本地 agent 是什么

OpenClaw 这类本地 agent，指的是可以自托管、在你的机器或私有服务器上运行的 AI agent 框架。和云端 agent（你打开网页就能用）不同，它跑在你自己的环境里，任务执行、数据存储都在你控制的范围。它的卖点不是「更聪明」，而是「更可控、更隐私」——你决定它接什么、存什么、能碰哪，控制权完全在你手里。

适合的场景

  • 数据敏感：处理客户资料、内部文档、未公开数据，不想出内网。
  • 接内网系统：要连公司内网的服务、数据库，云端 agent 够不着。
  • 长期自动化：7×24 跑的流程，本地常驻比反复调用云服务稳且省调用费。
  • 可定制深：要改底层逻辑、接私有模型，本地才自由。

对比云端 agent 的取舍

本地 agent 的优是隐私可控、长期成本低、能接内网；劣是你要自己部署、自己维护、自己管算力，出问题解决也得自己来。云端 agent 反过来：开箱即用、不用管环境、算力随用随取，但数据出内网、按量付费、定制受限。取舍本质是「控制权换便利」，要哪头看你的约束在哪，没有绝对好坏。

自己搭的门槛

别低估搭建成本。本地 agent 要你搞定：环境部署（容器或裸机）、模型接入（本地模型或私有 API）、工具节点配置、还有后续升级和排错。小团队没运维人手，搭起来容易养起来难。评估时把「维护工时」算进成本，很多项目死于「能跑但没人管」，上线只是开始，养才是大头。

什么情况值得自己搭

判断很简单：如果你有「数据不能出内网」或「要稳定接内部系统」的硬约束，本地几乎是必选项，便利让位给合规。如果只是图「免费」「自主」，而数据不敏感、云端够用，那自搭的维护成本可能高于省下的钱。约束驱动，不是潮流驱动，跟风搭本地反而亏，白白背上运维债。

一个判断清单

  • 数据是否敏感或不能出内网？是 → 倾向本地。
  • 是否要接内网独有系统？是 → 倾向本地。
  • 有无运维人手长期维护？无 → 谨慎，先云端。
  • 是否 7×24 高频调用？是 → 本地长期更省。

四条里命中前两条任意一条，本地基本跑不掉；只命中后两条里「无运维」那条，就别硬上本地，先用托管省心。

本地 agent 的安全要点

自己搭就要自己管安全，这是本地化躲不掉的代价。最少三件事：一是端口别裸奔，agent 服务别直接暴露公网，用内网或加鉴权；二是模型来源可信，别随便拉来路不明的模型权重跑内部数据；三是权限最小化，agent 能碰的目录和系统命令划到刚好够用。云端 agent 这些由服务商兜底，本地全压在你身上，省下的隐私要用安全纪律换，别只看到自主忘了暴露面。

一个成本对比案例

某团队有个每天跑几百次的内容生成任务。用云端 agent 按调用量计费，月账单居高不下，且数据要出内网让他们不安。改成自托管 OpenClaw 跑本地模型后，固定成本变成一台服务器的折旧加电费，调用量再大边际成本近乎零，月费降了七成，数据也留在内网。但它多雇了半个运维看环境。算总账：高频加敏感的场景，本地划算；低频又不敏感，云端省心更值，别只看单价。

局限声明

OpenClaw 等本地 agent 框架的能力、部署方式与生态随社区演进，本文基于通用自托管 agent 逻辑与公开信息，具体安装与模型接入以对应项目文档为准。本地部署的安全（端口暴露、权限、模型来源）须自行负责，自托管不等于自动安全，暴露不当反而更危险。