# 用 WorkBuddy + 本地 Ollama 搭建「双 AI 打工架构」：从 0 到 1 并实现防错自进化（含完整代码与踩坑实录）

> **关键词**：WorkBuddy、本地大模型、Ollama、OpenClaw、AI Agent、防错规则、自动化、省积分
>
> 本文是作者实打实踩坑 1 个月、调通后整理的教程，**所有代码均经过本地运行验证，可直接复制使用**。跟着做，你能把 90% 的重型 AI 任务留在本地跑，**云端积分消耗降到最低**。

---

## 📋 目录

一、为什么你需要「双 AI 架构」
二、架构总览
三、步骤一：让 OpenClaw 用上本地轻量模型
四、步骤二：搭一个 FastAPI 桥接服务
五、步骤三：PowerShell 一键检测脚本
六、踩坑实录（每一条都是真金白银换来的）
七、把防错规则固化成 AGENTS.md
八、实测收益数据
九、常见问题 FAQ
十、下一步与总结

---

## 一、为什么你需要「双 AI 架构」

很多人用 WorkBuddy 只当一个聊天窗口。但当任务一多——要同时调研三个方向、要跑本地模型、要定时自动化——**单窗口就不够用了，而且云端积分哗哗地掉**。

我踩了无数坑之后，沉淀出一套方案：**「WorkBuddy 主脑 + OpenClaw 打工 AI + 本地 Ollama」**

- **WorkBuddy**：负责统筹、拆解、交付、记忆（它的记忆系统和自动化任务极强）
- **OpenClaw**：跑在本地，调用 Ollama 的轻量模型，当「打工 AI」执行具体子任务
- **Ollama**：本地模型，保证隐私、零 API 费用、可离线

> 💡 **核心收益**：重型活儿全丢给本地模型后，我一个月下来云端积分几乎没怎么动——这本身就是一种「积分白嫖」。

📸 *截图建议：放一张你 WorkBuddy 的积分余额截图，对比前后消耗，说服力拉满。*

---

## 二、架构总览

```
┌─────────────┐      ┌──────────────┐      ┌─────────────┐
│  WorkBuddy  │ ───► │   OpenClaw   │ ───► │   Ollama    │
│  (主脑/统筹) │      │ (打工AI/桥接)│      │ qwen3.5:4b  │
└─────────────┘      └──────────────┘      └─────────────┘
       │                                          ▲
       │            FastAPI 桥接 (8282→11434)      │
       └──────────────────────────────────────────┘
```

**关键点**：OpenClaw 不直接连 Ollama，而是通过一个 **FastAPI 桥接服务** 转发，这样 WorkBuddy 也能用统一接口调本地模型。

---

## 三、步骤一：让 OpenClaw 用上本地轻量模型

编辑 OpenClaw 配置文件（Windows 一般在 `C:\Users\<用户名>\.openclaw\openclaw.json`），把默认模型改成本地 Ollama 的轻量模型：

```json
{
  "model": "qwen3.5:4b",
  "plugins": {
    "entries": {
      "memory-core": {
        "enabled": true,
        "config": {
          "dreaming": {
            "enabled": true,
            "frequency": "0 3 * * *",
            "timezone": "Asia/Shanghai"
          }
        }
      }
    }
  }
}
```

> **为什么用 4b 而不是 9b？** 上班时间会考虑显存占用，4b 推理快、不卡顿；下班后可切到 9b 追求质量。这条「分时段用模型」的策略能显著省云端积分。

