오픈클로 & 딥시크 활용: 무료 로컬 AI 비서 구축 방법

요약

DeepSeek은 탁월한 추론 능력을 가진 강력한 오픈소스 AI 모델 제품군(1.5B에서 671B 매개변수)입니다. OpenClaw는 바이럴한 오픈소스 AI 비서(GitHub 별 17만 개 이상)로, 전적으로 로컬에서 실행됩니다. DeepSeek과 OpenClaw를 Ollama를 통해 결합하면, 유료 대안과 견줄 만한 무료의 개인 정보 보호에 중점을 둔 AI 비서를 얻을 수 있습니다. API 비용, 구독료 없이 완벽하게 제어할 수 있습니다.

소개

개인 AI 비서 구축이 그 어느 때보다 쉬워졌습니다. API 비용, 구독 계획, 개인 정보 보호 문제 속에서 개발자들은 로컬 AI 기능을 시작하기 위한 명확한 경로가 필요합니다.

API 호출에 돈을 들이지 않고 강력한 언어 모델을 로컬에서 실행할 방법을 찾고 있었다면, 잘 찾아오셨습니다. 이 가이드는 DeepSeek AI의 인상적인 오픈소스 모델 DeepSeek과, 하드웨어에서 전적으로 실행되는 개인 AI 에이전트를 제공하는 바이럴한 오픈소스 AI 비서 OpenClaw를 설정하는 방법을 안내합니다.

가장 좋은 점은? DeepSeek과 OpenClaw는 모두 무료로 사용할 수 있다는 것입니다. 신용 카드도 필요 없고, 구독료도 없으며, 데이터가 사용자 컴퓨터를 떠나지 않습니다.

작업을 자동화하려는 개발자, 로컬 AI를 탐구하는 취미 생활자, 또는 개인 정보 보호를 최우선으로 하는 AI 솔루션을 찾는 기업이든 상관없이, 이 설정은 엔터프라이즈급 기능을 무료로 제공합니다.

DeepSeek + OpenClaw를 사용하는 이유?

DeepSeek의 힘

DeepSeek은 2026년 가장 유능한 오픈소스 AI 모델 제품군 중 하나로 부상했습니다. DeepSeek이 돋보이는 이유는 다음과 같습니다:

뛰어난 추론 능력
DeepSeek-R1은 추론 작업에서 OpenAI O3 및 Gemini 2.5 Pro와 같은 선도적인 모델에 근접하는 성능을 달성합니다. 특히 수학, 코딩 및 복잡한 문제 해결에 강합니다.

다양한 모델
DeepSeek은 모든 사용 사례에 맞는 모델을 제공합니다:

모델	매개변수	최적 사용처
DeepSeek-R1	1.5B - 671B	추론 및 문제 해결
DeepSeek-V3	671B	범용 작업
DeepSeek-V3.1	671B	하이브리드 사고/비사고
DeepSeek-Coder	1.3B - 236B	코딩 작업

하이브리드 추론
Qwen3처럼 DeepSeek-V3.1은 사고 모드(사고의 사슬 추론)와 비사고 모드(직접 답변)를 모두 지원하여, 작업에 따라 선택할 수 있게 합니다.

비용 효율성
DeepSeek 모델은 오픈소스이며 로컬에서 무료로 실행됩니다. 하드웨어 비용만 지불하면 됩니다.

OpenClaw의 유연성

OpenClaw (이전 Clawdbot/Moltbot)는 170,000개 이상의 GitHub 별을 가진 오픈소스 AI 에이전트입니다.

