macmini

في الآونة الأخيرة، يتحدث الجميع في البيئة التقنية عن OpenClaw (الاسم الشائع "الرخويات")، ويدعو الكثير من الأصدقاء للاستفسار عن الفرق بينه وبين ChatGPT وGoogle AI وDeepSeek أو Doubao. ملخص تجربتي الأخيرة على Mac Mini M4، سأشرح بالتفصيل عن موضعه، وعوائق التنفيذ، ومزايا وعيوب آليتين رئيسيتين للعبة. عندما أتمكن من اجتياز المستوى مع الرخويات، سأكتب تعليمات مفصلة لمشاركتها مع الجميع، وهذه المقالة تهدف فقط لتعريف الجميع بالمفهوم. الأصدقاء المعروفون لي يعلمون أن مو غو يبحث في النماذج الكبيرة، وأن الشركة في الويب 2 تقوم بذلك أيضًا. في هذه المرة، قررت استخدام Mac Mini M4 الخاص بي، الذي كان مجرد جالس بلا فائدة.أولاً: ما هو "الروبيان"؟ ما الفرق بين ChatGPT/Google/DeepSeek؟بكلمات بسيطة، إذا قارننا الذكاء الاصطناعي بالإنسان:ChatGPT / Google Gemini / DeepSeek / Doubao: هم بمثابة الدماغ (نماذج LLM الكبيرة). وظيفتهم الرئيسية هي التفكير، وتوليد النصوص أو الشفرات. يعيشون في نافذة الدردشة، تسأل، يجيبون.مؤخراً، شاركت أنه يمكن الحصول على سنة واحدة من Google Gemini Pro مقابل 10 هريفنيا، وهذا يعتبر وسيلة سلبية. OpenClaw ("الروبيان"): هو الأيدي والأرجل (إطار وكيل الذكاء الاصطناعي). بحد ذاته، ليس لديه ذكاء، إنه برنامج يعمل في الخلفية على جهاز الكمبيوتر الخاص بك.الفرق الرئيسي:ChatGPT يمكنه فقط أن يخبرك كيف تفعل، بينما الروبيان يمكنه مساعدتك في القيام بذلك.الروبيان يفهم أوامرك، من خلال استدعاء واجهة برمجة التطبيقات الخاصة بالدماغ، ثم يتحكم في المتصفح، ينقر على صفحات الويب، يقرأ الملفات المحلية، يتحكم في تويتر، ويرسل ويستقبل الرسائل تلقائيًا في Telegram/Wechat. إنه عامل رقمي يعمل على مدار 24 ساعة في اليوم.ثانياً: الأجهزة اللازمة للنشر: لماذا تختار Mac Mini M4؟لتشغيل الروبيان، تحتاج إلى كمبيوتر يمكنه العمل لفترة طويلة. يعد Mac Mini M4 حالياً جهازًا مثاليًا للغاية، وهناك ثلاثة أسباب لذلك:استهلاك الطاقة المنخفض (دائمًا في وضع التشغيل): يحتاج الروبيان إلى العمل في الخلفية لمدة 24 ساعة في اليوم (على سبيل المثال، لمراقبة حركة العملات المشفرة أو معالجة الردود التلقائية)، واستهلاك الطاقة من Mac Mini منخفض جدًا، تقريبًا لا يستهلك الكهرباء، مما يجعله مناسبًا جدًا كخادم منزلي.الاستدامة: إنه نظام Unix، ودعم Docker وNode.js وغيرها من بيئات التطوير أفضل من Windows، مع أخطاء أقل.صامت: يعمل بدون أي ضجيج في الزاوية.ثالثًا: وصف تفصيلي لوضعين للتنفيذ: محلي مقابل API (التركيز الأساسي: التكاليف والتوازن الذكي)هنا هو المكان الذي يقع فيه المبتدئون في الغالب في الفخ. يحتوي دماغ الروبيان على مصدرين رئيسيين:1. وضع النموذج المحلي (Local LLM)المبدأ: استخدام قدرة الحوسبة NPU/GPU لـ Mac Mini لتشغيل النماذج المفتوحة (مثل Llama 3، DeepSeek-Distill، إلخ) كدماغ للروبيان.التكاليف: مجانية تمامًا. باستثناء الكهرباء، لا تحتاج إلى دفع أي تكاليف API.تجربة اختبار (Mac Mini M4): لا يُوصى به كخيار أساسي. على الرغم من أن شريحة M4 قوية جدًا، إلا أنها محدودة بالذاكرة (ذاكرة موحدة)، وعادة ما يمكنها العمل بسلاسة فقط مع نماذج صغيرة بخصائص 7B أو 8B.لقد استخدمت سابقًا Mac Mini لنشر نماذج كبيرة، وواجهت مشاكل في التكوين، مما جعلني أتمكن من نشر نماذج بخصائص منخفضة نسبيًا، مثل 7B/8B، مما جعل النموذج يبدو غبيًا جدًا، ولم يتم تشغيل 32B على الإطلاق، وامتلأت الذاكرة وتوقف الكمبيوتر.العيوب: هذه النماذج الصغيرة غالبًا ما تفهم بشكل خاطئ، وتفوت المعلومات، أو تخلق أوهامًا عند معالجة المنطق المعقد (على سبيل المثال، "قم بتحليل هذه المقالة الطويلة وملخص ثلاث فوائد رئيسية").الاستنتاج: استخدام نموذج محلي صغير للروبيان يشبه توظيف متدرب مجتهد جدًا، لكنه ليس ذكيًا جدًا، مجتهد جدًا، لكنه غير فعال.2. وضع API (Cloud LLM) - موصى به بشدةالمبدأ: يتولى Mac Mini تنفيذ برنامج الروبيان (الأيدي والأرجل)، وأثناء التفكير يستدعي أقوى نموذج في السحابة (مثل Google Gemini 3 Pro، GPT-4o، Claude 3.5) عبر الشبكة.التكاليف: تحتاج إلى الدفع (لكن هناك حيل).عادة ما يتم الدفع بناءً على الرموز (عدد الكلمات)، كلما زادت الاستخدام، زادت التكلفة.الحيلة للتوفير: في الوقت الحالي، يحتوي API Google Gemini على مستوى مجاني (Free Tier)، للمستخدمين الشخصيين الذين يقومون بتشغيل الروبيان، فهذا يكاد يكون مجانيًا وسريعًا جدًا.تجربة اختبار: نطير. القدرات المنطقية للنماذج الكبيرة في السحابة تفوق بكثير النماذج الصغيرة المحلية. أصبح الروبيان ذكيًا جدًا، يمكنه تنفيذ أوامر معقدة بدقة، وكتابة الشفرات، وتحليل المستندات الطويلة.أربعة، خلاصات وتوصياتإذا كان لديك أيضًا Mac Mini M4، فلا تحاول استخدامه للتدريب القاسي أو الاستنتاج للنماذج الكبيرة، فلن ينجح. (هذا ما اشتريته سابقًا لممارسة التعدين😄)أذكى طريقة للعب:استخدم Mac Mini M4 كنقطة انطلاق. استخدم خصائصه منخفضة الاستهلاك للعمل على مدار 24 ساعة مع منصة البرمجيات OpenClaw، ثم قم بتوصيل Google Gemini (تكلفة عالية) أو GPT-4/Claude (أداء عالٍ) API.وبذلك، تحصل على السيطرة على خصوصية البيانات (البرنامج على الكمبيوتر المحلي) وأعلى مستوى من ذكاء الذكاء الاصطناعي (الدماغ في السحابة)، وهذه هي الشكل الأكثر عملية لوكلاء الذكاء الاصطناعي اليوم.لا أعرف ما إذا كنت قد فهمت ذلك، هذه مقالة تمهيدية، ليست تقنية، أعتزم إنهاء العمل مع الروبيان هذا العام، انتظروا دليلي خطوة بخطوة.#OPENCLAW #MACMINI #DeepSeek #Gemini #大漠茶馆

