搜索：
搜索到 9 篇与 的结果-
手把手教你搭建100%私密的Hermes Agent，从零到会话全流程 大家好，我是小泡，今天要和你聊聊如何在自己的电脑上搭建一个完全私密的Hermes Agent。这篇笔记会像咖啡馆里和老友聊天一样，一步步把晦涩的操作变成轻松的聊天内容，确保你看完就能动手。第一步：准备一个独立的设备我强烈建议不要把Hermes Agent装在你每天用来处理银行、密码等私密信息的主力电脑上。万一设置不当被黑客入侵，你的重要文件可能会被窃取。找一台闲置的旧笔记本、树莓派，甚至是一个便宜的VPS都可以。这样就能把风险隔离出来，安心使用。第二步：从GitHub获取安装命令打开浏览器，进入Hermes Agent的GitHub页面，复制那行安装命令。在你的独立设备上打开终端，直接粘贴并回车。脚本会自动检测你机器上缺少的库和依赖，然后一键安装。这个过程就像让一个小助手去超市帮你把缺货的食材都买齐。第三步：选择完整设置路径 安装结束后，你会看到两个选项：快速设置和完整设置。这里我们走完整设置，这样后面才能一步步把模型、工具和Telegram都接好。第四步：装上本地模型引擎——Olama 我们不想付费使用闭源模型，所以要把模型跑在自己机器上。Olama就是一个能够下载、管理本地AI模型的工具。同样在终端里运行Olama的安装命令，等它完成。安装好后，输入olama models浏览可选模型。这里我推荐Gemma系列，特别是E4B版本（大约9.6GB），在我的测试里它能够顺畅处理网页搜索和简单指令。如果你的设备显存较小，也可以先试试更小的E2B看看是否够用，不行再升级。记得把模型拉下来：olama pull gemma4:e4b。第五步：把Olama桥接到Hermes Agent 回到Hermes Agent的设置界面，它会让你填写API基础地址。这时候就填 Olama默认的地址：http://localhost:11434/v1。API Key可以留空，直接回车。接下来从模型列表中选择你刚才下载的Gemma 4 E4B，上下文长度可以保持自动检测。第六步：本地语音合成（可选） 如果你想让Agent说出声音，又不想依赖云端服务，可以选择本地的N-E-U-T-T-S引擎。安装时同意下载依赖（Y），终端后端保持默认local。第七步：调节Agent的细节参数 - 最大工具调用迭代次数：我选默认的60，足够应付深度研究或多步骤任务。 - 工具进度显示：选“all”，这样你能看到Agent在后台到底调用了哪些工具，便于以后优化。 - 上下文压缩：默认0.5，对于我们这类小模型可以保持 conversación 不至于因为长对话变笨。 - 会话重置模式：建议使用“每日重置”或“不活动重置”。比如设定每天凌晨4点自动清空记录，或者五小时没消息就自动复位，这样可以防止旧信息堆积导致误判。第八步：搭建本地网页搜索——Firecrawl（自托管版） 为了让Agent能够上网查资料，我们采用Firecrawl的自托管方案。这需要Docker的支持。 访问docker.com，下载并安装适合你系统的Docker Desktop，启动后确认服务正在运行。 打开新终端，复制我提供的一串启动命令（视频描述里有），确保Docker已经开启后执行。 命令会拉取Firecrawl镜像并以容器形式运行，你看到Docker面板里有个firecrawl容器在绿色运行状态就说明成功。 回到Hermes Agent的搜索提供者设置，选择“Firecrawl self‑hosted”，把默认URL（通常也是http://localhost:3000）填进去，API Key同上可以留空。 现在你的Agent已经具备了调用本地模型、读取本地文件、以及通过Firecrawl爬取网页信息的能力，一切都跑在你自己的设备上，真正实现了数据不出局。第九步：接入Telegram，随时随地聊天 回到Hermes Agent的通道配置，按空格键选中Telegram，然后回车。 打开Telegram，搜索@BotFather，发送 /newbot 按照提示给机器起名（比如HermesDemoBot），并确保用户名以bot结尾。\li>BotFather会返回一个令牌（Token），复制它。\li>回到终端，把刚才的Token粘贴到Hermes Agent的提示框，回车。\li>接下来需要填写你自己的Telegram用户ID，这样只有你自己能和Agent对话。怎么找ID？打开Telegram，搜索@RawDataBot，点击Start，它会直接返回你的数字ID。