macmini

Останнім часом у технічному середовищі всі говорять про OpenClaw (громадське прізвисько “Равлик”), багато друзів запитують, яка різниця між ним, ChatGPT, Google AI, DeepSeek або Doubao. Підсумовуючи мій недавній досвід на Mac Mini M4, детально розповім про його позиціювання, пороги впровадження та переваги і недоліки двох основних ігрових механік. Коли я пройду рівень з равликом, напишу дуже детальну інструкцію, щоб поділитися з усіма, а ця стаття просто для того, щоб познайомити всіх з концепцією. Знайомі мені друзі знають, що Мо Го досліджує великі моделі, і в компанії веб2 також займається цим. Цього разу я вирішив використати свій Mac Mini M4, який просто стояв без діла. Перше: що таке "омар"? Яка різниця з ChatGPT/Google/DeepSeek? Простими словами, якщо порівняти AI з людиною: ChatGPT / Google Gemini / DeepSeek / Doubao: вони є мозком (великими моделями LLM). Їх основна функція — думати, генерувати текст або код. Вони живуть у вікні чату, ви питаєте, вони відповідають. Я нещодавно поділився, що можна отримати рік Google Gemini Pro за 10 гривень, це є пасивним способом. OpenClaw ("омар"): це руки та ноги (рамка AI агента). Сам по собі він не має інтелекту, це програма, що працює у фоновому режимі вашого комп'ютера. Основна різниця: ChatGPT може лише сказати, як зробити, а омар може допомогти вам зробити. Омар розуміє ваші команди, викликаючи API мозку, а потім керує браузером, клацає на веб-сторінках, читає локальні файли, контролює Твіттер, автоматично надсилає та отримує повідомлення в Telegram/Wechat. Він є цифровим працівником, який працює 24 години на добу. Друге: пристрої для розгортання: чому вибрати Mac Mini M4? Для розгортання омара потрібен комп'ютер, який може працювати довгий час. Mac Mini M4 є в даний час дуже ідеальним пристроєм, є три причини: Низьке споживання енергії (завжди в режимі роботи): омар потребує 24 години на добу працювати у фоновому режимі (наприклад, контролювати динаміку криптовалют або обробляти автоматичні відповіді), споживана потужність Mac Mini дуже низька, майже не витрачає електроенергію, тому дуже підходить для домашнього сервера. Екологічність: це Unix-система, підтримка Docker, Node.js та інших розробницьких середовищ є кращою, ніж у Windows, помилок менше. Тихий: працює без будь-якого шуму в кутку. Третє: детальний опис двох режимів розгортання: локальний vs API (основна увага: витрати та баланс інтелекту) Це місце, де новачки найчастіше потрапляють в пастку. Мозок омарів має два основні джерела: 1. Режим локальної моделі (Local LLM) Принцип: використання обчислювальної потужності NPU/GPU Mac Mini для запуску відкритих моделей (таких як Llama 3, DeepSeek-Distill тощо) як мозку омара. Витрати: абсолютно безкоштовно. Крім електроенергії, не потрібно платити жодних API витрат. Тестовий досвід (Mac Mini M4): не рекомендується як основний. Хоча чіп M4 дуже потужний, він обмежений пам'яттю (уніфікована пам'ять), зазвичай може плавно працювати лише з маленькими моделями з параметрами 7B або 8B. Я раніше використовував Mac Mini для розгортання великих моделей, через проблеми з конфігурацією я міг розгорнути лише моделі з відносно низькими параметрами, такими як 7B/8B, через що модель виглядала дуже дурно, 32B взагалі не запускалася, пам'ять заповнювалась і комп'ютер зависав. Недоліки: ці маленькі моделі часто неправильно розуміють, пропускають інформацію або створюють ілюзії при обробці складної логіки (наприклад, "проаналізуйте цю довгу статтю та підсумуйте три ключові вигоди"). Висновок: використання локальної маленької моделі для омара схоже на наймання дуже старанного, але не дуже розумного стажиста, дуже старанного, але неефективного. 2. Режим API (Cloud LLM) — настійно рекомендую Принцип: Mac Mini відповідає за виконання програми омара (руки та ноги), а під час мислення викликає найсильнішу модель в хмарі (таку як Google Gemini 3 Pro, GPT-4o, Claude 3.5) через мережу. Витрати: потрібно платити (але є хитрощі). Зазвичай оплата здійснюється за токенами (кількість слів), чим більше використовуєш, тим дорожче. Трюк для економії: на даний момент API Google Gemini має безкоштовний рівень (Free Tier), для особистих користувачів, які запускають омара, це майже безкоштовно і дуже швидко. Тестовий досвід: злітаємо. Логічні можливості великих моделей в хмарі значно перевищують локальні маленькі моделі. Омар став дуже розумним, може точно виконувати складні команди, писати код, аналізувати довгі документи. Чотири, підсумок і рекомендації Якщо у вас також є Mac Mini M4, не намагайтеся використовувати його для жорсткого навчання або інферування великих моделей, не вийде. (Цей я також купив раніше, щоб займатися майнінгом😄) Найрозумніший спосіб гри: Використовуйте Mac Mini M4 як стартовий майданчик. Використовуйте його низькоспоживчу характеристику, щоб працювати 24 години на добу з програмною платформою OpenClaw, а потім підключайте Google Gemini (висока вартість) або GPT-4/Claude (висока продуктивність) API. Таким чином, ви отримуєте контроль над приватністю даних (програма на локальному комп'ютері) та найвищий рівень інтелекту AI (мозок в хмарі), це найпрактичніша форма AI агентів сьогодні. Не знаю, чи зрозуміли ви це, це стаття-передмова, не є технічною, цього року я планую закінчити з омаром, чекайте на мій покроковий посібник.#OPENCLAW #MACMINI #DeepSeek #Gemini #大漠茶馆

Сегодня на Mac Mini M4 запустил "Лобстера" (OpenClaw AI Agent). На практике не рекомендую использовать M4 для локальных небольших моделей (логическое выводы могут быть ошибочными), такие как некоторые модели 7B, 8B; самая практичная архитектура: локальный Mac запускает агентскую структуру (действует как руки и ноги) + обращение к облачному API Gemini 3 Flash (действует как мозг).
Записываю конкретный процесс развертывания и точки, где могут возникнуть проблемы, для справки:
1. Завершить настройку базовой среды

git и docker уже готовы, не хватает только node
Mac поставляется с Git, но не хватает среды Node.js. Я просто скачал .pkg установщик v24.13.1 (LTS) с сайта и установил по умолчанию, автоматически настроив среду Node и npm.

Недавно в техническом кругу все обсуждают OpenClaw (сообщественный ник «Лобстер»), многие друзья спрашивают, в чем его отличие от ChatGPT, Google AI, DeepSeek или Doubao. На основе моего недавнего опыта с Mac Mini M4 я подробно расскажу о его позиционировании, барьере для развертывания и преимуществах и недостатках двух основных способов игры.
Как только я пройду Лобстера, я напишу очень подробное руководство, чтобы поделиться с вами, а пока считайте это вводной статьей, чтобы познакомиться с концепцией. Знакомые мне друзья знают, что Мо Гэ занимается исследованием больших моделей, он также работает в этой области в компании web2, и на этот раз я собираюсь использовать свой бесхозный Mac Mini M4.