修改后**重启 OpenClaw Gateway** 生效。

📸 *截图建议：OpenClaw 配置保存后，截一张模型已切换为 `qwen3.5:4b` 的状态图。*

---

## 四、步骤二：搭一个 FastAPI 桥接服务

新建 `app.py`，把 WorkBuddy / OpenClaw 的请求转发到 Ollama 的 OpenAI 兼容接口。

```python
# app.py —— FastAPI 桥接：本地 8282 端口 → Ollama 11434
from fastapi import FastAPI, Request
from fastapi.responses import JSONResponse
import httpx
import asyncio

app = FastAPI()
OLLAMA_URL = "http://localhost:11434/v1/chat/completions"  # ⚠️ 是 /v1/ 不是 /api/

@app.post("/chat/completions")
async def chat(req: Request):
    body = await req.json()
    model = body.get("model", "qwen3.5:4b")
    content = body.get("content", "")
    system = body.get("system", "你是一个高效的本地助手。")
    temperature = body.get("temperature", 0.01)
    top_p = body.get("top_p", 0.95)
    timeout = body.get("timeout", 120)

    # ⚠️ 关键：system 消息必须排在第一位，user 在后
    messages = [
        {"role": "system", "content": system},
        {"role": "user", "content": content},
    ]

    payload = {
        "model": model,
        "messages": messages,
        "temperature": temperature,
        "top_p": top_p,
    }

    try:
        async with httpx.AsyncClient(timeout=timeout) as client:
            r = await client.post(OLLAMA_URL, json=payload)
            r.raise_for_status()
            data = r.json()           # ⚠️ response.json() 只调用一次
            return JSONResponse(data)
    except Exception as e:
        return JSONResponse({"error": str(e)}, status_code=500)

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8282)
```

启动：

```bash
python app.py
```

测试：

```bash
curl -X POST http://localhost:8282/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.5:4b","content":"用一句话介绍你自己","system":"你是本地助手"}'
```

📸 *截图建议：终端运行测试命令后，截一张返回 JSON 结果的图，证明桥接跑通。*

---

## 五、步骤三：PowerShell 一键检测脚本

把经常要做的「连通性检测 + 模型切换」固化成脚本 `Scripts/openclaw-helper.ps1`：

```powershell
# openclaw-helper.ps1 —— OpenClaw Gateway 检测与切换
$Token = $env:OPENCLAW_TOKEN   # ⚠️ 凭据从环境变量读，绝不硬编码
if (-not $Token) {
    Write-Host "⚠️ 未设置 OPENCLAW_TOKEN 环境变量" -ForegroundColor Yellow
    exit 1
}

$Hostname = "localhost:18789"   # ⚠️ 用 $Hostname 而非 $Host（$Host 是 PS 保留变量）
try {
    $r = Invoke-WebRequest -Uri "http://$Hostname/health" -TimeoutSec 10 -ErrorAction Stop
    Write-Host "✅ Gateway 可达，状态: $($r.StatusCode)"
} catch {
    Write-Host "❌ Gateway 不可达: $_"
}
```

运行：

```powershell
$env:OPENCLAW_TOKEN = "你的token"
powershell -File Scripts/openclaw-helper.ps1
```

---

## 六、踩坑实录（每一条都是真金白银换来的）

| 坑 | 现象 | 根因 | 修复 |
|----|------|------|------|
| Ollama 接口 404 | 请求一直 404 | 用了 `/api/chat/completions` | 实际是 `/v1/chat/completions` |
| 模型回乱回 | 回复错乱或忽略指令 | `messages` 里 system 不在第一位 | system 必须排第一 |
| 凭据泄露风险 | Token 写死在源码 | 图省事硬编码 | 改读 `$env:OPENCLAW_TOKEN` |
| 脚本报错 | `Cannot overwrite variable Host` | `$Host` 是 PowerShell 保留变量 | 改用 `$Hostname` |
| 响应解析失败 | `response.json()` 第二次调用报错 | 流式响应只能读一次 | 结果存变量复用 |

> ⚠️ 这些坑我每个都踩过、改过、验证过。照着上面的代码抄，能省你至少一周调试时间。

---

## 七、把防错规则固化成 AGENTS.md

最值钱的一步：把上面这些踩坑经验写成项目指令文件 `AGENTS.md`，这样 Codex / Claude Code / 下一个 AI 接手时**自动遵守**，避免「换个 AI 又犯同样的错」：

```markdown
## 强制防错规则
1. Ollama OpenAI 兼容接口 = /v1/chat/completions，不是 /api/ 开头
2. messages 列表中 system 消息必须排第一
3. 所有 Token/密码从环境变量读取，禁止硬编码
4. PowerShell 不用 $Host/$Error/$Input 等保留变量名
5. response.json() 只调用一次，结果存变量复用
6. 所有 HTTP 请求必须带 timeout + try/except
```

