当前位置：

社区首页

电脑数码

存储设备

网络存储

文章详情

天钡 Maco-6850H 24G Unraid 部署 OpenClaw 终极指南

🚀 天钡 Maco (6850H) Unraid 部署 OpenClaw 终极指南

—— 本地视觉 + 本地极速 + 云端最强脑 (Qwen3.5-Plus) 混合架构 ——

适用硬件：天钡 AOOSTAR Maco (Ryzen 7 6850H, 24GB 内存)
系统环境：Unraid 6.x+
核心优势：充分利用免费额度，实现“看图走本地、闲聊走本地、复杂代码/逻辑走云端”的智能路由，兼顾隐私、速度与智商。

📋 目录

阶段一：Unraid Docker 基础设置

目标：确保 Docker 引擎已启动并配置好存储。

登录 Unraid Web 界面。
点击顶部菜单 Settings (设置) -> Docker。
确认以下关键项：
- Enable Docker: Yes
- Default application data storage location: /mnt/user/appdata/
- Docker 虚拟硬盘大小: 建议 150 GB 或以上。
点击底部的 Apply (应用)。
- 若提示重启 Docker，确认即可。等待状态变为绿色 "Docker 可用"。

阶段二：部署 Ollama (本地大脑)

目标：安装 Ollama 容器，开启 AMD 核显直通，下载本地模型。

1. 创建容器

点击顶部菜单 Docker -> 右下角 Add Container。
填写基础信息：
- Name: ollama
- Repository: ollama/ollama
  (国内用户若下载慢，可替换为：docker.xuanyuan.run/ollama/ollama)
- Port Mapping:
  - Container Port: 11434 → Host Port: 11434

2. ⭐ 关键步骤：配置显卡直通 (AMD 680M)

必须完成此步，否则模型运行极慢！

点击 Add another Path, Port, Variable, Label or Device。
选择类型：Device。
- 第一行: Host path: /dev/kfd → Container path: /dev/kfd
再次点击添加，选择类型：Device。
- 第二行: Host path: /dev/dri → Container path: /dev/dri

3. 添加环境变量 (推荐)

点击添加，选择类型：Variable。
- Key: HIP_VISIBLE_DEVICES
- Value: 0
点击 Apply 启动容器，等待图标变绿。

4. 下载模型

在 Docker 列表中找到 ollama 容器，点击图标 -> Console (控制台)。
在黑色窗口中依次执行以下命令（耐心等待进度条）：

# 1. 下载 4B 文本模型 (日常对话/逻辑) ollama pull qwen3:4b # 2. 下载 4B 视觉模型 (看图/OCR) ollama pull qwen3-vl:4b

(注：若提示找不到模型，可尝试 qwen2.5:3b 和 qwen2.5-vl:3b 替代)

验证 GPU 加速：
输入 ollama run qwen3:4b "测试"，若看到 offloading ... to GPU 即成功。输入 /bye 退出。

阶段三：部署 OpenClaw (智能调度员)

目标：安装 OpenClaw 并注入“混合云路由”配置。

1. 创建容器

回到 Docker 页面 -> Add Container。
填写基础信息：
- Name: openclaw
- Repository: ghcr.io/1186258278/openclaw-zh:latest (中文社区版)
- Port Mapping:
  - Container Port: 18789 → Host Port: 18789

2. ⭐ 核心步骤：注入路由配置

点击 Add another... 选择 Variable，依次添加以下 5 个变量：

⚠️ 重要：请将第一个变量中的 sk-你的阿里云CodingKEY 替换为你真实的阿里云 DashScope API Key。

天钡 Maco-6850H 24G Unraid 部署 OpenClaw 终极指南

点击 Apply 启动容器。

阶段四：使用与验证

1. 访问界面

浏览器访问：http://你的UnraidIP:18789

2. 场景测试 (见证自动路由)

场景操作/输入预期行为调用模型 复杂代码 “写一个Python多线程爬虫，处理反爬并存入MySQL” 回答专业，代码严谨 ☁️ qwen3.5-plus (默认) 图片识别 上传截图 + “图里有什么文字？” 快速识别图片内容 🏠 qwen3-vl:4b (命中关键词) 日常闲聊 “早上好！今天心情不错” 秒回，不耗云端额度 🏠 qwen3:4b (命中关键词)

3. 手动切换

在聊天窗口上方找到 Model 下拉框，可手动强制指定使用某个模型。

💡 常见问题排查

Q: OpenClaw 报错 "Connection refused" 连不上 Ollama？
- A: 检查 OPENCLAW_PROVIDERS 中的 url 是否为 http://ollama:11434 (必须是容器名，不能用 localhost)。
Q: 本地模型回答极慢？
- A: 检查 Ollama 容器是否映射了 /dev/kfd 和 /dev/dri。未映射则仅用 CPU 运行。
Q: 云端模型报错 "Invalid API Key"？
- A: 检查 API Key 是否复制完整，有无多余空格；确认阿里云账号余额/额度充足。
Q: 找不到 qwen3:4b 模型？
- A: 在 Ollama 终端运行 ollama list 查看确切名称，并同步修改 OpenClaw 环境变量中的 model_name。

📘 OpenClaw 进阶使用教程

环境搭建只是第一步，OpenClaw 的真正威力在于智能体编排和自动化工作流。

1. 创建专属智能体 (Agents)

不要只用默认机器人，为不同任务创建专用 Agent：

入口：左侧菜单 🤖 智能体 -> Create New。
示例配置：
- 名称: 代码审计专家
- 模型: 强制选择 cloud-smart (qwen3.5-plus)
- 提示词: "你是一位资深安全专家，请审查以下代码的安全漏洞..."
- 用途: 专门用于代码审查，确保始终调用最强模型。

2. 构建自动化工作流 (Workflows)

将多个步骤串联，实现全自动任务：

入口：左侧菜单 ⚡ 工作流 -> Create New。
典型流程：
1. 触发器: 定时每天上午 9 点。
2. 节点 1 (搜索): 调用 web_search 工具获取最新科技新闻。
3. 节点 2 (总结): 调用 cloud-smart 模型总结新闻要点。
4. 节点 3 (推送): 通过飞书/钉钉 webhook 发送简报。
优势: 一次配置，每天自动运行，无需人工干预。

3. 连接即时通讯工具

将 OpenClaw 接入微信、飞书、钉钉：

入口：左侧菜单 🔌 集成/连接。
飞书/钉钉: 直接在后台创建机器人，获取 Webhook URL 填入 OpenClaw。
微信: 需配合 WeChatFerry 或 Gewechat 等开源协议项目，在 Docker 中部署后由 OpenClaw 接管消息。
效果: 在群里 @机器人，它会自动根据问题类型调用本地或云端模型回答。

4. 管理插件与工具 (Tools)

增强模型能力：

内置工具: web_search (联网搜索), code_interpreter (代码执行), file_reader (文件读取)。
配置: 在设置 -> 工具中启用所需工具。
场景: 问“今天纳斯达克指数多少？”，模型会自动调用 web_search 获取实时数据后再回答。

5. 监控与优化

日志查看: 在 Docker 页面点击 OpenClaw 容器 -> Logs，查看路由决策日志（如 Routing to: cloud-smart）。
成本监控: 定期登录阿里云控制台查看 Token 消耗，调整路由规则以优化成本。
性能调优: 若本地模型响应慢，尝试更小的量化版本（如 q4_0）；若云端响应慢，检查网络或切换区域。

🎉 恭喜！ 你现在拥有了一套世界级的个人 AI 自动化架构：