تشغيل OpenClaw مع Ollama: دليل شامل

الخلاصة

Ollama هي الطريقة الأسهل لتشغيل نماذج الذكاء الاصطناعي القوية محليًا. وبالاقتران مع OpenClaw، فإنها تنشئ مساعدًا ذكاءً اصطناعيًا مجانيًا يركز على الخصوصية وينافس البدائل المدفوعة. يرشدك هذا الدليل خلال إعداد Ollama، واختيار النموذج المناسب، ودمجه مع OpenClaw لمساعدك الشخصي للذكاء الاصطناعي.

مقدمة

كان تشغيل الذكاء الاصطناعي محليًا في السابق هواية للمتخصصين، ويتطلب إعدادًا معقدًا وأجهزة باهظة الثمن. لقد غيرت Ollama ذلك. بفضل أمر تثبيت بسيط وواجهة برمجة تطبيقات بديهية، تجعل Ollama تشغيل نماذج الذكاء الاصطناعي محليًا متاحًا للجميع.

عند إقرانها بـ OpenClaw، تحصل على مساعد ذكاء اصطناعي قوي:

• لا يكلفك شيئًا للتشغيل (بعد الإعداد الأولي)
• يحافظ على بياناتك خاصة بنسبة 100%
• يعمل دون اتصال بالإنترنت بمجرد تنزيل النماذج
• يوفر تحكمًا كاملاً في التخصيص

يغطي هذا الدليل كل ما تحتاجه للبدء.

لماذا تستخدم Ollama مع OpenClaw

فوائد الذكاء الاصطناعي المحلي

• الخصوصية: محادثاتك لا تغادر جهازك أبدًا
• لا توجد تكاليف API: ادفع مرة واحدة مقابل الأجهزة، واستخدم بلا حدود
• الوصول دون اتصال: يعمل بدون إنترنت
• تحكم كامل: خصص النماذج والموجهات
• لا توجد قيود على المعدل: استخدم قدر ما تريد

لماذا Ollama

تتميز Ollama لعدة أسباب:

• تثبيت بسيط: أمر واحد يبدأ تشغيلك
• مكتبة النماذج: أكثر من 100 نموذج متاح
• متعدد المنصات: يعمل على macOS، Linux، Windows
• API أولاً: دمج سهل مع OpenClaw
• تطوير نشط: تحديثات منتظمة ونماذج جديدة

المتطلبات الأساسية

قبل البدء، تأكد من توفر ما يلي:

متطلبات الأجهزة

متطلبات البرامج

• macOS 10.15+، Linux، أو Windows 10+
• وصول المدير/الجذر (Administrator/root access) للتثبيت
• اتصال بالإنترنت للتنزيلات الأولية
• الإلمام بسطر الأوامر

ما ستحتاج إليه

1. جهاز كمبيوتر يلبي متطلبات الذاكرة العشوائية (RAM)
2. إنترنت لتنزيل النماذج
3. وقت لتنزيلات النماذج الأولية (يختلف حسب الحجم والاتصال)

تثبيت Ollama

تثبيت على macOS

الطريقة الأسهل هي استخدام Homebrew:

brew install ollama

أو استخدم برنامج التثبيت الرسمي:

curl -fsSL https://ollama.ai/install.sh | sh

تثبيت على Linux

# استخدام نص التثبيت (موصى به)
curl -fsSL https://ollama.ai/install.sh | sh

# أو تنزيل الملف الثنائي مباشرة
sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

تثبيت على Windows

1. قم بتنزيل برنامج التثبيت
2. قم بتشغيل برنامج التثبيت
3. اتبع التعليمات التي تظهر على الشاشة

التحقق من التثبيت

ollama --version

يجب أن ترى إخراجًا مثل ollama version 0.15.0 أو أحدث.

تشغيل خدمة Ollama

تعمل Ollama كخدمة تعمل في الخلفية:

# التحقق مما إذا كانت Ollama قيد التشغيل
ollama list

# تشغيل Ollama إذا لم تكن قيد التشغيل
ollama serve

اختيار النموذج المناسب

تدعم Ollama أكثر من 100 نموذج. إليك كيفية الاختيار:

حسب حالة الاستخدام

حسب الأجهزة

النماذج الشائعة في 2026

Qwen3.5 — أداء شامل ممتاز، استدلال قوي، جيد للبرمجة. الخيار الأكثر شعبية لـ OpenClaw في 2026.

