前言
AI时代来临，身边不少技术人员或者科技爱好者对 AI Agent 的理论能聊得头头是道，但真正动手在本地跑起来一个能操作电脑的 Agent 的，少之又少。原因无非是：模型选型踩坑、权限配置劝退、消息通道搞不定、工具调用格式对不上......
本系列文章将基于我的 iMac （M4 芯片 + 24GB 内存），用 Ollama + OpenClaw + 飞书快速搭建一个可用的本地 Agent。 本系列文章设计每篇聚焦一个难点，贴关键代码、与大家探讨一下原理、附实测数据，确保真实可复制验证，且知道为什么这样设计。
本文是系列第一篇，聚焦整体架构与技术选型。
一、为什么要做本地 Agent？
在深入架构之前，先明确需求：我想要一个随时可以通过聊天软件（飞书）向我的 iMac 发送指令，让它帮我操作应用、获取信息、执行自动化任务的AI工具。
云端方案虽然成熟，但有两个无法回避的问题：
-
数据隐私：所有屏幕截图、文件内容、应用状态都要经过第三方服务器。
-
成本与延迟：频繁调用 GPT-4 级别模型，月账单可能远超预期，且网络往返增加延迟。
本地 Agent 则将推理（LLM）+ 执行（操作系统交互） 全部放在自己的 iMac 上。M4 芯片的 24GB 统一内存根据网上的信息来看，流畅运行 7B 参数的量化模型，配合 Ollama 的 Metal 加速，首次推理延迟控制在 2~3 秒，缓存命中后亚秒级响应------完全具备实用价值。
二、全链路架构：在开始前，先了解一下大致的框架，五层职责清晰
┌─────────────────────────────────────────────────────────┐
│ 飞书客户端（自建ai助手应用支持用户输入自然语言指令） │
└─────────────────┬───────────────────────────────────────┘
│ HTTPS + 事件回调（加密）
┌─────────────────▼───────────────────────────────────────┐
│ Flask 接入层（端口 5000） │
│ - 验证签名、解密消息（AES） │
│ - 提取用户 open_id 和文本 │
│ - 异步处理（避免飞书 3 秒超时） │
└─────────────────┬───────────────────────────────────────┘
│ 调用 Agent（HTTP）
┌─────────────────▼───────────────────────────────────────┐
│ OpenClaw 核心（Agent 引擎） │
│ - 维护系统提示词（工具列表、角色约束） │
│ - 将用户消息 + 历史 + 工具 Schema 构造成 Chat 请求 │
│ - 解析模型返回的 tool_calls，路由到对应函数 │
└─────────────────┬───────────────────────────────────────┘
│ Ollama REST API（/api/chat）
┌─────────────────▼───────────────────────────────────────┐
│ Ollama 服务（本地推理引擎） │
│ - 加载量化模型（如 Qwen、Llama、kimi等） │
│ - 利用 Metal 加速推理 │
│ - 返回 JSON 格式的 tool_calls 或纯文本 │
└─────────────────┬───────────────────────────────────────┘
│ Python 系统调用 / subprocess
┌─────────────────▼───────────────────────────────────────┐
│ macOS 执行层（Accessibility API + AppleScript） │
│ - 模拟键盘鼠标、获取 UI 元素、控制应用 │
│ - 执行 shell 命令、读写文件 │
└─────────────────────────────────────────────────────────┘三、技术选型： Ollama + OpenClaw + 飞书？
参考文章：
四、iMac M4 芯片 + 24GB 内存的配置考量
本系列所有代码和实测均基于以下环境：
-
硬件：iMac M4，24GB 统一内存
-
系统：macOS Sequoia 15.x
-
模型：Ollama 0.13.x，qwen、llama等支持工具调用的大模型
五、实操截图
飞书创建群组，将创建的两个ai助手拉到群组中，助手们可互相通信。（虽然还有点搞不清楚状况。。）两个助手分别对接了不同的模型。对接相同模型的情况并没有测试，根据各类技术文章来看，貌似也可正常运行。
六、系列预告
下一篇计划探讨 OpenClaw 的工具注册机制，手写第一个 macOS 专属 Tool。
如果你正准备落地本地 Agent，欢迎在评论区留下你的评论。动手是最好的学习方式，我们一起填坑。