无意间发现了一个巨牛的人工智能教程，忍不住分享一下给大家。很通俗易懂，重点是还非常风趣幽默，像看小说一样。网址是captainbed.cn/jj。希望更多人能加入到我们AI领域。
我滴钱包在滴血！
兄弟们，我真的顶不住了！上个月光Claude的API账单就干了480块，这还不算GPT-4那些零零碎碎的调用。每次看那个扣费通知，心都在滴血啊！就在上周，我同事老王神秘兮兮的跟我说："别当冤大头了，搞个龙虾（OpenClaw）连上Gemma 4，本地跑Agent不香吗？"
我一开始还不信。本地跑大模型？那不是卡成PPT吗？结果老王把他的Mac Studio借我试了十分钟，我直接好家伙！这流畅度，这响应速度，跟云端差不了多少啊！最骚的是，真的不花钱。零刀！zero！
然后我就在网上扒拉资料，发现谷歌官方居然下场了！4月10号刚出的教程，手把手教你三步连上。我跟着搞了一遍，真的就三步，十五分钟搞定。今天我就把这套"白嫖秘籍"全盘托出，保准你砍完就能上手！
Gemma 4是啥？谷歌终于开窍了！
说实话，以前我对谷歌的Gemma系列没啥感觉。Gemma 3出来的时候我也试过，怎么说呢...有点鸡肋？但是这次Gemma 4（2025年4月发布），谷歌是真的支棱起来了！
首先这个Apache 2.0许可证，绝对的真·开源。不像某些模型（对，我就是在说Llama），用着用着就怕律师函。Gemma 4你可以随便商用，随便改，随便分发，谷歌不会过来找你要钱。这就很舒坦，对吧？
而且这次版本特别多，从1B到31B都有。最重要的是那个26B A4B版本，这是个MoE架构（混合专家模型），平时只激活4B参数，但是效果能跟13B的模型干一架！关键是显存占用只有20GB左右，我的RTX 4090居然能跑起来，这谁顶得祝啊？
还有原生多模态，能看图、能听声音、能输出文本。我试了一下让它分析我手机拍的代码截图，识别准确率99%，连注释里的错别字都能揪出来，就离谱！
龙虾（OpenClaw）又是啥？
可能有些小伙伴还不知道"龙虾"是啥。其实就是OpenClaw，谐音梗，圈内人都这么叫。这玩意儿在GitHub上已经狂揽25万+星标，是目前最火的开源AI Agent框架。
说白了，它就是个"AI打工人"调度中心。你可以给它装各种技能（skills），比如查邮件、改代码、搜网页、操作数据库...然后Gemma 4当大脑，指挥这些技能干活。而且完全本地运行，你的数据不会跑到别人的服务器上，隐私这块拿捏得死死的。
我之前用Claude Code的时候，总担心代码泄露。现在好了，全崽本地跑，公司机密文件随便丢给它分析，完全不慌。
重头戏：三步连上，有手就行！
好，进入正题。谷歌官方出的这个教程，真的简当到离谱。我这种半吊子水平都能一遍成，你肯定没问题。
第一步：装Ollama
这个不用我多说了吧？本地跑模型的神器。去ollama.com下载，支持Windows、Mac、Linux。安装包就几十MB，一分钟搞定。
装完之后记得检查一下版本，尽量用最新的0.9.x版本，对Gemma 4的支持更好。怎么检查？终端输入：
ollama --version
看到版本号就OK了。如果提示command not found，那可能是环境变量没配好，重启一下电脑试试。
第二步：拉取Gemma 4模型
这里要根据你的硬件情况选对版本，别瞎搞！官方推荐的是26B A4B，但是你的电脑不一定带得动。我给大家列个清单：
- E2B版本（1.5B参数）：8GB内存就能跑，适合轻薄本。效果嘛...勉强能用，写个邮件啥的可以，复杂代码就算了。
- E4B版本（4B参数）：8-12GB显存，普通游戏本能跑。这个性价比最高，日常开发够用。
- 26B A4B版本（26B总参数，4B激活）：16GB+显存，RTX 4080/4090或者Mac Studio M2 Max以上。效果炸裂，强烈推荐！
- 31B Dense版本：24GB+显存，富哥专属，效果跟GPT-4o差不多。
我选的是26B A4B，命令很简单：
ollama pull gemma4:26b
等等就好了，模型大概20GB左右，网速快的话半小时下完。下载的时候可以去做点别的，别盯着进度条看，会焦虑的...