DeepSeek-R1 — نموذج استدلال مفتوح المصدر ينافس GPT-4 في مهام الرياضيات والمنطق. رائع لحل المشكلات المعقدة.

Mistral — خفيف الوزن ولكنه قادر. ممتاز للأنظمة ذات الذاكرة العشوائية المحدودة.

تثبيت النماذج

سحب النماذج

# تثبيت Qwen3.5 (موصى به لمعظم المستخدمين)
ollama pull qwen2.5:7b

# أو أحدث إصدار من Qwen3
ollama pull qwen3:7b

# DeepSeek-R1 لمهام الاستدلال
ollama pull deepseek-r1:7b

# Llama 3.2
ollama pull llama3.2:7b

# Mistral
ollama pull mistral:7b

وسوم النماذج

تتوفر النماذج بأحجام مختلفة:

# أحجام معاملات مختلفة
ollama pull qwen2.5:3b # أصغر، أسرع
ollama pull qwen2.5:7b # متوازن
ollama pull qwen2.5:14b # أكثر قدرة

عرض النماذج المثبتة

ollama list

يعرض هذا جميع النماذج التي تم تنزيلها وأحجامها.

تشغيل واختبار النماذج

الوضع التفاعلي

# الدردشة مع النموذج
ollama run qwen2.5:7b

اكتب رسالتك واضغط على Enter. اكتب /bye للخروج.

وضع API

تشغل Ollama خادم API على المنفذ 11434 بشكل افتراضي:

# نقطة نهاية التوليد
curl http://localhost:11434/api/generate -d {
  "model": "qwen2.5:7b",
  "prompt": "Hello, how are you?",
  "stream": false
}

استخدام مكتبة بايثون

from ollama import Client

client = Client()
response = client.chat(
    model='qwen2.5:7b',
    messages=[
        {'role': 'user', 'content': 'Hello!'}
    ]
)
print(response['message']['content'])

الاختبار باستخدام Apidog

قبل الاتصال بـ OpenClaw، اختبر إعداد Ollama الخاص بك باستخدام Apidog:

1. أنشئ طلبًا جديدًا في Apidog
2. اضبط الطريقة على POST
3. أدخل عنوان URL: http://localhost:11434/api/generate
4. أضف رأسًا: Content-Type: application/json

5. أضف الجسم:

{
  "model": "qwen3-coder",
  "prompt": "What is 2 + 2?",
  "stream": false
}

يتحقق هذا من أن إعداد Ollama الخاص بك يعمل قبل دمجه مع OpenClaw.

دمج Ollama مع OpenClaw

الآن دعنا نربط Ollama بـ OpenClaw.

الطريقة الأولى: التكوين السريع

# اضبط OpenClaw لاستخدام Ollama مع نموذجك
openclaw models set ollama/qwen2.5:7b

الطريقة الثانية: متغيرات البيئة

# تكوين نقطة نهاية Ollama
export OLLAMA_HOST=http://localhost:11434

# ضبط النموذج الافتراضي
export OLLAMA_MODEL=qwen2.5:7b

الطريقة الثالثة: ملف التكوين

أنشئ أو حرر ~/.openclaw/config.yaml:

models:
  default: ollama/qwen2.5:7b

ollama:
  host: http://localhost:11434
  model: qwen2.5:7b
  temperature: 0.7
  top_p: 0.9

التحقق من التكامل

# التحقق من حالة نموذج OpenClaw
openclaw models status

# الاختبار برسالة
openclaw chat "Hello!"

يجب أن تتلقى ردًا من نموذجك المحلي.

خيارات التكوين

ضبط إعداد Ollama + OpenClaw:

درجة الحرارة

تتحكم في الإبداع مقابل الدقة:

ollama:
  temperature: 0.7    # 0.0 = دقيق, 1.0 = إبداعي

Top-P و Top-K

تتحكم في تنوع الاستجابة:

ollama:
  top_p: 0.9         # أخذ العينات النواة
  top_k: 40          # اختيار الرموز

طول السياق

للمحادثات الأطول:

ollama:
  context_size: 4096  # الافتراضي غالبًا 2048 أو 4096

موجه النظام

تخصيص سلوك النموذج:

ollama:
  system_prompt: |
    أنت مساعد برمجة مفيد.
    قدم أمثلة تعليمات برمجية واضحة وموجزة.
    اشرح المفاهيم ببساطة.

