很多人问我，明明有 Mac mini，为什么还要折腾云端大模型？为什么最后会选择 Gemini + Clawdbot 这条路？这篇文章就是完整复盘：从本地模型的幻觉，到 Gemini 的钥匙迷宫，再到最终可稳定运行的 gemini clawdbot 组合。1

最后更新时间：2026-02-03

如果你不想折腾 Clawdbot 的部署细节，直接用多模型平台即可：AIMI（chat.aimirror123.com）和 Write360（chat.write360.cn）都能快速上手并切换模型。

第一阶段：本地化的幻觉与破碎

一开始我也很笃定：有 M 芯片、有足够的存储，把 Llama/DeepSeek 跑起来就能完成“本地 AI 助理”的理想。现实很快给了三盆冷水。

  • 算力瓶颈：小模型能跑，但任务一复杂就慢得离谱，体验像在看慢动作回放。
  • 上下文受限：只要输入稍长，模型就开始胡言乱语或直接崩溃。
  • 维护黑洞：驱动、量化版本、依赖冲突反复出现，时间都消耗在维护上。1

这时候我意识到：本地模型很适合试验，但要跑“长期在线的 AI 助理”，还远没到可用阶段。

本地模型尝试
本地模型阶段：算力与维护成本远超预期。

第二阶段：转向 Gemini，却掉进 Key 的迷宫

在放弃本地路线后，我把目标转到 Gemini。原因很直观：上下文更大、性能更稳、开发者资源更成熟。于是我开始搭 gemini clawdbot。

但真正的问题不在模型本身，而在“接入与权限”。第二阶段最大的痛点是：Key、计费、权限、版本命名四个环节反复卡人。1

Gemini 接入流程
从本地转向 Gemini 后，接入流程变得更复杂。

坑一：真假“豪宅”

很多“看起来像官方”的入口并不稳定，甚至会把你导向重复注册或不明确的权限层级。选择入口之前，先搞清楚是不是官方或可控渠道，是避免踩坑的第一步。1

入口选择
入口不清晰，容易在验证与权限上反复卡住。

坑二：付费了，但没完全付

有些账号看似完成了订阅，但请求额度、权限等级或地域限制仍不符合预期。结果是：你“看起来付费了”，但实际可用性依然有限。1

计费与权限
计费、额度与权限经常是隐形门槛。

坑三：模型版本的“改名部”

Gemini 的版本和命名更新很快，同样的能力可能换名字，同样的名字又可能指向不同规格。对 gemini clawdbot 来说，最怕的是“参数没错、模型却不是你想要的那个”。1

模型版本
模型版本命名频繁变化，容易配置错。

第三阶段：终极方案（可复制）

真正稳定的 gemini clawdbot 组合，需要同时解决三件事：稳定入口、明确计费、可控模型版本。我的最终配置思路如下：

  1. 先定入口：选一个稳定、可重复登录的 Gemini 接入渠道。1
  2. 再定权限：确保请求额度与计费策略满足长期运行需要。1
  3. 最后定模型：在 Clawdbot 内显式固定模型版本，避免自动漂移。

配置完成后，Clawdbot 就能长期在线运行，负责自动简报、日程提醒、收件箱清理等重复任务。这个组合的价值是：它不像传统聊天，而是把“工作流”变成可持续的 AI 代理。1

终极方案
稳定入口 + 清晰权限 + 固定模型，是可持续运行的关键。

结语

如果你只做轻度问答，本地小模型也许够用。但如果你的目标是“长期在线的 AI 助理”，那么 Gemini + Clawdbot 是目前更接近可用的组合。把入口、权限和模型版本一次性理清，gemini clawdbot 才能真正稳定运行。1

  1. 弃用本地模型后，我如何用 Gemini + Clawdbot 打造了终极 AI 助理（附避坑配置）（访问日期：2026-02-03） ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