OpenClaw 实战：打造零成本的本地 AI 工厂

引言

#

在 AI 云服务动辄按 token 计费的今天，有没有可能搭建一个完全本地、零成本的 AI 工厂？

最近，我在 X 平台上发现了一个真实案例：用户 @paultaki 分享了他的 OpenClaw 部署架构：

“My OpenClaw runs 24/7 on a Mac Mini, dispatches work to a Mac Studio M3 Ultra (512GB) for local LLM inference and a RTX 4090 for image generation. All connected via Tailscale SSH. It generated 22 TikTok images in ~2 minutes, cost: $0.”

这段话揭示了一个关键趋势：本地 AI 工厂正在成为现实。

本文将深入解析这个架构，并提供完整的搭建指南。

一、架构设计

#

1.1 核心思路

#

传统 AI 工作流：

用户 → 云平台 API → 等待响应 → 付费

本地 AI 工厂：

触发器 → OpenClaw → 本地设备集群 → 即时响应 → 零成本

1.2 硬件架构

#

图：Mac Mini（控制中心）通过 Tailscale 加密网络调度 Mac Studio（LLM 推理）和 RTX 4090（图片生成）

1.3 设备分工

#

二、环境搭建

#

2.1 基础要求

#

控制中心（Mac Mini）：

• macOS 14.0+
• OpenClaw 最新稳定版
• 稳定的网络连接

推理节点（Mac Studio）：

• macOS 14.0+
• 512GB 统一内存（运行 70B+ 模型）
• 足够的 SSD 空间（模型文件）

GPU 节点（RTX 4090）：

• Linux/Windows
• NVIDIA 驱动 550+
• CUDA 12.1+
• 24GB VRAM

2.2 安装 OpenClaw

#

在控制中心执行：

# 安装 OpenClaw（以 npm 方式为例）
npm install -g openclaw

# 初始化工作区
openclaw init ~/openclaw-workspace

# 启动网关服务
openclaw gateway start

2.3 配置 Tailscale 组网

#

Tailscale 可以让你的设备像在同一个局域网一样通信，无需公网 IP。

在所有设备上安装 Tailscale：

# macOS
brew install tailscale
sudo tailscale up

# Linux
curl -fsSL https://tailscale.com/install.sh | sh
sudo tailscale up

记录各设备的 Tailscale IP：

tailscale ip
# 输出类似：100.x.y.z

2.4 配置 SSH 免密登录

#

在控制中心生成 SSH 密钥：

ssh-keygen -t ed25519 -C "openclaw@macmini"

将公钥复制到各节点：

ssh-copy-id user@100.x.y.z  # Mac Studio 的 Tailscale IP
ssh-copy-id user@100.a.b.c  # RTX 4090 的 Tailscale IP

三、OpenClaw 配置

#

3.1 创建工具配置文件

#

在工作区创建 TOOLS.md：

### SSH 节点配置

- mac-studio → 100.x.y.z, user: ai, 用途：LLM 推理
- gpu-node → 100.a.b.c, user: gpu, 用途：图片生成

### 本地模型

- LLM: Llama-3.1-70B-Instruct (via Ollama)
- 图片：Flux.1-dev, SDXL

3.2 创建推理工具脚本

#

LLM 推理脚本 (scripts/llm-infer.sh)：

#!/bin/bash
# 通过 SSH 调用 Mac Studio 的 Ollama 服务

PROMPT="$1"
MODEL="${2:-llama3.1:70b}"

ssh ai@100.x.y.z "ollama run $MODEL '$PROMPT'"

图片生成脚本 (scripts/generate-image.sh)：

#!/bin/bash
# 通过 SSH 调用 RTX 4090 的 Stable Diffusion

PROMPT="$1"
OUTPUT="${2:-output.png}"

ssh gpu@100.a.b.c << 'ENDSSH'
cd /opt/stable-diffusion
python generate.py --prompt "$PROMPT" --output /tmp/sd_output.png
ENDSSH

scp gpu@100.a.b.c:/tmp/sd_output.png "$OUTPUT"

3.3 配置 OpenClaw 技能

#

创建技能文件 skills/local-ai-factory/SKILL.md：

# 本地 AI 工厂技能

## 能力

- 文本生成：调用本地 LLM（Ollama）
- 图片生成：调用本地 Stable Diffusion
- 批量任务：并行调度多个请求

## 使用方式

生成图片：[提示词] 文本分析：[文本内容] 批量处理：[任务列表]

## 配置

- LLM 端点：ssh://ai@100.x.y.z:22
- GPU 端点：ssh://gpu@100.a.b.c:22
- 超时设置：300 秒

四、实战案例

#

4.1 批量生成 TikTok 封面图

#

场景： 需要在 2 分钟内生成 22 张 TikTok 视频封面图

传统方案：

• 使用 Midjourney 或 DALL-E 3
• 成本：约 $0.04/张 × 22 = $0.88
• 等待时间：每张约 30 秒，总计 11 分钟

本地 AI 工厂方案：

• 使用 RTX 4090 + Stable Diffusion
• 成本：$0（自有硬件）
• 等待时间：22 张 / 2 分钟（并行处理）

执行命令：

# 创建任务列表
cat > tasks.json << 'EOF'
[
  {"prompt": "AI agent workspace, modern desk, clean setup", "output": "cover_01.png"},
  {"prompt": "Local AI running on Mac, futuristic interface", "output": "cover_02.png"},
  ...
]