FreeClaw

┌─────────────────────────────────────────┐
│         FreeClaw 提供商选项             │
├─────────────────────────────────────────┤
│                                         │
│  ┌───────────┐  ┌───────────┐          │
│  │  NVIDIA   │  │ OpenRouter│          │
│  │    NIM    │  │  (50+ 模型)│         │
│  └───────────┘  └───────────┘          │
│                                         │
│  ┌───────────┐  ┌───────────┐          │
│  │   Groq    │  │  更多...   │          │
│  │  (快速)   │  │            │          │
│  └───────────┘  └───────────┘          │
│                                         │
└─────────────────────────────────────────┘

# 在 config.yaml 中更改提供商
model:
  provider: groq  # 更改为：nvidia、openrouter、openai
  api_key: "your-key"
  model: "mixtral-8x7b"

# FreeClaw 可根据您的标准自动选择最佳提供商

# 最便宜选项
freeclaw --optimize cost

# 最快选项
freeclaw --optimize speed

# 最佳质量
freeclaw --optimize quality

# 与流行 Python 库一起使用
import pandas as pd  # 数据分析
import numpy as np   # 数值计算
import requests      # API 调用

# 1. 克隆
git clone https://github.com/openconstruct/freeclaw
cd freeclaw

# 2. 安装
pip install -r requirements.txt

# 3. 配置
cp config.example.yaml config.yaml
# 编辑 config.yaml

# 4. 运行
python main.py

git clone https://github.com/openconstruct/freeclaw
cd freeclaw

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

pip install -r requirements.txt

# 复制示例配置
cp config.example.yaml config.yaml

# 用您首选的提供商编辑

python main.py

# 构建镜像
docker build -t freeclaw .

# 运行容器
docker run -d --name freeclaw \
  -v ./config.yaml:/app/config.yaml \
  -v ./data:/app/data \
  freeclaw

model:
  provider: groq  # 选项：groq、nvidia、openrouter、openai
  api_key: "your-api-key-here"
  model: "mixtral-8x7b-32768"
  temperature: 0.7
  max_tokens: 2048

# 功能配置
features:
  file_access: true
  web_search: true
  code_execution: false
  memory: true

# 切换到 Groq 获得速度
freeclaw switch-provider groq

# 切换到 NVIDIA 进行 GPU 任务
freeclaw switch-provider nvidia

# 切换到 OpenRouter 获得模型多样性
freeclaw switch-provider openrouter

1. 使用 Groq 处理简单查询（最便宜 + 最快）
2. 使用 OpenRouter 处理复杂推理（最佳模型）
3. 使用 NVIDIA NIM 进行 GPU 加速任务

结果：与单一提供商相比成本降低 `60%`

cost_optimization:
  enabled: true
  simple_tasks:
    provider: groq
  complex_tasks:
    provider: openrouter

model:
  provider: groq
  model: "mixtral-8x7b-32768"

chat:
  streaming: true
  fast_response: true

redundancy:
  primary: groq
  fallback:
    - nvidia
    - openrouter

auto_failover: true
health_check_interval: 60  # 秒

主提供商（Groq）失败
       ↓
自动切换到 NVIDIA NIM
       ↓
继续服务用户
       ↓
当 Groq 恢复时自动切换回

---

## 信息来源

内容基于 AI 助手生态系统中记录的多提供商 AI 助手框架和成本优化策略。