다음과 같은 기능을 제공합니다:

다중 플랫폼 통합: WhatsApp, Telegram, Discord, Slack 등
자율적인 행동: 이메일 전송, 캘린더 관리, 웹 브라우징, 명령어 실행
영구적인 메모리: 세션 간 컨텍스트 기억
스킬 생태계: ClawHub를 통한 700개 이상의 커뮤니티 제작 확장 기능
개인 정보 보호 중심: 전적으로 로컬에서 실행

이 조합이 효과적인 이유

DeepSeek의 강력한 추론 능력과 OpenClaw의 에이전트 기능의 조합은 유료 대안과 견줄 만한 무료의 사적인 AI 비서를 만듭니다:

API 비용 없음
완벽한 데이터 프라이버시
맞춤 설정 가능한 동작
AI 비서에 대한 완전한 제어
다중 플랫폼 접근

전제 조건

시작하기 전에 다음 사항을 확인하십시오:

충분한 RAM을 갖춘 컴퓨터 (아래 요구 사항 참조)
소프트웨어 설치를 위한 관리자/루트 접근 권한
초기 다운로드를 위한 인터넷 연결
명령줄에 대한 기본적인 이해 (각 단계 설명 예정)

모델별 RAM 요구 사항

모델	최소 RAM	권장 RAM
DeepSeek-R1 1.5B	8GB	8GB
DeepSeek-R1 7B	16GB	16GB
DeepSeek-R1 14B	32GB	32GB
DeepSeek-R1 32B	64GB	64GB
DeepSeek-R1 70B	128GB	128GB+
DeepSeek-V3 671B	256GB	256GB+

전문가 팁: 16GB RAM이 있다면 7B 모델부터 시작하세요. 나중에 언제든지 상향 조정할 수 있습니다.

Ollama 설치

Ollama는 DeepSeek을 로컬에서 실행할 수 있게 해주는 다리 역할을 합니다. 모델 다운로드, 메모리 관리 및 추론 서비스를 처리합니다.

macOS 설치

# Homebrew 사용 (권장)
brew install ollama

# 또는 설치 스크립트 사용
curl -fsSL https://ollama.ai/install.sh | sh

Linux 설치

# 설치 스크립트 사용
curl -fsSL https://ollama.ai/install.sh | sh

# 또는 바이너리 직접 다운로드
sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

Windows 설치

ollama에서 설치 프로그램을 다운로드하여 실행하십시오.

설치 확인

설치 후, Ollama가 작동하는지 확인하십시오:

ollama --version

`ollama version 0.5.0` 또는 이와 유사한 출력이 표시되어야 합니다.

Ollama 서비스 시작

Ollama는 백그라운드 서비스로 실행됩니다. 자동으로 시작되어야 하지만, 확인할 수 있습니다:

# Ollama 실행 여부 확인
ollama list

# 실행 중이 아니라면 시작
ollama serve

DeepSeek 모델 설정

이제 DeepSeek을 컴퓨터에서 실행해 봅시다.

DeepSeek-R1 가져오기 (권장)

DeepSeek-R1은 주력 추론 모델입니다. 대부분의 사용자에게 7B 또는 8B 모델부터 시작하는 것을 권장합니다:

# 7B 모델 가져오기 (대부분의 사용자에게 권장)
ollama pull deepseek-r1:7b

# 또는 약간 더 나은 성능을 위해 8B 모델 가져오기
ollama pull deepseek-r1:8b

# 더 강력한 하드웨어의 경우, 14B 모델 시도
ollama pull deepseek-r1:14b

DeepSeek-V3 가져오기 (범용)

추론 중심 모델이 아닌 범용 모델이 필요한 경우:

# DeepSeek-V3 가져오기 (상당한 RAM 필요)
ollama pull deepseek-v3:671b

경량화 모델 가져오기 (저자원)

RAM이 제한적인 시스템의 경우, 경량화 모델은 더 작은 크기로도 좋은 추론 능력을 제공합니다:

# Qwen 아키텍처 기반 경량화 모델 가져오기
ollama pull deepseek-r1:1.5b
ollama pull deepseek-r1:14b

모델 실행

모델이 작동하는지 테스트합니다:

# 대화형 채팅 모드
ollama run deepseek-r1:7b

메시지를 입력하고 Enter를 누르세요. `/exit`를 입력하여 종료하세요.

