为什么要替换心跳模型？

大多数人在使用 OpenClaw 时，会让云端 API 处理所有请求——包括保活心跳和重复性的低负载任务。这些请求虽然单次消耗不大，但 24/7 累积下来，token 用量相当可观。每月 20 美元的订阅费，很大一部分其实花在了这些"没有技术含量"的调用上。

本地部署一个轻量模型，专门处理这类任务，成本直接归零。

配置步骤

  1. 下载并安装 LM Studio
  2. 获取 Llama 3.2 2B 模型（体积小、推理快，16GB 内存完全够用，后台运行几乎无感知）
  3. 在 LM Studio 中加载模型并保持运行状态，确认模型 ID 一致
  4. 将 OpenClaw 中所有 Agent 的心跳模型切换为 Llama 3.2 2B

16GB 机器跑本地模型的三个优势

  • 零延迟：没有网络往返，响应即时
  • 无限 token：排序、格式化、状态更新等重复任务随便跑，全天免费
  • 数据隐私：业务逻辑完全留在本地，不经过第三方服务器

实操建议

选择 2B 参数量的模型做心跳任务，优先使用 MLX 格式以充分利用 Apple Silicon 的算力。把云端 API 的额度留给真正需要复杂推理的场景——这才是 token 该花的地方。

对于独立开发者来说，这种"轻量任务本地化、核心推理云端化"的混合架构，是控制运营成本的实用策略，值得在所有 Agent 工作流中推广。