当前位置：首页 > news >正文

教你用笔记本部署的大模型，30 分钟搭一个安全又灵活的私有 AI 助手

news 2026/7/29 20:37:14

有读者留言问了一个非常好的问题：

“能不能用飞书对接本地模型，不同问题用不同模型回答，数据完全不出本地？”

答案是：完全可以。今天就来拆解这套方案。

先说结论：三件套搞定

整套方案只需要三样东西：

Ollama：本地跑大模型，调用本地部署的轻量开源模型
OpenClaw（龙虾）：开源 AI 网关，负责把飞书和本地模型连起来
飞书：你的聊天入口，@机器人就能和本地模型对话

架构很简单：

飞书消息 → OpenClaw（本地网关） → Ollama（本地模型） → 返回飞书

全程走本地网络，没有任何数据发到云端。

为什么数据真的不出本地？

这是很多人最关心的问题，我拆开讲：

模型推理在本地

Ollama 跑在你自己的电脑或服务器上，所有的提问和回答都在本地 GPU/CPU 完成。不像 ChatGPT 或文心一言，你的数据不会经过任何第三方服务器。

飞书用 WebSocket 反向连接

OpenClaw 和飞书之间用的是 WebSocket 长连接，由 OpenClaw 主动连接飞书服务器。这意味着：

你不需要暴露公网 IP
不需要配置域名和 HTTPS
不需要在防火墙上开端口
飞书只传递消息文本，不碰你的文件和数据

文件处理也在本地

如果你在飞书发了图片或文件给机器人，OpenClaw 会从飞书临时 URL 下载到本地内存处理，处理完返回结果，不做额外存储。

配置和日志全在本地

所有配置文件、对话记录都存在本地文件系统，你可以随时备份、审计、删除，完全自主可控。

一句话：从你发消息到收到回复，数据只在「你的电脑 ↔ 飞书服务器」之间流转，模型推理完全在本地完成。

按需切换模型：三种方式

不同问题用不同模型，这是本地部署的一大优势。OpenClaw 支持三种切换方式：

方式一：聊天中直接切换（最常用）

在飞书对话框里发/model命令，就能查看和切换当前可用的模型：

/model # 查看当前模型 /model ollama/qwen3.5:9b # 切换到 Qwen 9B /model ollama/deepseek-coder:6.7b # 切换到代码模型

切换后立即生效，下一条消息就用新模型回答。

方式二：命令行全局切换

用 OpenClaw 命令行设置默认模型：

# 查看所有可用模型 openclaw models list # 设置默认模型 openclaw models set ollama/qwen3.5:9b # 切换到轻量模型（日常问答） openclaw models set ollama/qwen3.5:2b # 切换到代码模型 openclaw models set ollama/deepseek-coder:6.7b

方式三：多机器人绑定不同模型（团队推荐）

如果你是团队使用，可以在飞书建多个机器人，每个绑定不同的 Agent 和模型：

{ "agents":{ "list":[ {"id":"daily","model":"ollama/qwen3.5:2b"}, {"id":"coding","model":"ollama/deepseek-coder:6.7b"}, {"id":"analysis","model":"ollama/qwen3.5:9b"} ] }, "bindings":[ { "agentId":"daily", "match":{"channel":"feishu","peer":{"kind":"direct","id":"ou_轻量助手"}} }, { "agentId":"coding", "match":{"channel":"feishu","peer":{"kind":"direct","id":"ou_代码助手"}} } ] }

这样 @不同机器人，就自动用对应的模型回答：

「轻量助手」→ 2B 小模型，秒回，适合日常问答
「代码助手」→ DeepSeek Coder，专注代码生成和调试
「深度分析」→ 9B 大模型，适合长文本分析和复杂推理

什么场景用什么模型？

场景	推荐模型	显存需求	特点
日常问答、闲聊	Qwen3.5:2B	2-3GB	速度快，秒回
写作、总结、翻译	Qwen3.5:4B	3.5GB	中文理解强
代码生成、调试	DeepSeek-Coder:6.7B	5GB	代码补全准确
复杂分析、长文本	Qwen3.5:9B	6.5GB	推理能力强
看图、OCR	Qwen-VL	8GB+	多模态理解
通用均衡	GLM-4.7-Flash	5-6GB	综合表现好

小技巧：先用小模型回答，觉得不够好再用/model切到大模型重新问。小模型不花钱、不排队，随便用。

30 分钟部署全流程

第一步：确认 Ollama 已就绪（5 分钟）

如果你电脑装好了 Ollama，直接拉取几个模型，也可以根据需求拉取所需的：

# 通用对话 ollama pull qwen3.5:9b # 代码专用 ollama pull deepseek-coder:6.7b # 轻量快速 ollama pull qwen3.5:2b

第二步：安装 OpenClaw（5 分钟）

需要先安装 Node.js（v22 或更高）和Git，然后执行下面命令（需要科学上网，OpenClaw安装教程网上比较多，可以自己查找，不会可评论区留言）：

npm install -g openclaw@latest

运行初始化向导：

openclaw onboard

选择 Ollama 作为模型提供商，向导会自动检测本地 Ollama 实例并列出可用模型。

如果搞不定OpenClaw的网络或配置，其实也可以安装最近推出的国产龙虾，如阿里的CoPaw、腾讯的QClaw都是替代方案，也都能实现Ollama对接。

第三步：创建飞书机器人（10 分钟）

打开飞书开放平台，登录后创建企业自建应用（网上有很多教程可参考，不会可留言）
复制 App ID 和 App Secret
在「应用能力」中启用「机器人」
在「权限管理」中添加消息相关权限
在「事件订阅」中选择「使用长连接接收事件」，添加im.message.receive_v1
创建版本并发布

第四步：连接飞书和 OpenClaw（5 分钟）

openclaw channels add

选择 Feishu，粘贴 App ID 和 App Secret。

启动网关：

openclaw gateway start

第五步：测试（5 分钟）

在飞书找到你的机器人，发一条消息。首次会收到配对码，在终端执行：

openclaw pairing approve feishu <配对码>

再发一条消息，本地模型就会回答你了。试试/model切换不同模型感受一下差异。

OpenClaw响应慢的问题

不少人都遇到了直接调用Ollama模型很快，但是用OpenClaw调用返回就很慢，最核心原因就是上下文窗口与显存溢出，Ollama默认上下文窗口很小，KV缓存占用低，但是OpenClaw默认全开，直接用模型原生大窗口，组合的上下文大量提示词全部发给Ollama，KV缓存瞬间占满显存，模型被迫切内存+CPU跑，速度暴跌10-100倍。

在硬件条件不变的前提下，我的解决方式是在OpenClaw中配置缩小上下文窗口（修改contextWindow: 4096），关闭全量记忆，采用QMD，这样通过牺牲一部分OpenClaw记忆功能，换取更快的速度。