第三步：配置OpenClaw连上Ollama
这一步最关键！也是最容易踩坑的地方。很多人（包括我一开始）都搞错了API地址，结果连不上。
首先确保Ollama在运行，终端输入：
ollama serve
看到"Listening on 127.0.0.1:11434"就对了。然后配置OpenClaw，编辑~/.openclaw/openclaw.json这个文件。如果你找不到这个文件，先运行一次openclaw onboard生成配置。
重点来了！配置要这么写：
{
"agents": {
"defaults": {
"model": "ollama/gemma4:26b"
}
},
"models": {
"providers": {
"ollama": {
"baseUrl": "http://localhost:11434"
}
}
}
}
注意那个baseUrl，千万别加/v1！OpenClaw要用Ollama的原生API，不是OpenAI兼容模式。加了/v1的话，工具调用会失效，模型会输出一堆JSON原文，看着就头疼。
保存配置，重启OpenClaw，然后测试一下：
openclaw ask "你好，请介绍一下自己"
如果看到Gemma 4回复你了，恭喜你，搞定了！就是这么简单，真的三步。
避坑指南：我踩过的雷
虽然步骤简单，但我还是得唠叨几句，这些都是血泪教训。 第一，量化版本要选对。 如果你的显存不够，可以用Q4_K_M量化的版本，虽然智商稍微降一点点，但是能跑得起来比什么都强。命令改成ollama pull gemma4:26b-q4。 第二，上下文长度别设太长。 Gemma 4支持128K上下文，但是你本地跑的话，建议先设个8K试试。太长了真的会卡，尤其是生成到后面的时候，速度明显变慢。等确认流畅了再往高调。 第三，工具调用格式。 有时候Gemma 4会输出奇怪的工具调用格式，特别是复杂任务。这时候你要在system prompt里加一句："请严格按照JSON格式输出工具调用"，会稳定很多。亲测有效！ 第四，内存泄漏问题。 长时间运行之后，Ollama可能会吃满内存。这时候别慌，重启一下Ollama服务就好了。我一般是写个脚本，每隔4小时自动重启一次，省心。
效果实测：到底能不能打？
我知道你们最关心这个。花这么大劲搭起来，效果不如云端的话，那不是白忙活？
直接说结论：日常开发任务，26B A4B版本能替代Claude 3.5 Sonnet，复杂推理还是略逊于GPT-4o。
我做了几个测试： 代码生成：让它写个Python爬虫，抓取知乎热榜。代码一次跑通，逻辑也没毛病。但是变量命名有点迷，用了拼音...这点不如Claude讲究。 代码审查：把我之前写的屎山代码丢给它，居然找出了3个潜在bug，还有一个内存泄漏点！这眼光，比我组长还毒辣。 多文件编辑：OpenClaw有个厉害的功能，可以一次改多个文件。我让它重构一个项目，把所有的var改成const，顺便优化一下异步处理。10个文件，5分钟搞定，一个都没漏。 工具调用准确率：这个真的惊艳到我了。官方数据显示26B在τ2-bench上得分85.5%，实际用起来确实稳。查日历、发邮件、搜网页，基本不会出错。偶尔有一次把"明天下午三点"理解错了，但总体可用性很高。
速度方面，我的RTX 4090，生成速度大概25token/秒。日常对话完全没问题，写长文的时候稍微等一下，可以接受。比云端慢是肯定的，但是不用花钱啊！这个性价比，还要啥自行车？
算笔账：到底能省多少钱？
我们来好好算一下。假设你是个重度用户，每天消耗100万token（大概相当于几百次API调用）：
- Claude 3.5 Sonnet：输入15/百万token。假设输入输出对半，一天大概270，折合人民币1950元。
- GPT-4o：更贵，一个月下来3000元起步。
- Gemma 4本地部署：0元！电费忽略不计，4090跑一天也就几度电，几块钱的事。
也就是说，一个月省2000块，一年省2万4。一台Mac Studio的钱都省出来了！难怪有人说本地部署三个月就能回本，这账怎么算都香啊。
而且还没有并发限制，没有速率限制，没有网络延迟。凌晨三点想用它，随时开机就能用，不用等API响应，这种感觉就很爽，你懂的。
写在最后：这波真的不亏！
说真的，我以前对本地模型挺不屑的。总觉得是极客玩具，折腾半天效果还差。但是Gemma 4+OpenClaw这套组合拳，真的让我改观了。
谷歌这次放出来的26B MoE版本，绝对是良心之作。Apache 2.0许可证意味着你可以随便商用，不用担心法律风险。OpenClaw的生态也越来越完善，各种技能插件层出不穷。
当然，它也不是万能的。如果你要做那种需要超强推理能力的任务，比如数学证明、复杂算法设计，可能还是得调用云端API。但是日常的开发辅助、文档处理、数据分析，本地Gemma 4完全够用！
我已经把家里的老电脑都翻出来，组了个"AI集群"，专门跑各种开源模型。这种感觉就像...嗯，像小时候集邮一样，只不过现在收集的是AI模型。每个模型都有自己的性格，有的擅长写代码，有的擅长聊天，很有意思。
好啦，教程就到这里。你学会了吗？有没有成功跑起来？或者说...在哪个步骤卡住了？评论区聊聊！ 如果这篇对你有帮助，点个赞、转个发，让更多兄弟告别token焦虑！咱们下期见，拜拜！
想要系统学习AI的朋友可以去看看那个人工智能教程captainbed.cn/jj
