macmini

Pēdējā laikā tehniskajā vidē visi runā par OpenClaw (sabiedrisko iesauku "Vēzis"), daudzi draugi jautā, kāda ir atšķirība starp to, ChatGPT, Google AI, DeepSeek vai Doubao. Apkopojot savu neseno pieredzi ar Mac Mini M4, detalizēti pastāstīšu par tā pozicionēšanu, ieviešanas sliekšņiem un divu galveno spēļu mehāniku priekšrocībām un trūkumiem. Kad es iziešu līmeni ar vēzi, uzrakstīšu ļoti detalizētu instrukciju, lai dalītos ar visiem, un šis raksts ir tikai, lai iepazīstinātu visus ar koncepciju. Man zināmi draugi zina, ka Mo Go pēta lielos modeļus, un uzņēmumā web2 arī nodarbojas ar to. Šoreiz es nolēmu izmantot savu Mac Mini M4, kas vienkārši stāvēja bezdarbībā. Pirmais: kas ir "vērša"? Kāda ir atšķirība ar ChatGPT/Google/DeepSeek? Vienkāršiem vārdiem sakot, salīdzinot AI ar cilvēku: ChatGPT / Google Gemini / DeepSeek / Doubao: tie ir prāts (lieli LLM modeļi). To galvenā funkcija ir domāt, ģenerēt tekstu vai kodu. Tie dzīvo čata logā, jūs jautājat, tie atbild. Es nesen dalījos, ka var iegūt gadu Google Gemini Pro par 10 grivnām, tas ir pasīvs veids. OpenClaw ("vērša"): tas ir rokas un kājas (AI aģenta struktūra). Pats par sevi tam nav intelekta, tas ir programma, kas darbojas jūsu datora fonā. Galvenā atšķirība: ChatGPT var tikai teikt, kā izdarīt, bet vērša var palīdzēt jums to izdarīt. Vērša saprot jūsu komandas, izsaucot prāta API, un pēc tam kontrolē pārlūkprogrammu, noklikšķina uz tīmekļa lapām, lasa vietējos failus, kontrolē Twitter, automātiski sūta un saņem ziņojumus Telegram/Wechat. Tas ir digitālais darbinieks, kurš strādā 24 stundas diennaktī. Otrais: ierīces izvietošanai: kāpēc izvēlēties Mac Mini M4? Lai izvietotu vērsi, nepieciešams dators, kas var strādāt ilgu laiku. Mac Mini M4 ir šobrīd ļoti ideāls ierīce, ir trīs iemesli: Zems enerģijas patēriņš (vienmēr darbībā): vērsi nepieciešams strādāt 24 stundas diennaktī fonā (piemēram, kontrolēt kriptovalūtu dinamiku vai apstrādāt automātiskas atbildes), Mac Mini patērētā jauda ir ļoti zema, gandrīz netērē elektrību, tāpēc ir ļoti piemērots mājas serverim. Ekoloģiskums: tā ir Unix sistēma, Docker, Node.js un citu izstrādes vidu atbalsts ir labāks nekā Windows, kļūdu ir mazāk. Kluss: strādā bez jebkāda trokšņa stūrī. Trešais: detalizēts divu izvietošanas režīmu apraksts: lokālais vs API (galvenā uzmanība: izmaksas un intelekta līdzsvars) Tas ir vieta, kur iesācēji visbiežāk iekrīt slazdā. Vērša prātam ir divi galvenie avoti: 1. Lokālā modeļa režīms (Local LLM) Princip: izmantot Mac Mini NPU/GPU aprēķinu jaudu, lai palaistu atvērtos modeļus (tādus kā Llama 3, DeepSeek-Distill utt.) kā vērša prātu. Izmaksas: absolūti bez maksas. Izņemot elektrību, nav nepieciešams maksāt nekādas API izmaksas. Testēšanas pieredze (Mac Mini M4): nav ieteicams kā galvenais. Lai gan M4 mikroshēma ir ļoti jaudīga, tā ir ierobežota ar atmiņu (vienotā atmiņa), parasti var gludi darboties tikai ar maziem modeļiem ar parametriem 7B vai 8B. Es iepriekš izmantoju Mac Mini, lai izvietotu lielus modeļus, konfigurācijas problēmu dēļ es varēju izvietot tikai modeļus ar salīdzinoši zemiem parametriem, piemēram, 7B/8B, kas padarīja modeli izskatīties ļoti muļķīgi, 32B vispār nesāka darboties, atmiņa piepildījās un dators iesaldējās. Trūkumi: šie mazie modeļi bieži nepareizi saprot, izlaiž informāciju vai rada ilūzijas, apstrādājot sarežģītu loģiku (piemēram, "analizējiet šo garo rakstu un kopsavilkumu trīs galvenās priekšrocības"). Secinājums: lokālās mazās modeļa izmantošana vērsa gadījumā ir līdzīga ļoti centīga, bet ne pārāk gudra praktikanta pieņemšanai darbā, ļoti centīga, bet neefektīva. 2. API režīms (Cloud LLM) — stingri ieteicams Princip: Mac Mini ir atbildīgs par vērša programmas izpildi (rokas un kājas), un domāšanas laikā izsauc spēcīgāko modeli mākoņos (tādu kā Google Gemini 3 Pro, GPT-4o, Claude 3.5) caur tīklu. Izmaksas: ir jāmaksā (bet ir triki). Parasti maksājumi notiek, pamatojoties uz žetoniem (vārdu skaits), jo vairāk izmanto, jo dārgāk. Triks, lai ietaupītu: šobrīd Google Gemini API ir bezmaksas līmenis (Free Tier), personīgajiem lietotājiem, kuri palaidīs vērsi, tas ir gandrīz bez maksas un ļoti ātri. Testēšanas pieredze: lidojam. Lielo modeļu loģiskās spējas mākoņos ievērojami pārsniedz lokālo mazo modeļu. Vēzis kļuva ļoti gudrs, var precīzi izpildīt sarežģītas komandas, rakstīt kodu, analizēt garus dokumentus. Četri, kopsavilkums un ieteikumi Ja jums arī ir Mac Mini M4, nemēģiniet to izmantot, lai veiktu stingru apmācību vai lielu modeļu inferenci, tas neizdosies. (Šo es arī iegādājos iepriekš, lai nodarbotos ar ieguvi😄) Visgudrākais spēles veids: Izmantojiet Mac Mini M4 kā starta platformu. Izmantojiet tā zemo enerģijas patēriņu, lai strādātu 24 stundas diennaktī ar OpenClaw programmatūras platformu, un pēc tam pieslēdziet Google Gemini (augstas izmaksas) vai GPT-4/Claude (augsta veiktspēja) API. Tādējādi jūs iegūstat kontroli pār datu privātumu (programma vietējā datorā) un visaugstāko AI intelekta līmeni (prāts mākoņos), tas ir praktiskākais AI aģentu veids šodien. Nezinu, vai esat to sapratuši, šis ir ievada raksts, nav tehnisks, šogad plānoju pabeigt ar vērsi, gaidiet manu soli pa solim ceļvedi.#OPENCLAW #MACMINI #DeepSeek #Gemini #大漠茶馆

