桌面Agent 0成本使用教程！免配置客户端，5分钟能跑

桌面Agent（能读写本地文件、操控浏览器、跑多步任务的AI程序）今年是真的多。这篇不做产品安利，就解决一个工程问题：不花钱的前提下，把一套能日常干活的桌面Agent跑起来，顺便把三条路线的技术取舍讲清楚。

一、先算账：钱花在哪了

这类工具的成本分两层，别混：

软件本体：客户端/框架代码。大量项目开源（MIT/Apache 2.0），闭源客户端也普遍免费分发，这层成本≈0；
模型推理：Agent每次规划、每步执行都要调LLM。云端API按token计费——这才是持续成本；本地模型则把钱换成显存。

所以”零成本”的本质是两个问题：软件哪里来（开源/免费客户端），推理谁来付（厂商补贴/本地自扛）。组合出三条路线。

二、路线A：免配置客户端，5分钟能跑

适合不想碰配置的场景。厂商把客户端免费发、基础功能（文件整理/问答/定时任务）开放，重度用量走订阅。

代表：阶跃AI桌面版——内核是自研模型（面向工具调用优化，同源调优所以调用链比较稳），技能层100%兼容OpenClaw生态，社区5000+技能直接装，还兼容Claude Skill格式（自动读 ~/.claude/skills，如果你本地攒过Claude技能包，直接就能复用这点挺香）；IM远程通道齐（钉钉/飞书/微信/企微/QQ）。基础档长期能用，重任务吃订阅额度。同路线的还有TRAE Work（飞书生态，基础版2个云端任务并发）。

这条路线的取舍：上手成本最低，但模型不可换、能力上限锁在厂商给的档位里。

三、路线B：额度补贴，中量白嫖

厂商扛推理成本、按日发额度。QClaw（公测期官方日送大额Token，微信扫码直连，本地执行）、DuMate（日刷1000积分，三级授权做得细）、Kimi Work（免费档2个定时任务，WebBridge插件复用本机登录态——这个设计值得说一句：操作已登录系统不用对接API，省了大量鉴权工程）、AutoClaw（内置轻量模型档）、Tabbit（浏览器形态，标准版长期开放）。

取舍：白嫖力度真实，但补贴政策是变量，别重度绑定。选这条路优先挑支持自定义模型接入的（如QClaw支持Ollama）——政策收紧时能平滑迁移到路线C。

四、路线C：开源+本地模型，全链路零成本（本文重点）

软件开源、推理本地跑，数据不出机。手把手过一遍：

4.1 起本地推理端点

# 装Ollama后： ollama pull qwen2.5 # 按显存挑模型，8G显存建议7b量化版 ollama serve # 默认监听 http://localhost:11434

4.2 接入Agent

主流开源Agent的模型设置都走OpenAI兼容协议，三个字段：

base_url: http://localhost:11434/v1 api_key: ollama # 本地随意占位 model: qwen2.5

4.3 挑一个开源Agent本体

LobsterAI（网易有道，MIT）：开源阵营里少有的完整GUI，数据落本地SQLite，任务先进隔离沙箱试跑再落真实环境——新手从它入；
CoPaw/QwenPaw（阿里通义，Apache 2.0）：极轻量（启动内存约45MB），能挂进钉钉/飞书/QQ当常驻bot，长期记忆用向量+BM25混合检索，工程设计干净；
牛马AI：本地优先做到极致，物理断网可用，全格式文件解析（含音视频）建私有知识库；
AiPy：另一个技术流派——不模拟GUI操作，直接把自然语言转Python执行，”代码即代理”；
纯开发者向：Goose（Rust，70+MCP扩展，工程化最规整）、Hermes Agent（自改进架构，执行经验自动沉淀成技能，文件变更前自动快照可回滚——这两个设计都值得借鉴）、Windows-Use（走UI Automation接口不吃显卡，pip install windows-use）；
OpenClaw本体：以上一半产品的上游，自由度最高，Node环境+自配模型，折腾预算充足再上。