过去，大家习惯通过公有云 API 获取 AI 能力；但随着 OpenClaw 爆火，个人和企业都需要本地 7×24 小时待命的 “数字员工”。奈何云端方案的隐私风险和高额 Token 成本，让工业级智能体很难大规模落地，自建本地大模型服务已成刚需。
近日，众智FlagOS联合腾讯云HAI，将 Qwen3‑4B‑hygon‑flagos 模型镜像正式上线至 HAI 社区，开发者可直接拉取使用。基于该镜像，用户能够在加速卡上快速运行 FlagOS + OpenClaw，以小模型驱动智能体执行任务，轻松完成从公有云到本地 AI 服务的无缝切换，同时深度参与到国产 AI 芯片标准化生态的建设中。
众智 FlagOS 是由智源研究院打造的开源 AI 系统软件栈，致力于构建统一、开放、安全的全栈平台，面向多元计算架构构建统一开源技术栈，实现一次开发、多芯复用、全域部署，推动国产 AI 芯片生态实现标准化适配与规模化落地。该平台支持多款异构 AI 芯片，可帮助用户快速部署模型与智能体。
安装及测试过程
基于 FlagOS 系统软件栈的跨芯能力，众智 FlagOS 社区把 Qwen3-4B 适配至多款GPU硬件。以下内容重点介绍如何部署与配置 FlagOS 版 Qwen3-4B的过程，仅用于复现实验结果，不影响对 Agent 能力的判断。
1.安装Qwen3-4B-hygon-flagos
a.首先，从 HAI 社区平台找到 Qwen3-4B-hygon-FlagOS，根据README.md拉取模型并启动服务。
以 ModelScope为例，下载模型权重
|
Plain Text pip install modelscope modelscope download --model Qwen/Qwen3-4B --local_dir /share/Qwen3-4B |
b.点击【部署当前镜像】获取镜像拉取命令，从 HAI 社区拉取镜像
|
Plain Text docker pull haihub.cn/baai/flagrelease_hygon_qwen3:v1.0.0 |
c.通过下面的代码，启动容器。
这段代码可直接复制使用，也可以根据需要修改容器名，即在第4行--name=flagos对 name 进行修改。
|
SQL #Container Startup
docker run -it \ --name=flagos \ --network=host \ --privileged \ --ipc=host \ --shm-size=16G \ --memory="512g" \ --ulimit stack=-1:-1 \ --ulimit memlock=-1:-1 \ --cap-add=SYS_PTRACE \ --security-opt seccomp=unconfined \ --device=/dev/kfd \ --device=/dev/dri \ --group-add video \ -u root \ -v /opt/hyhal:/opt/hyhal \ -v /share:/share \ haihub.cn/baai/flagrelease_hygon_qwen3:v1.0.0 \ /bin/bash |
d.进入容器（如果上一步修改了容器名，这里要将flagos对 name 进行修改。
|
Plain Text docker exec -it flagos bash |
e.启动服务
|
Plain Text flagscale serve qwen3 |
2.安装配置OpenClaw
安装过程: 参见:https://github.com/openclaw/openclaw?spm=5176.28103460.0.0.696675514ZMILC , 通过源码方式，安装 OpenClaw。
|
Python git clone https://github.com/openclaw/openclaw.git cd openclaw
pnpm install pnpm ui:build # auto-installs UI deps on first run pnpm build
pnpm openclaw onboard --install-daemon
# Dev loop (auto-reload on TS changes) pnpm gateway:watch |
配置过程:
a.访问链接以下链接：https://cloud.tencent.com/developer/article/2625144，文中有给出通用的"模型配置"文件格式，可以直接套用，套用后命令如下。
需要注意的是，配置本地模型时，厂商一定是加速推理工具如vllm。
|
SQL pnpm openclaw config set 'models.providers.vllm_local' --json '{ "baseUrl": "http://1.15.51.106:9033/v1", "apiKey": "anykey", #key不可为空，如果原来模型没有配置key，任意填写即可 "api": "openai-completions", "models": [ { "id": "Qwen3-4B-hygon-flagos", "name": "远程模型" } ] }' |
执行之后出现如下信息提示：
启用并设置为默认模型
|
Plain Text合并配置模型 pnpm openclaw config set models.mode merge |
|
Plain Text切换为当前模式 pnpm openclaw models set vllm_local/Qwen3-4B-hygon-flagos |
可以看到当前默认模型已经切换为 Qwen3-4B-hygon-flagos。
b.执行下面代码，可以看到模型已经切换完成。
|
Plain Text pnpm openclaw configure |
可以看到模型已经切换完成。
3.配置 channel 为QQ
参考文档： https://cloud.tencent.com/developer/article/2626045，这部分需要替换为自己的ID和secret。配置完成后，进行以下操作：
a.启动openclaw网关, 命令如下：
|
Plain Text pnpm openclaw gateway |
b.启动成功后，您可以在QQ软件中尝试和已经打通OpenClaw的QQ机器人进行单独聊天，或者在群里与QQ机器人进行对话。如果QQ机器人能够以AI的方式对话，则说明您已经成功完成OpenClaw应用接入QQ机器人。
接下来您就可以开始进一步探索OpenClaw接入QQ机器人之后的更多使用场景。
趋势展望
这次在 OpenClaw 连接QQ的场景中对 Qwen3-4B-hygon-flagos 进行了测试，发现Agent的能力边界正在发生转移。
免责声明：该文章系转载，所涉内容非本站（号）观点，不构成投资、消费建议，仅供读者参考。文字和图片均由第三方提供，一切法律责任由提供方负责。