Python으로 테스트

DeepSeek을 프로그래밍 방식으로 사용하는 방법은 다음과 같습니다:

import requests

url = "http://localhost:11434/api/generate"
payload = {
    "model": "deepseek-r1:7b",
    "prompt": "Explain what DeepSeek R1 is in one sentence",
    "stream": False,
}
response = requests.post(url, json=payload).json()
print(response["response"])

Apidog으로 Ollama API 테스트

OpenClaw와 통합하기 전에 Apidog를 사용하여 DeepSeek 설정을 테스트할 수 있습니다. 이는 API 엔드포인트가 올바르게 작동하는지 디버깅하고 확인하는 데 특히 유용합니다.

Apidog에서 새 요청 생성
메서드를 POST로 설정
URL 입력: http://localhost:11434/api/generate
헤더 추가:

Content-Type: application/json

본문 (JSON) 추가:

{
  "model": "deepseek-r1:7b",
  "prompt": "Hello, world!",
  "stream": false
}

Apidog의 시각적 인터페이스는 OpenClaw에 연결하기 전에 Ollama API 응답을 쉽게 테스트하고 문제를 디버깅할 수 있게 합니다. 이 요청을 저장하여 다른 프롬프트와 구성을 테스트할 수도 있습니다.

Ollama Python 라이브러리 사용

from ollama import Client

client = Client()
output = client.chat(
    model="deepseek-r1:7b",
    messages=[{"role": "user", "content": "Write a hello world in Python"}]
)
print(output["message"]["content"])

OpenClaw 설치

이제 AI 비서를 만들기 위해 OpenClaw를 설치해 봅시다.

빠른 설치

# npx 사용 (설치 불필요)
npx openclaw

# 또는 설치 스크립트 사용
curl -fsSL https://openclaw.ai/install.sh | bash

초기 설정

OpenClaw를 처음으로 실행하십시오:

npx openclaw

이는 초기 구성을 안내합니다:

첫 번째 플랫폼 연결 설정 (Telegram, Discord 등)
기본 환경 설정
비서 시작

OpenClaw 실행 확인

# OpenClaw 상태 확인
openclaw status

DeepSeek과 OpenClaw 통합하기

이제 마법이 일어납니다. DeepSeek을 OpenClaw 비서의 두뇌로 연결합니다.

방법 1: Ollama를 백엔드로 사용

OpenClaw는 Ollama를 기본적으로 지원합니다. DeepSeek을 사용하도록 구성하십시오:

# DeepSeek-R1과 함께 Ollama를 사용하도록 OpenClaw 설정
ollama launch openclaw --model deepseek-r1

# 또는 다른 모델 크기 지정
ollama launch openclaw --model deepseek-v3.1

방법 2: 환경 설정

더 많은 제어를 위해 환경 변수를 설정하십시오:

# Ollama 엔드포인트 구성
export OLLAMA_HOST=http://localhost:11434

# 모델 설정
export OLLAMA_MODEL=deepseek-r1

방법 3: 구성 파일

~/.openclaw/config.yaml 파일을 생성하거나 편집하십시오:

models:
  default: ollama/deepseek-r1:7b

ollama:
  host: http://localhost:11434
  model: deepseek-r1:7b
  temperature: 0.7
  top_p: 0.9

통합 테스트

# OpenClaw가 DeepSeek을 사용하는지 테스트
openclaw models status

DeepSeek-R1이 활성화되었음을 확인하는 출력이 표시되어야 합니다.

플랫폼을 통해 채팅

이제 연결된 모든 플랫폼을 통해 DeepSeek과 채팅할 수 있습니다:

Telegram:
Telegram에서 OpenClaw 봇에게 메시지를 보내세요.

Discord:
Discord에서 OpenClaw 봇을 멘션하세요.

WhatsApp:
OpenClaw WhatsApp 번호로 메시지를 보내세요.

응답은 로컬에서 실행되는 DeepSeek에서 올 것입니다!

구성 및 최적화

다음 옵션으로 DeepSeek + OpenClaw 설정을 미세 조정하십시오.

