玄武CLI，国产版Ollama，让国产算力的大模型部署进入“零门槛时代”，激活你的“国货之光”。
原文标题：国产版Ollama来了，Clawdbot终于不只属于Mac和英伟达
原文作者：机器之心
冷月清谈：
怜星夜思：
2、文章提到Clawdbot这样的Agent会带来隐私和成本问题，你认为在本地部署Agent是解决这些问题的最佳方案吗？还有没有其他的可能？
3、玄武CLI目前主要支持DeepSeek、Qwen3等模型，未来你希望它支持哪些类型的模型或应用？
原文内容
这几天，AI 圈的头号 C 位莫过于这只「龙虾」：Clawdbot（现在得叫它 OpenClaw 了），它几乎把一群开发者折腾得彻夜难眠。
为什么它这么火？因为和以前那些只会陪聊的 Chatbot 不同，Clawdbot 是个真正的「实干派」：它能接管你的电脑，在你睡觉时通宵写代码、修 Bug，甚至背着主人手搓出一套语音功能。
更魔幻的是，随之诞生的 AI 社交平台 Moltbook 彻底刷屏了。在这个「AI 版 Reddit」上，150 万个 Agent 正通过自创语言和共谋进化，建立起背离人类掌控的独立机器社会与文化。
这听起来很酷，但随之而来的是「隐私的裸奔」与「钱包的哀嚎」。
当 Clawdbot 这样的 Agent 全面读取你的屏幕、扫描你的文件，并在后台疯狂消耗昂贵的 API 额度时，很多开发者早就开始思考一个问题：Agent 虽好，难道我们以后的一举一动都要通过云端计费吗？
这催生了另一个巨大的需求：Local Agent（本地智能体）。
但在这一波浪潮中，算力并不是唯一的门槛。以 Clawdbot 为例，当前社区主流方案主要围绕 macOS 与 NVIDIA GPU 生态展开，这与 Ollama、llama.cpp 以及相关 Agent 工具链的成熟度密切相关。
相比之下，尽管华为昇腾、燧原等国产算力已经具备运行大模型的能力，但在通用 Agent 工具链与社区生态适配方面仍存在明显差距，这使得部分开发者难以直接参与到当前主流的 Agent 实验与应用中。
难道手握国产算力的开发者，只能眼巴巴看着这场狂欢吗？当然不是。
国产显卡其实从来不缺「肌肉」，缺的只是一把趁手的「兵器」。如果说 Clawdbot 解决了「AI 怎么干活」的问题，那么我们今天要聊的这个工具，就是来解决「AI 在哪干活」的问题。
2 月 2 日，清昴智能发布玄武 CLI 开源版本。
你可以把它简单理解为「国产版 Ollama」，它旨在抹平硬件架构的差异，让基于国产卡的大模型部署进入「零门槛时代」。不需要复杂的环境配置，5 分钟启动模型服务，这不仅是企业降低部署成本的利器，更是每一位开发者激活手边国产算力的钥匙。
玄武 CLI 开源传送门：
-
玄武 CLI GitHub 仓库： https://github.com/TsingmaoAI/xw-cli
-
玄武 CLI Gitcode 仓库： https://gitcode.com/tsingmao/xw-cli
别急着下单 Mac mini，你机箱里的「国货之光」其实早就准备好了。
开发者到底在和什么战斗？
进入 2026 年，随着 DeepSeek、Kimi 等高性能开源模型的成熟，AI 推理形态正在从以云端为中心，逐步向本地与边缘侧扩展。出于对数据隐私（金融代码、医疗数据）和低延迟 Agent 交互的需求，本地化推理正在成为清晰可见的趋势。
在 NVIDIA 和 Apple Metal 生态中，Ollama 凭借「一个二进制文件、一行命令」的极致体验，成为最具代表性的本地推理工具之一。然而，这种统一而简洁的使用方式，并未真正惠及中国主流国产算力用户。
尽管国产芯片在硬件指标上已具备相当竞争力，但在软件生态层面仍存在明显断层：工具链割裂、算子覆盖不足、社区适配滞后，正让开发者陷入一种新的焦虑：算力在手，却用不起来。