اليوم على Mac Mini M4 قمت بتشغيل "OpenClaw (وكيل الذكاء الاصطناعي)". من خلال الاختبارات، لا أنصح باستخدام M4 لمواجهة النماذج المحلية الصغيرة (التفكير المنطقي قد يكون خاطئًا)، مثل بعض النماذج 7B و 8B؛ الهيكل الأكثر فائدة هو: تشغيل إطار الوكيل على Mac المحلي (كأطراف) + استدعاء واجهة برمجة التطبيقات Gemini 3 Flash السحابية (كدماغ).
سأقوم بتوثيق خطوات النشر الدقيقة ونقاط التحذير، للرجوع إليها:
1. إكمال البيئة الأساسية

لقد تم إعداد git وdocker، فقط ينقص node
يأتي Mac مزودًا بـ Git، لكنه يفتقر إلى بيئة Node.js. قمت بتنزيل حزمة التثبيت .pkg للإصدار v24.13.1 (LTS) من الموقع الرسمي، وقمت بالتثبيت الافتراضي، مما أدى إلى إعداد بيئة Node و npm تلقائيًا.

最近技术圈都在聊 OpenClaw（社区昵称“龙虾”），很多朋友问它和 ChatGPT、谷歌 AI、DeepSeek 或者豆包有什么区别。结合我最近在 Mac Mini M4 上的折腾经历，详细说一下它的定位、部署门槛以及两种核心玩法的利弊。
等我龙虾通关了，会写一篇非常详细的教程分享给大家，这篇大家就当做是普及一下概念吧，熟悉我得朋友们都知道漠哥是研究大模型的，在web2公司也是做这块的，这次我打算把我家里闲置的Mac Mini M4 用起来。