Temperature 및 Top-P

응답 창의성 제어:

# config.yaml에서
ollama:
  temperature: 0.7    # 0.0 = 집중적, 1.0 = 창의적
  top_p: 0.9         # 핵 샘플링
  top_k: 40          # 토큰 선택

컨텍스트 길이

더 긴 대화를 위해 조정:

ollama:
  context_size: 4096  # 더 긴 컨텍스트를 위해 증가

시스템 프롬프트

DeepSeek의 동작 사용자 지정:

ollama:
  system_prompt: |
    당신은 도움이 되는 코딩 비서입니다.
    명확하고 간결한 코드 예시를 제공합니다.
    개념을 간단한 용어로 설명합니다.

모델 간 전환

필요에 따라 다른 DeepSeek 모델 간에 쉽게 전환할 수 있습니다:

# 더 많은 기능을 위해 14B 모델로 전환
openclaw models set ollama/deepseek-r1:14b

# 일반 작업을 위해 V3로 전환
openclaw models set ollama/deepseek-v3:671b

# 속도를 위해 7B로 다시 전환
openclaw models set ollama/deepseek-r1:7b

AI 비서 테스트

Ollama를 통해 직접 테스트

# DeepSeek 추론 능력 테스트
ollama run deepseek-r1:7b "이 문제를 해결하세요: 기차가 2시간 동안 120km를 이동한다면, 속도는 얼마인가요?"

OpenClaw를 통해 테스트

# OpenClaw를 통해 테스트 메시지 보내기
openclaw chat "안녕하세요, 2 + 2는 얼마인가요?"

플랫폼 통합 테스트

플랫폼이 구성되면:

Telegram:
OpenClaw 봇에게 /start를 보내세요.

Discord:
@your-bot hello로 봇을 멘션하세요.

WhatsApp:
구성된 WhatsApp 번호로 메시지를 보내세요.

로그 모니터링

무슨 일이 일어나는지 OpenClaw 로그를 확인하십시오:

# 최신 로그 보기
openclaw logs --recent

# 실시간 로그 보기
openclaw logs --follow

고급 설정 팁

GPU 가속

NVIDIA GPU가 있다면 CUDA 가속을 활성화하십시오:

# GPU 감지 확인
ollama list

# GPU 가속으로 실행 (GPU 사용 가능 시 자동)
ollama run deepseek-r1:7b --gpu

사용자 지정 모델 생성

시스템 프롬프트를 사용하여 특수 버전 생성:

# Modelfile 생성
echo 'FROM deepseek-r1:7b
SYSTEM """당신은 Python 전문가입니다.
깔끔하고 PEP 8을 준수하는 코드를 제공하세요.
"""' > /tmp/python-expert

# 사용자 지정 모델 생성
ollama create python-expert -f /tmp/python-expert

# OpenClaw에서 사용
openclaw models set ollama/python-expert

다중 모델 설정

다른 작업에 다른 모델 실행:

# config.yaml에서 - 여러 모델 프리셋 구성
models:
  default: ollama/deepseek-r1:7b
  coding: ollama/deepseek-coder:7b
  reasoning: ollama/deepseek-r1:14b

그런 다음 모델 간 전환:

# 코딩 모델 사용
openclaw models set coding

# 복잡한 작업을 위해 추론 모델 사용
openclaw models set reasoning

성능 최적화

더 나은 성능을 위해:

불필요한 응용 프로그램 닫기로 RAM 확보
필요에 맞는 가장 작은 모델 사용
자주 한계에 도달한다면 RAM 업그레이드 고려
더 빠른 모델 로드를 위해 SSD 저장소 사용

리소스 사용량 모니터링

# 현재 모델 및 리소스 확인
openclaw status --verbose

# Ollama 직접 모니터링
ollama list

일반적인 문제 해결

모델 로드 불가 (메모리 부족)

문제: RAM 부족으로 인해 Ollama가 모델을 로드하지 못합니다.

해결책:

더 작은 모델 사용 (14B 대신 7B)
다른 응용 프로그램을 닫아 RAM 확보
시스템에 RAM 추가

느린 응답

문제: 응답 시간이 너무 오래 걸립니다.

해결책:

더 작은 모델 사용
GPU 가속 활성화
컨텍스트 크기 축소
더 빠른 저장 장치 (SSD) 사용

OpenClaw가 Ollama에 연결할 수 없음

문제: OpenClaw가 Ollama에 대한 연결 오류를 보고합니다.