复制粘贴进去，并选择设为“home channel”（Y）。 完成后，选择把网关安装为启动服务（Y），并立即启动（Y）。这时候你的Hermes Agent就已经在后台默默运行了。第十步：试聊和微调 在终端里输入hermes回车，等待模型加载（第一次可能需要十几秒），然后和它打个招呼：“hi there”。你会看到它开始思考，并在屏幕上显示出它到底调用了哪些工具（因为我们 wcześniej 选了all进度显示）。如果一切正常，你还能在Telegram里找到你刚才建立的机器人，发送同样的话，也能收到回复。小结与建议 - 第一次使用时不要急着跑复杂任务，先从简单的提问开始，观察它会不会调用网页搜索或读取本地文件。 - 如果发现响应很慢，检查一下你的设备显存和CPU占用，必要的话换一个更轻的模型或增加一些虚拟内存。 - 定期（比如每周）回到Hermes Agent的设置里，根据实际使用感受调节迭代次数、压缩系数或重置时间。 - 想要彻底移除也很简单：hermes uninstall 按提示选择完全卸载，接着确认就能把所有痕迹清理干净。搭建一个私密的AI助手听起来像是个技术活，但只要按着上面的步骤一步步来，就像在家里做一道熟悉的菜——先准备食材，再慢慢炖煮，最后尝到自己独特的味道。希望这篇笔记能让你少走弯路，早点享受到专属于你的智能伙伴。如果你在实践过程中遇到任何问题，随时留言，我会尽力帮你解答。祝你玩得开心，下期见！ -
2026 年本地 AI 实战：基于官方指南的 Openclaw 与 Ollama gemma4 深度集成指南 2026 年本地 AI 实战：基于官方指南的 Openclaw 与 Ollama 深度集成指南 2026 年本地 AI 实战：基于官方指南的 Openclaw 与 Ollama 深度集成指南 在 2026 年的 AI 开发实践中，将本地大模型（LLM）与 Openclaw 智能体框架无缝集成，是实现隐私保护与高性能生产力的关键。本指南基于 Openclaw 官方文档，为您提供最权威的配置方案。 核心原则：为什么选择原生 API Openclaw 支持通过原生 Ollama API (/api/chat) 与本地模型交互。重要提示：请务必使用原生 URL（例如 http://127.0.0.1:11434），切勿在 URL 后添加 /v1。使用 /v1 会触发 OpenAI 兼容模式，这可能导致工具调用失效，甚至使模型将工具调用 JSON 误解析为纯文本。 第一步：环境安装与模型部署 安装 Ollama：访问 ollama.com/download 获取最新版本。 拉取模型：在终端执行以下命令拉取所需模型：ollama pull gemma4:e4b 验证运行：确保服务正常：ollama serve 第二步：Openclaw 配置方案 Openclaw 提供了两种配置方式，推荐优先使用“隐式发现”。 方案 A：隐式发现（推荐） 这是最简单的方式。只需设置 OLLAMA_API_KEY 环境变量，Openclaw 即可自动发现本地运行的 Ollama 模型。在 .env 或 shell 中添加：OLLAMA_API_KEY="ollama-local"配置完成后，Openclaw 会自动查询 http://127.0.0.1:11434/api/tags，无需手动维护模型列表。 方案 B：显式手动配置（高级） 如果您需要指定模型参数、自定义上下文窗口或连接远程 Ollama 实例，请在配置文件中显式定义： { "models": { "providers": { "ollama": { "baseUrl": "http://127.0.0.1:11434", "apiKey": "ollama-local", "api": "ollama", "models": [ { "id": "gemma4:e4b", "name": "Gemma 4 Edge", "contextWindow": 8192, "maxTokens": 8192 } ] } } } } 第三步：模型使用与管理 配置完成后，您可以使用以下命令管理模型： 查看可用模型：openclaw models list 设置默认模型：在代理配置中指定：{ "agents": { "defaults": { "model": { "primary": "ollama/gemma4:e4b" } } } } 常见问题排查 未检测到模型：请确保 OLLAMA_API_KEY 已设置，且没有在配置中显式定义 models.providers.ollama。 连接被拒绝：请检查 Ollama 是否在正确端口运行，并尝试使用 curl http://localhost:11434/api/tags 验证 API 可达性。 工具调用异常：请务必检查配置中的 baseUrl，确保没有包含 /v1 后缀。 本指南基于 Openclaw 官方文档 docs.openclaw.ai 编写。