📸 *截图建议：你的 `AGENTS.md` 文件内容截图，展示规则已固化。*

---

## 八、实测收益数据

| 指标 | 改造前 | 改造后 |
|------|--------|--------|
| 云端积分月消耗 | 高（重型任务全走云端） | 极低（本地消化） |
| 数据隐私 | 出本机 | **全程本地** |
| 离线可用性 | 依赖云端 | **断网也能跑** |
| 重复犯错 | 常踩同款坑 | AGENTS.md 防错拦截 |
| 经验沉淀 | 靠记忆 | 每周自动反思归档 |

---

## 九、常见问题 FAQ

**Q1：我没有显卡，能跑 Ollama 吗？**
A：可以。`qwen3.5:4b` 量化版对显存要求很低，CPU 也能跑（只是慢一点），优先保证能跑通流程。

**Q2：4b 模型太笨怎么办？**
A：下班时间把 `openclaw.json` 的 model 改成 `qwen3.5:9b` 或 `deepseek-r1:8b` 即可，配置写法不变。

**Q3：WorkBuddy 怎么调本地模型？**
A：通过本文的 FastAPI 桥接服务（8282 端口），WorkBuddy 用统一接口访问本地 Ollama，无需额外插件。

**Q4：AGENTS.md 对所有 AI 工具都生效吗？**
A：Codex / Claude Code / Cursor 等会读取工作区根目录的 `AGENTS.md` 或 `CLAUDE.md`，放对位置即自动生效。

---

## 十、下一步与总结

- 把 `AGENTS.md` 复制到任何新工作区，AI 自动继承防错规则
- 用 WorkBuddy 自动化做每日签到提醒、每周经验内化
- 尝试让 OpenClaw 通过 MCP 直接对接 WorkBuddy，实现完全自动化打工

**这套架构的本质**：不是堆技术，而是把「省钱、隐私、可进化」三个诉求一次性解决。希望帮你少走弯路。

> 如果本文帮到了你，欢迎**点赞 + 收藏 + 关注**，评论区聊聊你的本地 AI 搭建经验 🦞
>
> *本文所有代码均已在 Windows + Ollama + WorkBuddy 环境实测通过。*


关键词：WorkBuddy、本地大模型、Ollama、OpenClaw、AI Agent、防错规则、自动化、省积分

用 WorkBuddy + 本地 Ollama 搭建「双 AI 打工架构」：从 0 到 1 并实现防错自进化

核心主张:把重型 AI 任务留在本地跑,云端积分消耗降到最低——本质是"积分白嫖"。

架构方案:

WorkBuddy(主脑):统筹、拆解、交付、记忆
OpenClaw(打工 AI):跑本地轻量模型执行子任务
Ollama(qwen3.5:4b):本地模型,零费用、隐私、可离线
三者通过 FastAPI 桥接服务(8282→11434)打通
文章给出 3 个可复制步骤:

人工智能

开发工具

云计算

WorkBuddy+Ollama双AI架构实战教程，实现本地大模型自动化运行与云端积分节省。完整代码实现OpenClaw桥接FastAPI服务，PowerShell一键检测脚本，AGENTS.md防错规则固化。分享1个月踩坑实录与实测收益数据，附FAQ常见问题解答，助你快速搭建可自进化的本地AI打工体系。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用 WorkBuddy + 本地 Ollama 搭建「双 AI 打工架构」：从 0 到 1 并实现防错自进化-腾讯云开发者社区-腾讯云

用 WorkBuddy + 本地 Ollama 搭建「双 AI 打工架构」：从 0 到 1 并实现防错自进化

用 WorkBuddy + 本地 Ollama 搭建「双 AI 打工架构」：从 0 到 1 并实现防错自进化

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