해결책:

Ollama가 실행 중인지 확인: ollama serve
구성 파일의 호스트 확인 (기본값: http://localhost:11434)
Ollama 재시작: pkill ollama && ollama serve

플랫폼 연결 문제

문제: Telegram/Discord/WhatsApp에 연결할 수 없습니다.

해결책:

API 자격 증명이 올바른지 확인
플랫폼의 API 상태 확인
OpenClaw 로그에서 특정 오류 메시지 검토

자주 묻는 질문

DeepSeek은 정말 무료로 사용할 수 있나요?

네, DeepSeek은 오픈소스이며 로컬에서 무료로 실행할 수 있습니다. 하드웨어(RAM이 있는 컴퓨터)만 제공하면 됩니다. API 비용이나 구독료는 없습니다.

DeepSeek을 OpenClaw와 함께 상업적으로 사용할 수 있나요?

네, DeepSeek과 OpenClaw는 모두 상업적 사용을 허용하는 관대한 라이선스를 가지고 있습니다. 항상 최신 라이선스 조건을 검토하십시오.

GPU가 없다면 어떻게 해야 하나요?

DeepSeek은 CPU 전용 시스템에서도 실행될 수 있습니다. 추론 속도는 느려질 수 있습니다 (밀리초 대신 응답당 몇 초). 더 작은 모델(1.5B-7B)은 CPU에서 상당히 잘 작동합니다.

DeepSeek-R1과 DeepSeek-V3 중에서 어떻게 선택해야 하나요?

DeepSeek-R1: 추론 작업, 수학, 코딩 및 문제 해결에 최적
DeepSeek-V3: 범용 대화 및 작업에 최적

여러 DeepSeek 모델을 동시에 실행할 수 있나요?

네, 하지만 각 모델은 추가 RAM을 필요로 합니다. 일반적인 설정에서는 특정 작업을 위해 더 작은 전문 모델과 함께 7B 모델을 실행할 수 있습니다.

DeepSeek을 최신 버전으로 업데이트하려면 어떻게 해야 하나요?

ollama pull deepseek-r1:7b

새 버전이 사용 가능하면 Ollama가 자동으로 업데이트합니다.

OpenClaw를 제 응용 프로그램에 연결할 수 있나요?

네, OpenClaw는 사용자 지정 통합을 위한 API 엔드포인트와 웹훅을 제공합니다. 자세한 내용은 OpenClaw 문서를 참조하십시오.

결론

이제 컴퓨터에서 강력하고 무료인 AI 비서를 로컬로 실행할 수 있습니다. DeepSeek이 지능을 제공하고, OpenClaw가 에이전트 기능을 제공하며, Ollama가 이 모든 것을 원활하게 작동시킵니다.

이제 할 수 있는 것:

Telegram, Discord, WhatsApp 또는 기타 플랫폼을 통해 DeepSeek과 채팅
이메일 전송 및 캘린더 관리와 같은 작업 자동화
완벽한 개인 정보 보호를 통해 사용자 지정 AI 워크플로우 구축
필요에 따라 가장 작은 모델부터 가장 강력한 모델까지 확장

DeepSeek과 OpenClaw의 조합은 클라우드 대안으로 월 수백 달러가 들었을 기능을 제공하며, 이 모든 것이 사용자가 소유한 하드웨어에서 실행됩니다.

다음 단계:

다양한 DeepSeek 모델 크기 실험
OpenClaw의 스킬 마켓플레이스 (ClawHub) 탐색
비서에 추가 플랫폼 연결
특정 사용 사례에 대한 사용자 지정 프롬프트 생성

유일한 한계는 당신의 상상력입니다.

전문 AI 응용 프로그램을 구축할 준비가 되셨나요? 개발자를 위해 설계된 시각적 인터페이스로 Apidog를 무료로 다운로드하고 AI 서비스 통합을 테스트하세요. Apidog의 API 테스트 스위트를 사용하여 AI 워크플로우가 강력하고 안정적인지 확인하세요.

button