NVIDIA 发布指南：教你在 RTX 显卡与 DGX Spark 上免费跑 OpenClaw

OpenClaw（早期代号包括 Clawdbot 与 Moltbot）是一个常驻电脑本地的开源 AI 智能体，也是目前 GitHub 上增长最快的项目之一。它能直接连接你的本地文件、日历与应用，在后台持续帮你处理杂务，并记住你的操作习惯与对话历史。

它能做什么

和每次问答都要手动开启的普通聊天机器人不同，OpenClaw 的核心定位是「本地优先」且持续常驻的桌面 Agent。

你可以让它 24 小时挂在后台，随时整理本地邮件、按需检索私人文档，或者通过挂载各种技能插件来接管更多系统操作。过去如果把这种始终在线的智能体接到云端大模型上，光是背景轮询和长上下文消耗的 token 费用就极其昂贵，更不用说把私人文件全部传到云端的隐私隐患。把模型和逻辑全部搬回本地运行，核心就是为了省钱和数据安全。

怎么在 RTX 显卡上跑起来

NVIDIA 这次给出的官方配置方案，重点是把推理完全交给本地 GPU 来扛。系统环境支持原生 Windows，如果需要更贴近 Linux 的环境也可以选择 WSL。

底层推理后端可以任选 LM Studio、Ollama 或 vLLM。在模型选择上，消费级 GeForce RTX 显卡推荐加载 Qwen 3.6 27B 等尺寸的模型，通过显卡内的 Tensor Cores 和 CUDA 算力实现快速响应。

由于智能体执行复杂任务极度依赖上下文记忆，NVIDIA 建议在本地推理配置中至少将上下文长度设为 32K，在显存允许的情况下最好开启 64K 或更高。如果你使用的是自带 128GB 统一内存、专为常驻设计的 DGX Spark 系统，甚至可以直接借助 vLLM 部署针对该平台专门优化的 Qwen 3.6 35B，在处理超长工作流时提供更高的准确度。

后端服务跑起来之后，只需要在浏览器中打开 OpenClaw 的本地网关并填入访问令牌即可连通，界面里还支持通过指令直接无缝切换不同的本地模型。

为什么重要

对于手头拥有中高端 RTX 显卡或本地算力设备的用户来说，这份指南彻底打破了常驻智能体的门槛。你不再需要为每分钟都在后台思考的 Agent 支付无休止的 API 账单，所有个人档案也无需离机，这是目前最现实的私有化个人助理方案。

但便利的代价是安全责任完全落到了自己头上。OpenClaw 这类智能体能够读取系统文件并调用本地应用，一旦通过技能插件赋予其过高权限，就可能带来不可控的操作风险。我们建议普通玩家在试用时尽量只加载必要的扩展技能，不要一上来就将核心工作目录与敏感权限全盘托付。