Šodien Mac Mini M4 uzsāku "Lobster" (OpenClaw AI Agent). Praktiskajos testos neiesaku izmantot M4, lai cīnītos ar vietējiem maziem modeļiem (loģiskā secināšana var viegli kļūdīties), piemēram, dažiem 7B, 8B modeļiem; vispraktiskākā struktūra ir: vietējais Mac darbojas kā aģenta ietvars (darbojas kā rokas un kājas) + izsaucot mākoņa Gemini 3 Flash API (darbojas kā smadzenes).
Pierakstiet konkrējo izvietošanas procesu un problēmu punktus, lai būtu atsauce:
1. Aizpildiet pamata vidi

git un docker jau ir gatavi, tikai trūkst node
Mac ir iekļauts Git, bet trūkst Node.js vides. Tieši devos uz oficiālo vietni, lai lejupielādētu v24.13.1 (LTS) .pkg instalācijas pakotni, visu ceļu noklikšķināju uz noklusējuma instalēšanas, automātiski noregulējot Node un npm vidi.

Pēdējā laikā tehnoloģiju aprindās visi runā par OpenClaw (kopienas segvārds “krabis”), daudzi draugi jautā, kādas ir atšķirības starp to un ChatGPT, Google AI, DeepSeek vai Doubao. Apvienojot manu neseno pieredzi ar Mac Mini M4, detalizēti izskaidrošu tā pozicionējumu, izvietošanas slieksni un divu galveno spēļu priekšrocības un trūkumus.
Kad mans krabis būs izturējis pārbaudījumu, es uzrakstīšu ļoti detalizētu apmācību, ko dalīšu ar visiem, šo rakstu varat uzskatīt par konceptuālu ievadu, kā jau mani draugi zina, Mo brālis ir lielo modeļu pētnieks, arī web2 uzņēmumā strādā šajā jomā, šoreiz es plānoju izmantot savu Mac Mini M4, kas mājās stāv bezdarbībā.