决了 GitHub 访问速度慢的问题，配置了 Git 和系统代理；同时深入探讨了本地大模型（Ollama）的使用场景和 RAG（检索增强生成）架构。

GitHub 代理配置 ​

问题发现 ​

GitHub 访问速度慢，git clone 和 git push/pull 都受影响。

解决方案 ​

检查发现飞哥已经安装了代理工具，监听在 127.0.0.1:7890（Clash 或类似工具）。配置了两个层面的代理：

Git HTTP/HTTPS 代理：

bash
git config --global http.proxy http://127.0.0.1:7890
git config --global https.proxy http://127.0.0.1:7890

系统网络代理： 直接开启系统代理，让浏览器自动走代理。

代理工具推荐 ​

工具特点适合谁
Clash Verge免费开源、规则丰富、支持订阅、接管系统代理开发者首选
Sing-Box最新一代、协议支持最多、性能好技术玩家
Watt Toolkit（瓦特加速器）专门针对 GitHub/Steam/Google，傻瓜式小白友好

Watt Toolkit 是免费的，核心功能：

  • GitHub 加速 ✅ 免费
  • Steam 商店/社区/游戏加速 ✅ 免费
  • Google 搜索/AI 工具 ✅ 免费

验证方法 ​

配置完成后，git clone github.com 项目应该明显加速。如果还慢，可能是代理工具的节点不够好，可以在 Clash 里切换到更快的节点线路。

本地大模型配置（Ollama） ​

硬件配置 ​

飞哥的设备配置：

  • CPU: AMD Ryzen 7 7840HS（8核16线程）
  • 内存: ~30GB
  • 显卡: AMD Radeon 780M（集成，共享内存，约4GB显存）

最佳模型选择 ​

综合硬件条件，Qwen2.5-14B（Q4_K_M量化） 是最佳选择：

  • 用 Ollama 跑，内存足够
  • 中文能力最强开源模型之一
  • 量化后大概占用 8-10GB，可以跑动

备选方案：

  • 如果嫌慢 → 直接跑 Qwen2.5-7B（流畅）
  • 如果想试试更大 → DeepSeek-V3-7B-Q4（推理强）

OpenClaw 接入本地模型 ​

可以在 openclaw.json 里加配置，同时使用云端和本地：

json
"providers": {
  "ollama": {
    "runtime": "ollama",
    "apiBase": "http://localhost:11434",
    "model": "qwen2.5:14b"
  }
}

然后按场景切换：

  • /使用本地模型 → 切换到 Ollama
  • /使用云端 → 切回 MiniMax

云端 vs 本地模型策略 ​

本地模型优势：

  • 免费 — 不限次数，不花钱
  • 离线 — 没网也能用
  • 隐私 — 数据不传出去
  • 可控 — 想怎么改就怎么改

最佳分工：

快速问答 → 本地模型（秒回，不花钱）
写博客/技术方案 → MiniMax（效果好）
半夜跑 cron 任务 → 本地模型（API 额度省着用）
处理项目代码 → MiniMax（能力强）

RAG（检索增强生成）架构 ​

RAG 核心流程 ​

用户问题 → 检索相似内容 → 拼接进prompt → 大模型回答

典型应用场景（AI客服） ​

1. 准备知识库（一次性）

  • 收集产品文档、FAQ、常见问题
  • 用 Embedding 模型切成小段落
  • 存进向量数据库（Milvus、Pgvector、Chroma）

2. 用户提问时

  • 用户问："你们的退换货政策是什么？"
  • 系统先从知识库检索相关内容
  • 把检索结果 + 用户问题一起发给模型
  • 模型根据真实资料回答，不瞎编

结合本地模型的 RAG 方案 ​

用户问题 → 检索器 → ┌→ 本地模型（生成回答）
                  └→ MiniMax（复杂问题/质量要求高）
  • 简单问答 → 本地 7B 模型直接答（快、省钱）
  • 复杂问题 → 检索 + MiniMax（质量好）

总结 ​

今天主要完成了两件事：

  1. 代理配置 — GitHub 访问加速，配置了 Clash + Watt Toolkit 双方案
  2. 本地模型探索 — 确定 Qwen2.5-14B + Ollama 方案，并规划了云端/本地模型的分工策略

本地模型 + RAG 的组合非常适合 AI客服项目，简单问题本地直接答，复杂问题再走云端 API，成本和效果兼顾。

相关工具 ​

  • Clash Verge / Watt Toolkit
  • Git HTTP/HTTPS 代理
  • Ollama
  • Qwen2.5-14B
  • RAG
  • 向量数据库（Chroma/Milvus/Pgvector）
  • MiniMax API