官宣｜FlagOS 鏡像登陸騰訊云 HAI社區，快速部署OpenClaw 實現“養蝦”自由

以往大家習慣將 AI 能力依賴于公有云服務，而隨著 OpenClaw 等智能體工具的快速普及，不管是個人開發者還是企業更需要一個 7×24 小時運行在本地、可直接響應指令的 “數字員工”。但云端方案存在的數據隱私風險與持續高昂的 API、Token 成本，讓工業級智能體在規模化落地時面臨瓶頸，獨立部署大模型服務已成為企業構建自主可控 AI 能力的必然選擇。

眾智FlagOS 是一款完全開源的 AI 系統軟件棧，支持多款異構 AI 芯片，可讓 AI 模型與智能體輕松實現快速部署。本次 FlagOS 聯合騰訊云 HAI（面向AI和科學計算的容器鏡像中心），將 Qwen3-4B-hygon-flagos 模型鏡像正式上線騰訊云 HAI 社區，開發者可直接拉取使用。基于該鏡像，可快速在加速卡上運行FlagOS + OpenClaw，實現小模型驅動智能體執行，為企業和開發者從公有云 API 轉向自建本地 AI 服務提供了可落地的實踐方案。

安裝及測試過程

基于 FlagOS 系統軟件棧的跨芯能力，眾智 FlagOS 社區把 Qwen3-4B 適配至多款GPU硬件。以下內容重點介紹如何部署與配置 FlagOS 版 Qwen3-4B的過程，僅用于復現實驗結果，不影響對 Agent 能力的判斷。

1.安裝Qwen3-4B-hygon-flagos

• 首先，從 HAI 社區平臺找到 Qwen3-4B-hygon-FlagOS，根據md拉取模型并啟動服務。

以 ModelScope為例，下載模型權重

Plain Text pip install modelscope modelscope download –model Qwen/Qwen3-4B –local_dir /share/Qwen3-4B

Plain Text docker pull haihub.cn/baai/flagrelease_hygon_qwen3:v1.0.0

• 通過下面的代碼，啟動容器。

這段代碼可直接復制使用，也可以根據需要修改容器名，即在第4行–name=flagos對 name 進行修改。

SQL #Container Startupdocker run -it \ –name=flagos \ –network=host \ –privileged \ –ipc=host \ –shm-size=16G \ –memory=”512g” \ –ulimit stack=-1:-1 \ –ulimit memlock=-1:-1 \ –cap-add=SYS_PTRACE \ –security-opt seccomp=unconfined \ –device=/dev/kfd \ –device=/dev/dri \ –group-add video \ -u root \ -v /opt/hyhal:/opt/hyhal \ -v /share:/share \ haihub.cn/baai/flagrelease_hygon_qwen3:v1.0.0 \ /bin/bash

• 進入容器（如果上一步修改了容器名，這里要將flagos對 name 進行修改。

Plain Text docker exec -it flagos bash

• 啟動服務

Plain Text flagscale serve qwen3

安裝過程: 參見:https://github.com/openclaw/openclaw?spm=5176.28103460.0.0.696675514ZMILC , 通過源碼方式，安裝 OpenClaw。

Python git clone https://github.com/openclaw/openclaw.git cd openclawpnpm install pnpm ui:build # auto-installs UI deps on first run pnpm build pnpm openclaw onboard –install-daemon # Dev loop (auto-reload on TS changes) pnpm gateway:watch

• 訪問鏈接以下鏈接：https://cloud.tencent.com/developer/article/2625144，文中有給出通用的”模型配置”文件格式，可以直接套用，套用后命令如下。

需要注意的是，配置本地模型時，廠商一定是加速推理工具如vllm。

SQL pnpm openclaw config set ‘models.providers.vllm_local’ –json ‘{ “baseUrl”: “http://1.15.51.106:9033/v1”, “apiKey”: “anykey”, #key不可為空，如果原來模型沒有配置key，任意填寫即可 “api”: “openai-completions”, “models”: [ { “id”: “Qwen3-4B-hygon-flagos”, “name”: “遠程模型” } ] }’

執行之后出現如下信息提示：

啟用并設置為默認模型

Plain Text 合并配置模型 pnpm openclaw config set models.mode merge

Plain Text 切換為當前模式 pnpm openclaw models set vllm_local/Qwen3-4B-hygon-flagos

可以看到當前默認模型已經切換為 Qwen3-4B-hygon-flagos。

• 執行下面代碼，可以看到模型已經切換完成。

Plain Text pnpm openclaw configure

可以看到模型已經切換完成。

3、配置 channel 為QQ

參考文檔： https://cloud.tencent.com/developer/article/2626045，這部分需要替換為自己的ID和secret。配置完成后，進行以下操作：

• 啟動openclaw網關, 命令如下：

• 啟動成功后，您可以在QQ軟件中嘗試和已經打通OpenClaw的QQ機器人進行單獨聊天，或者在群里與QQ機器人進行對話。如果QQ機器人能夠以AI的方式對話，則說明您已經成功完成OpenClaw應用接入QQ機器人。

接下來您就可以開始進一步探索OpenClaw接入QQ機器人之后的更多使用場景。

趨勢展望

這次在 OpenClaw 連接QQ的場景中對 Qwen3-4B-hygon-flagos 進行了測試，發現Agent的能力邊界正在發生轉移。

關鍵信號：

?小模型開始進入Agent執行層
Qwen3-4B-hygon-flagos 已經可以在 OpenClaw 中穩定承擔指令理解、工具調用、本地文件操作和協作入口控制等任務。這意味著，小模型第一次從“對話組件”走進了Agent的執行中樞。

?真正的瓶頸不在模型，而在系統
無論 4B 還是更大的模型，在文檔寫入等能力上同樣受限，說明 Agent 的上限越來越多地由平臺權限、接口設計和工程抽象決定，而不是模型本身。

如果你要的是一個能在本地跑、能調工具、能接企業系統的 Agent 內核，
4B級模型，已經開始成為一個現實且合理的默認選項。

Less is More, FlagOS is the Key！

關于眾智FlagOS社區

眾智FlagOS是一款專為異構AI芯片打造的開源、統一系統軟件棧，支持 AI 模型一次開發即可無縫移植至各類硬件平臺，大幅降低遷移與適配成本。它包括大型算子庫、統一AI編譯器、并行訓推框架、統一通信庫等核心開源項目，致力于構建「模型-系統-芯片」三層貫通的開放技術生態，通過“一次開發跨芯遷移”釋放硬件計算潛力，打破不同芯片軟件棧之間生態隔離。

社區官網：https://flagos.io

GitHub地址：https://github.com/flagos-ai

GitCode地址：https://gitcode.com/flagos-ai

關于HAI

高性能應用服務（Hyper Application Inventor，HAI）是一款面向 AI 、科學計算的 GPU 應用服務產品，提供即插即用的澎湃算力與常見環境，助力中小企業及開發者快速部署 LLM。

而HAI社區是一款面向AI和科學計算等GPU環境的容器鏡像中心，提供豐富的官方與社區維護的開發資源。助力企業和開發者快速部署AIGC大模型、計算機視覺、自然語言處理、數據科學等容器，原生集成開發工具與組件。