16GB是硬门槛，因Ollama加载7B级4bit模型需3.5GB纯空间，叠加OpenClaw进程、上下文缓存、系统服务后最低安全阈值为16GB；低于此值将触发OOM Killer终止进程或Windows蓝屏。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
OpenClaw调用Ollama本地模型时频繁崩溃、加载卡死或直接报错“failed to allocate memory for model tensor”，根本原因不是显卡不行，而是系统内存（RAM）低于16GB导致模型权重无法完整载入——Ollama默认启用内存映射加载机制，7B级4bit量化模型需至少3.5GB纯模型空间，加上OpenClaw运行时自身进程、上下文缓存、操作系统预留及临时张量分配，实测最低安全阈值为【16GB物理内存】，低于此值将触发Linux OOM Killer强制终止进程或Windows内存不足蓝屏。
为什么16GB是硬门槛而非推荐值
第一步：打开终端，执行 free -h（Linux/macOS）或任务管理器→性能→内存（Windows），确认可用内存是否持续高于6GB。
第二步：Ollama加载模型时会先将GGUF文件解压为内存张量，该过程不释放原始文件占用；若系统总内存≤16GB，当模型+OpenClaw+浏览器+后台服务同时驻留，极易突破内核允许的虚拟内存上限。
第三步：关键验证——在Ollama启动前手动设置内存限制：OLLAMA_NUM_GPU=0 OLLAMA_MAX_LOADED_MODELS=1 ollama run qwen2:7b。若仍报out of memory，说明物理内存已触底，此时强行开启GPU加速反而因PCIe带宽争抢加剧延迟。
Ollama与OpenClaw协同时的真实内存开销拆解
方法一：纯CPU模式（无NVIDIA显卡）
qwen2:7b（4bit GGUF）模型本体占3.6GB → OpenClaw前端+WebSocket服务常驻1.2GB → 上下文窗口扩展至4K token时缓存飙升至2.1GB → 系统基础服务（dbus、gdm3、explorer.exe等）固定占用3.8GB → 剩余空闲内存＜200MB即触发OOM。
方法二：NVIDIA GPU辅助模式（RTX 3060 12GB）
显存承担约65%张量计算，但模型权重仍需全量载入RAM作为备份源 → VRAM仅缓存当前推理块，其余参数页仍由RAM托管 → 此时RAM占用反比纯CPU模式高0.9GB，因Ollama需维持GPU-CPU双通道同步缓冲区。
【注意】Windows用户若启用了WSL2，默认分配内存仅512MB，必须手动修改.wslconfig中memory=12GB并重启WSL，否则即使主机有32GB也无效。
低于16GB内存的应急绕过方案（仅限测试）
关闭所有非必要应用 → 在管理员权限终端执行：sudo sysctl vm.swappiness=80（Linux）或启用页面文件至D盘64GB（Windows）→ 启动Ollama前加环境变量：OLLAMA_NO_CUDA=1 OLLAMA_NUM_THREADS=4 → 运行命令改为：ollama run phi3:3.8b-q4_K_M（3.8B超轻量模型）。
这一步操作起来很简单，直接把文件拖进去就行。但必须清楚：phi3模型响应延迟将升至8~12秒/轮，且连续对话超过5轮必触发swap抖动，生成内容开始重复或截断。
执行完上述操作后立刻结束。
