📌 背景：CPU算力利用，摆脱商用模型额度束缚
之前写过OpenClaw + Ollama（魔塔源）：OpenClaw使用国内可搭的无限量本地大模型，是在Linux下面配置ollama支持OpenClaw，有同学评论说想要windows的版本，就有了这个文章。
本文基于Windows 10/11系统，适配显存仅512M、仅能CPU运行的场景，手把手教你完成Ollama安装、qwen3.5:9b加载、局域网服务配置及OpenClaw对接，步骤简洁无坑，新手也能上手！
⚙️ 前期准备（显存512M、CPU运行专属）
系统：Windows 10/11（64位，建议升级最新系统补丁）
硬件：CPU（4核及以上，推荐8核+，提升推理速度），内存≥16GB（推荐32GB，CPU运行更吃内存），显存仅512M（无需核显/独显参与，完全依赖CPU），存储空间≥20GB（qwen3.5:9b模型约10GB）
网络：稳定网络（用于下载安装包和9b模型，体积小下载快）
权限：管理员权限（命令行、环境变量配置需用）
优化前提：关闭后台冗余程序，释放CPU资源，提升模型推理速度
📥 第一步：一键安装Ollama（Windows笔记本通用，无网络卡顿）
Windows下Ollama安装无需依赖第三方工具，官网直装1分钟搞定，适配CPU运行无兼容问题，无需依赖核显/独显（显存512M可正常使用）：
下载安装包：访问Ollama官网「ollama.com」，点击「Download for Windows」，下载`OllamaSetup.exe`安装包；
完成安装：点击「Install」，安装后系统托盘出现羊驼图标，说明Ollama服务已自动启动；
验证安装：管理员打开CMD/PowerShell，执行以下命令，显示版本号即安装成功（CPU运行无适配问题）：ollama --version
📦 第二步：加载qwen3.5:9b（CPU运行最优适配模型）
qwen3.5:9b体积小、对显存无高要求，无需核显/独显支持，完美适配CPU运行，即便显存仅512M也能正常加载，一键命令自动下载+加载，无需额外配置：
管理员打开CMD/PowerShell，执行专属加载命令：
ollama run qwen3.5:9b
首次运行自动下载模型文件（约10GB，比35b快3倍以上），下载完成后命令行显示`>>> Send a message`，表示模型可本地交互；
本地测试：直接输入问题（如「写一个简单的Python数据分析脚本」），模型实时返回结果，验证CPU运行正常。
小贴士：若想换其他轻量模型，可访问「ollama.com/search」挑选7b…
🌐 第三步：配置局域网服务，笔记本变AI服务器
默认Ollama仅本地（127.0.0.1）可访问，配置后支持同一局域网内的手机、平板、其他电脑调用，核心是设置系统环境变量+放行防火墙，适配笔记本便携使用场景：
3.1 核心：设置系统级环境变量（用户变量无效，必做）
右键「此电脑」→「属性」→「高级系统设置」→「环境变量」；
在系统变量栏点击「新建」，添加局域网访问配置： - 变量名：`OLLAMA_HOST` - 变量值：`0.0.0.0:11434`（固定默认端口，无需自定义，笔记本便携更易记）；
连续点击「确定」保存，所有窗口均需确认。
3.2 重启Ollama服务，让配置生效（Windows通用）
点击右下角ollama标志，然后quit ollama
3.3 放行防火墙，避免端口被拦截（笔记本必做）
打开「Windows Defender防火墙」→「高级设置」→「入站规则」→「新建规则」；
规则类型选「端口」→ 协议选「TCP」→ 特定本地端口填`11434`；
后续步骤全部选「允许连接」，命名规则（如「Ollama-11434」），完成放行。
🧪 第四步：测试局域网服务连通性（qwen3.5:9b专属）
配置完成后，用Python脚本测试跨设备访问，确保Windows电脑（CPU运行、显存512M）的Ollama服务正常：
新建`test_ollama.py`文件，复制以下代码（替换为你的电脑局域网IP，如192.168.3.10）；
import requests
import json
替换为你的电脑局域网IP
url = "http://192.168.3.10:11434/api/generate"
data = { "model": "qwen3.5:9b", # 固定为9b模型，适配CPU运行 "prompt": "写一首关于笔记本办公的小诗", "stream": True}
response = requests.post(url, json=data, stream=True)
for line in response.iter_lines():
if line:
res = json.loads(line)
if "response" in res:
print(res["response"], end="", flush=True)
if res.get("done"):
break
本地运行脚本：若实时打印出诗句，说明本地服务正常；
跨设备测试：在同一局域网的手机/另一台电脑运行该脚本，替换IP后能正常返回结果，即局域网服务配置成功。
🔗 第五步：对接OpenClaw，实现无token无限调用
将Windows电脑（CPU运行、显存512M）的qwen3.5:9b接入OpenClaw，仅需修改`openclaw.json`配置文件，全程无需改代码，适配无压力：
找到OpenClaw的配置文件`openclaw.json`，添加ollama节点配置（替换为你的电脑局域网IP）；
"ollama": {
"baseUrl": "http://127.0.0.1:11434",
"apiKey": "ollama-local", // Ollama无实际apiKey验证，任意填写
"api": "ollama",
"models": [
{
"id": "qwen3.5:9b", // 固定为9b模型，适配CPU运行
"name": "Qwen3.5 9B",
"reasoning": false,
"input": ["text", "image"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 100000, // 9b模型适配的上下文窗口
"maxTokens": 4096 // 9b模型最优输出token数
}
]
}
将OpenClaw默认模型设置为`ollama/qwen3.5:9b`，保存配置；
📊 真实资源占用（显存512M、CPU运行实测）
以qwen3.5:9b+8核CPU（32GB内存、显存512M，完全CPU运行）为例，通过「任务管理器」实测资源占用：
折腾了几个小时发现，只靠 CPU 跑这套方案完全不适合，不仅 CPU 占用率拉满，而且响应速度极慢，ollama还行，OpenClaw体验很差。还是得有显卡啊。
