我当时刷到这个消息，第一反应是，又一个开源模型，然后就划走了。
然后我看到了几个字，Apache 2.0协议。
我停了一下。
因为Gemma系列之前一直用的是自定义协议，商业用途有法律风险，很多人不敢用。
Apache 2.0就不一样了，这是最干净的开源协议之一，随便用，商业也没问题。
然后我继续往下看，256K上下文，多模态，原生函数调用。
好，有点意思了。
再然后，我看到了最关键的一条，完全免费，不需要API Key。
我决定动手试试。
在说怎么装之前，先说一件让我有点懵的事。
Gemma 4有一个叫E2B的版本，有效参数只有2.3B。
但它的性能，超过了Gemma 3的27B版本。
参数少了12倍，性能反而更强。
我当时看到这个，脑子里转了好几圈，我寻思了一下我没寻思明白。
直到我理解了MoE架构的逻辑，才算是搞清楚，它不是让所有参数一起干活，而是根据任务激活不同的「专家」，聪明用人，不瞎用人。
这种参数效率，才是它能在普通电脑上跑起来、性能还不差的核心原因。
好，进入正题，说怎么在本地把它跑起来，并且接到微信里用。
分两块，先装Ollama，再装OpenClaw。
先装Ollama，这是跑模型的引擎。
Windows直接去 https://ollama.com/download 下载安装包，双击，装完。
macOS一行命令：
brew install --cask ollama-app
装完之后，拉Gemma 4的E4B版本：
ollama pull gemma4:e4b
大概3.6GB，根据网速等个5到15分钟。
下完之后，跑一下验证，打个招呼：
ollama run gemma4:e4b
>>> 你好，你什么大模型？
看到回复，就说明引擎正常了。
然后装OpenClaw，具体详细配置可以看我往期教程。
前置条件，Node.js版本要22.16以上，推荐装24。
Node装好之后：
npm install -g openclaw@latest
然后编辑配置文件，路径是 ~/.openclaw/openclaw.json，写入Ollama的接入配置：
{
“models”:{
“providers”:{
“ollama”:{
“baseUrl”:“http://localhost:11434/v1”,
“api”:“openai-completions”,
“models”:[
{
“id”:“gemma4:e4b”,
“name”:“Gemma 4 E4B”,
“reasoning”:false,
“contextWindow”:131072,
“maxTokens”:8192
}
]
}
}
},
“agents”:{
“defaults”:{
“model”:{
“primary”:“ollama/gemma4:e4b”
}
}
}
}有一个坑，"reasoning": false 这行必须写，不写的话工具调用会出问题，我在这里卡了一会儿，大家注意一下。
配置写完，启动网关，测试一下：
openclaw gateway --port 18789 --verbose
收到回复，这一步就过了。
最后，接微信。
装腾讯官方的微信插件：
openclaw plugins install "@tencent-weixin/openclaw-weixin"
在配置文件里加上渠道配置，然后扫码登录：
openclaw channels login --channel openclaw-weixin
微信扫完码，还有最后一步，去微信「我」→「设置」→「插件」，找到ClawBot，启用它。
启用之后，在微信里发一条「你好」，收到Gemma 4的回复，就全部搞定了。
对于日常用来聊天、写代码、做文件处理，这个速度完全够用。
顺着这个说一下我自己的用法。
60%-70%的任务，我现在都在用本地的Gemma 4，代码阅读、配置文件生成、文件操作这些，它都能搞定。
剩下那30%-40%真正复杂的任务，跨文件重构、多层调试，再切回云端模型。
这样算下来，API成本从之前每天20美元以上，降到了几美元。
最后算一笔账。
Gemma 4，Ollama，OpenClaw，微信插件免费。
唯一的成本，电费，大概一两块钱一天。
接近零成本，拥有一个完全跑在本地的小龙虾，
数据不出你的电脑，不依赖任何云端，不需要API Key。
本文来自转载微信公众号“科技前沿AI” ，不代表发现AI立场，如若转载，请联系原作者；如有侵权，请联系编辑删除。