-
OpenClaw 使用 Clawhub 中国镜像站：提升技能安装速度 OpenClaw 使用 Clawhub 中国镜像站：提升技能安装速度国内访问 Clawhub 官方源时，常遇到下载缓慢或连接不稳定的问题。使用中国官方镜像站（https://mirror-cn.clawhub.com/）作为注册中心，能显著提升技能安装效率。1. 配置环境变量通过设置 CLAWHUB_REGISTRY 环境变量，指定 Clawhub 技能下载的注册中心地址为中国镜像站。将以下代码添加到终端配置文件（如 ~/.bashrc 或 ~/.zshrc）中：export CLAWHUB_REGISTRY="https://mirror-cn.clawhub.com"保存后，运行以下命令使配置立即生效：source ~/.bashrc # 或 source ~/.zshrc2. 验证配置是否生效配置完成后，可通过以下步骤确认： 检查设置：输入 echo $CLAWHUB_REGISTRY，终端应显示 https://mirror-cn.clawhub.com。 搜索测试：运行 clawhub search "query"，观察响应速度。 安装测试：运行 clawhub install <skill-slug>，检查下载是否顺畅。 总结通过简单的环境变量配置，您可以绕过网络瓶颈。若未来需要切换回官方源，只需删除该环境变量或重置地址即可。
-
Futu API 接入 AI 与 OpenClaw 详细操作指南 Futu API 接入 AI 与 OpenClaw 详细操作指南借助 AI 编程工具，您可以利用自然语言快速完成 Futu API 的行情查询、交易下单及策略回测等任务。本教程将引导您完成 OpenD Skills 的安装与配置，让 AI 成为您的专属量化开发助手。一、 核心准备：获取 OpenD SkillsOpenD Skills 是一套基于标准构建的 Futu API 工具集，涵盖了从 OpenD 安装到行情交易的全流程。 下载技能包：访问 Futu OpenAPI 官方文档，点击右上角“下载”菜单，获取 opend-skills.zip 压缩包。 安装至 OpenClaw：将下载的 opend-skills.zip 解压，并将其中 skills 目录下的所有内容拷贝至 OpenClaw 的技能目录：cp -r opend-skills/skills/* ~/.openclaw/skills/ 二、 启动与配置 OpenD安装好技能包后，您需要配置 OpenD 运行环境。 启动安装助手：在 OpenClaw 对话界面中，直接调用安装技能：/install-opend 自动配置：该技能将自动检测您的操作系统，完成 OpenD 的下载、解压与启动，并同步更新 Python SDK 环境。 三、 验证安装状态安装完成后，请在对话框中输入 / 键，查看技能列表。确认列表中包含以下两个核心技能，即表示配置成功： futuapi：行情查询与交易助手。 install-opend：OpenD 环境安装助手。 四、 使用技巧配置完成后，您可以通过以下两种方式调用功能： 斜杠命令：直接输入 /futuapi 或 /install-opend 即可快速唤起对应工具。 自然语言交互：直接向 AI 提出需求，例如： “帮我查询腾讯当前的 K 线数据。” “在模拟账户中买入 100 股苹果公司股票。” “帮我检查 OpenD 是否正常运行。” 五、 重要注意事项 运行环境：使用 Skills 前，请确保 OpenD 已手动登录。 交易安全：默认交易指令执行于模拟环境（SIMULATE）。若需进行实盘交易，必须明确告知 AI“实盘”或“真实账户”，并配合二次确认及交易密码。 频率限制：请注意接口限频规则（如下单 15 次/30 秒），避免触发风控。 订阅管理：订阅存在额度限制（100～2000），建议定期释放不再需要的行情订阅。 如需更新技能包，仅需重新下载并覆盖原目录即可。
