OpenClaw + GLM 5.1 = 免费 AI Agent

news2026/4/27 2:00:08
OpenClaw GLM 5.1 免费 AI Agent在这篇指南里我会一步一步带你安装三个工具。把它们组合起来你就能在自己的电脑上跑一个免费的个人 AI 助手。不用订阅。不用月费。也就是完全免费。我们要安装的是下面三样东西Ollama一个可以让你直接在自己电脑上运行 AI 模型的程序。你可以把它理解成一个本地驱动人工智能的“引擎”。它支持 macOS、Windows 和 Linux。GLM-5.1来自智谱 AI的一个 AI 模型。它在 2026 年 4 月 7 日发布是目前世界上最好的开源模型之一。在 SWE-Bench Pro 这个编程基准测试上它拿到了 58.4 分超过了 GPT-5.4 和 Claude Opus 4.6。而且它在 MIT 许可证下完全免费。OpenClaw一个 AI Agent它可以把普通语言模型变成一个功能完整的助手。它能通过 WhatsApp、Telegram、Slack、Discord 发消息能搜索网页能处理文件能写代码还能自动化执行任务。通过 Ollama只要一条命令就可以启动 OpenClaw。系统要求开始安装之前先确认你的电脑满足这些要求。最低要求通过 Ollama Cloud 使用 cloud model任何现代电脑8 GB 内存5 GB 可用磁盘空间网络连接Node.js 22 或更高版本推荐配置用于本地模型16 GB 内存适合中等规模模型8 GB 以上显存的 GPU推荐 NVIDIA20 GB 以上可用磁盘空间如果你要完整本地运行 GLM-5.1需要服务器级硬件因为这个模型有 7440 亿参数但通过 Ollama 提供的 cloud 版本可以免费使用重要提示如果你没有强力 GPU也不用担心。GLM-5.1 可以通过 Ollama 作为 cloud model 使用也就是glm-5.1:cloud。这样它会运行得很快而你本地不需要额外硬件条件。1. 安装 Ollamahttps://ollama.com/Ollama 是整套系统的基础。我们先从它开始。打开官网按照页面说明安装 Ollama。你可以把命令粘贴到终端里执行也可以直接下载应用。到这里Ollama 就装好了。2. 选择 GLM 5.1 模型只要输入ollama程序就会启动然后选择 “Chat with a model” 这个选项。接下来选择你要用的模型我这里选的是 GLM 5.1。之后你就可以直接在终端里和它聊天向它提问让它写代码分析文本或者做别的事情。重要提示如果你要使用 cloud model你需要登录一个 Ollama 账号。如果你还没有账号第一次启动 cloud model 的时候Ollama 会提示你创建一个。这个是免费的。到这里你就已经通过云端版本连上 GLM 5.1 了。3. OpenClawhttps://ollama.com/接下来在同一个网站继续往下看就可以用那条命令安装 OpenClaw。如果你的电脑还没有安装它流程会继续执行。Ollama 会先检查你的电脑上有没有安装 OpenClaw如果没有它会通过 npm 下载并安装所以 Node.js 必须先装好屏幕会弹出一个安全提示说明 OpenClaw 将获得你电脑上工具的访问权限这里选择接受接着会出现一个模型选择界面你可以选自己想用的模型比如glm-5.1:cloud然后 OpenClaw 会在终端里启动你就可以直接开始聊天如果你想在启动之前先做配置比如选择模型、连接消息应用等等也可以先走配置流程。4. OpenClaw 控制面板Control UI启动 OpenClaw 之后你可以在浏览器里打开它的 Web 控制面板。在这个 Control UI 里你会看到下面这些内容Chat直接在浏览器里和 AI 助手聊天Overview查看 Agent 当前状态的总体信息Channels连接消息应用比如 WhatsApp、Telegram、Slack、Discord、iMessageInstances管理正在运行的实例Sessions查看会话和聊天历史Usage查看使用统计Cron Jobs设置自动化定时任务在控制面板顶部你还可以切换频道和模型。5. 连接自动网页搜索https://docs.ollama.com/integrations/openclaw#web-search-and-fetch接下来按照文档说明启用自动网页搜索。OpenClaw 可以在互联网上搜索信息。如果你使用的是通过 Ollama 提供的 cloud model网页搜索会自动启用。如果你使用本地模型就需要自己安装插件。6. 连接消息平台https://docs.ollama.com/integrations/openclaw#connect-messaging-apps现在你可以把消息应用接进来这样和你的 Agent 沟通会更方便。OpenClaw 最重要的能力之一就是你可以通过熟悉的消息应用和 AI Agent 对话。比如你在 Telegram 里发一条消息它就会返回 AI 的回复。频道配置可以在 Control UI 里完成也可以通过命令完成。打开 “Channels” 这个部分按提示连接你需要的消息应用。你可以用对应命令连接 WhatsApp、Telegram、Slack、Discord 或 iMessage。比如如果你要连接一个 Telegram 账号需要做下面几步打开 Telegram 机器人BotFather启动它创建一个新的 bot并设置名字和用户名bot 创建成功之后拿到它的 token接下来把这个 bot token 填进终端里就可以了。7. 配合 Claude Code 和 Codex 使用额外部分Ollama 还允许你启动其他 AI 开发工具。就像视频里演示的一样GLM-5.1 在 Ollama 页面上已经给出了现成的命令用 GLM-5.1 启动 Claude Code用 GLM-5.1 启动 Codex用 GLM-5.1 启动 OpenCode这意味着你可以通过不同的编程接口来调用 GLM-5.1 的能力。关于 GLM-5.1 模型下面是几个关键信息架构7440 亿参数Mixture-of-Experts每个 token 激活 400 亿参数上下文窗口200000 tokens许可证MIT可以自由使用发布时间2026 年 4 月 7 日基准测试结果GLM-5.1 最关键的特点是它可以连续自主工作最长 8 小时会自己调整策略也会自己寻找新的解题路径。其他模型在前几轮尝试之后可能就“没劲了”GLM-5.1 则会通过数百轮迭代持续改进结果。三条命令。零订阅。一个真正为你工作、而不是为别人服务器工作的 AI Agent。未来已经来了而且它是免费的。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2549715.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…