التبديل بين النماذج

إحدى مزايا Ollama هي سهولة التبديل بين النماذج:

# التبديل إلى DeepSeek-R1 للاستدلال
openclaw models set ollama/deepseek-r1:7b

# التبديل إلى Qwen-Coder لمهام البرمجة
openclaw models set ollama/qwen2.5-coder:7b

# العودة إلى النموذج العام
openclaw models set ollama/qwen2.5:7b

إعداد نماذج متعددة

قم بتكوين نماذج متعددة في config.yaml:

models:
  default: ollama/qwen2.5:7b
  coding: ollama/qwen2.5-coder:7b
  reasoning: ollama/deepseek-r1:7b

ثم قم بالتبديل بينها:

openclaw models set coding
openclaw models set reasoning

استكشاف الأخطاء وإصلاحها

النموذج لا يتم تحميله

المشكلة: أخطاء نفاد الذاكرة

الحلول:

• استخدم نموذجًا أصغر (7B بدلاً من 14B)
• أغلق التطبيقات الأخرى لتحرير الذاكرة العشوائية
• تحقق من الذاكرة المتاحة باستخدام free -h (Linux) أو Activity Monitor (Mac)

استجابات بطيئة

المشكلة: تستغرق الاستجابات وقتًا طويلاً

الحلول:

• استخدم نموذجًا أصغر
• قم بتمكين تسريع وحدة معالجة الرسوميات (إذا كانت متاحة)
• قلل حجم السياق
• استخدم وحدة تخزين SSD لملفات النموذج

الاتصال مرفوض

المشكلة: OpenClaw لا يمكنه الاتصال بـ Ollama

الحلول:

# التحقق مما إذا كانت Ollama قيد التشغيل
ollama serve

# التحقق من المنفذ
curl http://localhost:11434

النموذج غير موجود

المشكلة: النموذج غير موجود في Ollama

الحلول:

# سحب النموذج
ollama pull qwen2.5:7b

# التحقق من النماذج المتاحة
ollama list

الخلاصة

لديك الآن مساعد ذكاء اصطناعي قوي وخاص يعمل محليًا. توفر Ollama + OpenClaw قدرات قد تكلف 20 دولارًا أمريكيًا شهريًا أو أكثر مع البدائل السحابية—كلها تعمل على الأجهزة التي تتحكم فيها.

ما يمكنك فعله الآن:

• الدردشة مع الذكاء الاصطناعي الخاص بك عبر منصات متعددة
• التبديل بين النماذج بناءً على المهام
• تخصيص الموجهات لسلوكيات متخصصة
• التشغيل دون اتصال بالإنترنت بمجرد تنزيل النماذج

الحد الوحيد هو أجهزتك.

الخطوات التالية:

1. جرب نماذج مختلفة
2. جرب Qwen3.5 و DeepSeek-R1 وغيرها
3. خصص موجهات النظام الخاصة بك
4. استكشف مهارات OpenClaw على ClawHub

هل أنت مستعد لبناء تطبيقات ذكاء اصطناعي احترافية؟ قم بتنزيل Apidog مجانًا واختبر تكاملات الذكاء الاصطناعي الخاصة بك بواجهة مرئية مصممة للمطورين.

الأسئلة الشائعة

ما هو أفضل نموذج Ollama لـ OpenClaw؟

يعد Qwen3.5 حاليًا الأكثر شيوعًا—أداء متوازن مع قدرات استدلال وتشفير جيدة. يتفوق DeepSeek-R1 في مهام الاستدلال إذا كانت هذه أولويتك.

هل يمكنني تشغيل نماذج Ollama متعددة في وقت واحد؟

نعم، ولكن كل نموذج يتطلب ذاكرة عشوائية (RAM). الإعداد النموذجي يشغل نموذجًا واحدًا في كل مرة، مع التبديل حسب الحاجة.

هل أحتاج إلى وحدة معالجة رسوميات (GPU)؟

لا، تعمل Ollama على وحدة المعالجة المركزية (CPU). تسريع وحدة معالجة الرسوميات يجعلها أسرع ولكنه ليس ضروريًا. تعمل النماذج الأصغر (7B) بشكل جيد بشكل معقول على وحدة المعالجة المركزية.

كيف أقوم بتحديث النماذج؟

ollama pull model-name

تقوم Ollama بالتحديث تلقائيًا إذا كان هناك إصدار أحدث متاح.

هل يمكنني استخدام نماذجي المخصصة المدربة؟

نعم، قم باستيراد النماذج المخصصة باستخدام وظيفة الاستيراد في Ollama. راجع وثائق Ollama للحصول على التفاصيل.