-
一张卡，一套世界观
与 CUDA 近乎统一的格局不同，国产芯片架构呈现出「百花齐放却互不相通」的态势。华为的 CANN、摩尔线程的 MUSA，以及各家自成体系的工具链彼此独立。
对开发者而言，每更换一张卡，几乎意味着重新学习一套构建系统。由于上游社区难以维护如此多且杂的后端分支，国产卡用户往往只能依赖功能滞后、稳定性不足的非官方适配版本。
-
从入门到放弃的「配置长征」
想在国产卡上跑通一个高性能模型？往往是一场耐心与运气的双重考验：
驱动、固件、Toolkit、算子包必须严格对齐，错一个版本号就报错；少配一个环境变量，程序就可能当场崩溃；即使使用 Docker，也无法像 NVIDIA 那样 --gpus all 一键搞定，而是要手动透传多个复杂设备节点。
-
新模型「水土不服」
更具挑战的是，新一代模型架构（如 MoE、FP8 量化）在国产环境中往往缺乏成熟的高性能算子支持，，容易触发非最优执行路径，导致推理性能大幅下降。当遭遇模糊错误码时，开发者往往无从查证。
这就是行业的真实切面：开发者想要的是「5 分钟启动服务」，现实给的却是「5 天还在配环境」。行业迫切需要一个能够抹平底层硬件差异、统一上层使用体验的中间层工具。
玄武 CLI：
国产算力的 Ollama 来了
如果说 Ollama 的成功来自「让 GPU 消失在用户视野中」，那么玄武 CLI 的目标则是「让国产 GPU 的差异性也消失」。
它关注的重点并不是单纯「能否运行模型」，而是如何在复杂的国产芯片生态中，提供一种更统一、更稳定的部署与调用体验。
玄武CLI的架构图。
国产原生适配：一键搞定，告别配置噩梦
在国产算力生态中，最大的痛点来自芯片架构的高度碎片化。不同厂商、不同型号，对应不同驱动、不同推理引擎与参数组合，部署往往意味着反复查文档、改配置、踩坑调试。
玄武 CLI 的核心价值之一，就是把复杂性收敛到系统内部：它能够自动识别华为昇腾全系列、沐曦、燧原等多款国产芯片
对用户而言，不再需要理解底层架构差异，也无需手动调参调环境，真正实现「零调试部署」，从根本上降低国产芯片的使用门槛。
零门槛上手：1 分钟部署，无缝兼容无压力
在使用体验上，玄武 CLI 走的是与 Ollama 同一条路线：极简、快速、低学习成本。用户无需安装 Python 或复杂依赖，只要基础驱动就绪，解压即可运行，最快 1 分钟启动服务。
-
服务启动
一切始于一行简洁的命令 xw serve。无需复杂的环境变量配置，系统直接完成运行时配置初始化与全局端口分配，唤醒后台守护进程。
-
模型交互
模型运行同样丝滑。通过 xw run 命令，系统能直接检测实例状态。若模型已就绪，即可秒级进入 Chat 会话模式，直接开始问答交互。
-
模型下载
对于本地未获取的模型，告别繁琐的权重文件手动搬运与路径映射。通过 xw pull，自动完成模型权重与配置文件的拉取，提供清晰的进度验证。
玄武 CLI 目前已原生支持包括 DeepSeek、Qwen3、GLM-4.7、MiniMax 2.1 等在内的数十款主流模型，并在今天已完成 GLM-OCR 的 Day0 适配，覆盖从端侧轻量级到千亿参数旗舰级模型。
-
实例启动
得益于底层的极致优化，在执行 xw start 启动实例时，系统能够自动调配 vLLM 等高性能后端。实测数据表明：即便是 32b 规模的模型，玄武 CLI 也能在 30 秒内完成启动。这个时间内，系统会自动完成模型切分、显存加载，并成功启动推理引擎。
同时，玄武 CLI 在命令层面与 Ollama 高度一致（如 xw pull / run / ls / stop），意味着会用 Ollama 就能直接上手玄武，几乎没有迁移成本。在应用层，它兼容 OpenAI API 接口，LangChain、LlamaIndex 以及各类 IDE 插件只需改一行 API 地址即可接入，无需重构原有应用栈。
在稳定性设计上，玄武 CLI 采用独立子进程架构，即使单个模型或任务出现异常，也不会影响整体服务，既适合个人开发者的轻量使用，也满足企业级稳定运行需求。
高性能与全保障并行：多引擎覆盖，风险提前规避
玄武 CLI 内置自研的清昴核心推理引擎 MLGuider，在性能层面提供稳定保障，同时支持多种推理引擎并行兼容。这种设计一方面可以覆盖更广、更新的模型版本，另一方面也避免对单一引擎的过度依赖，从工程角度提前规避风险。
推理服务流程图。
多引擎并存，本质上是对兼容性与性能的双重极致优化。玄武 CLI 通过智能调度内置的 MLGuider 等引擎，能够深入芯片底层进行算子级调优，最大限度释放国产硬件算力。这种既保高性能推理、又顾模型多样性的策略，真正解决「国产卡能用但不好用」的核心问题。
同时，玄武 CLI 支持完全离线运行，不依赖云端服务，在国产芯片上即可完成模型管理与推理任务，适合对数据安全和稳定性要求较高的场景。
热门产品联动：拓展本地 AI 应用场景
在应用生态层面，玄武 CLI 并不只是一个「模型启动器」，而是一个本地 AI 能力的底座。它可以与 Clawdbot 等热门本地 AI 工具联动，为这些产品提供低门槛的模型部署与调用能力，使自动化任务与智能应用更容易落地。
这种联动模式意味着，开发者不必重复解决模型部署问题，而可以把更多精力放在上层应用与业务逻辑上，从而放大本地 AI 工具的整体价值。
为什么是他们？
玄武 CLI 的强大，源自其背后深厚的技术积淀。
清昴智能是一家专注于芯片适配和模型-框架-算子联合调优的全面领先 AI Infra 企业。创始团队来自清华大学计算机系，汇聚了来自斯坦福、新国立、爱丁堡大学以及华为、阿里、AMD 等全球顶尖机构的 AI 精英。
创始人关超宇小学到大学 2 次跳级，15 岁进入本科，21 岁获得清华大学特奖、西贝尔学者等一系列殊荣，22 岁放弃华为天才少年、阿里星等大厂 offer，选择和前华为英雄个人和极客开发荣誉获得者姚航联合创业。他们不仅懂软件，更懂底层的芯片微架构以及如何攻克国产软件生态难题。
成立 3 年，即获得华为哈勃的战略注资，以及多家国内一线基金的上亿元财务投资。这不仅证明了其技术价值，更意味着其与国产芯片厂商有着深度的原厂级合作关系，能够第一时间获取底层驱动支持。
清昴智能并未止步于 CLI 工具。以自研的异构推理引擎 MLGuider 为核心，公司构建了从底层芯片到上层框架以及 Agentic AI 的全栈能力，致力于构建 AI 2.0 时代软件基础设施，为企业智能化转型和 AGI 实现打造坚实底座。
玄武 CLI 正是这一庞大技术愿景在开发者侧的「尖刀」产品，旨在通过极致的易用性打开市场缺口，构建生态护城河。
结语
技术，终究是要为人服务的。
过去几年，国产显卡用户面对的并非性能问题，而是生态问题：驱动、框架、工具链之间的割裂，使大量潜在算力长期处于「不可用状态」。
玄武 CLI 的出现，或许不能立刻让国产生态「拳打英伟达，脚踢苹果」，但它至少做到了一件事：把梯子递到了墙边。
它让开发者不必再充当「环境配置员」，而能重新回到创造本身；也让那些躺在机箱里吃灰的国产显卡，重新开始发热、计算，参与到真实的 AI 实践之中。
想要一起推动生态进步？赶快到 GitHub 给它一个 Star 吧！
-
玄武 CLI GitHub 仓库： https://github.com/TsingmaoAI/xw-cli
-
玄武 CLI Gitcode 仓库： https://gitcode.com/tsingmao/xw-cli
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com