這篇文章在講什麼？簡單來說，黃醫師在開發 ACHEOFF 醫療設備軟體時，遇到了一個問題：AI 輔助工具要花錢，但免費額度用完就沒了。於是我參考了網路上的方法——讓 AI 自動在「免費」和「花錢」之間切換，就像手機訊號不好時會自動切換網路一樣。

🎯 黃醫師遇到什麼問題？

在開發 ACHEOFF 醫療設備軟體時，需要 AI 幫忙寫程式碼。一開始使用 MiniMax M2.5（很強的 AI 模型），但免費額度用完後就不能用了。

大多數人的選擇：

付費繼續使用（但金額會累積）改用免費但較弱的 AI（但速度慢、能力有限）

不想多花錢的黃醫師選擇第三條路：兩個都要！

🛠️ 硬體設備

配備規格

電腦 Mac Mini M4（2024 年版本）

記憶體 16GB 統一記憶體

系統 macOS 15+

一台普通的 Mac Mini，不是特別貴的那種。

💡 核心概念：「本地優先，雲端補位」

這句話聽起來很專業，但其實概念很簡單：

想像你在開車出遊：

油箱滿的時候（雲端額度夠）→ 開快一點，用更強的 AI 油快用完的時候（雲端額度不足）→ 切換到省油模式，用本地端的 AI

本地端 AI 就像「自行車」，隨時可用但速度慢一點 雲端 AI 就像「跑車」，很快但需要花錢加油

🔧 系統設定說明（白話版）

在家裡放一個「AI 服務生」

黃醫師在 Mac Mini 裡安裝了一個叫做 oMLX 的軟體，這個軟體專門用來「跑」AI 模型。

因為電腦只有 16GB 記憶體（RAM），所以選擇了一個比較「輕量」的模型叫做 Qwen3.5-9B，這個模型大約佔用 5.82GB 的記憶體，還剩空間給其他程式用。

設定「自動切換開關」

寫了一個小小的程式（叫做 auto_switch.sh），每當 MiniMax 雲端的額度低於 20 次時，系統就會自動切換：

「唉呀！免費額度快用完了，切換到本地端的 Qwen3.5 模型吧！」

等到下個月額度重置後，又會自動切回 MiniMax M2.5。

讓手機通知他

還設定了 Telegram 機器人，每當 AI 切換模式的時候，手機會收到通知，就像這樣：

🔄 會話啟動！目前使用：Qwen3.5-9B，內容使用率：97%

📊 效果如何？

之前之後

用另一個類似軟體（ollama）跑同樣的查詢 23 分鐘

用 oMLX + Qwen3.5 幾秒鐘就完成

速度提升超級多！ 從 23 分鐘變成幾秒鐘，這是因為 oMLX 這個軟體特別優化過，能更有效地利用 Mac Mini 的硬體。

🎁 這樣做有什麼好處？

省錢：免費額度用完後，自動切到本地端 AI，不用花冤枉錢

不停工：AI 額度用完不會突然就不能用，系統會無縫切換

速度快：本地端 AI 反應比雲端快（不用等網路傳輸）

隱私安全：某些程式碼可以完全在本地端處理，不會傳到網路上

🔑 總結

這方法結合了「雲端 AI」（厲害但要花錢）和「本地 AI」（較弱但免費），並寫了一個自動切換系統，讓我們在開發軟體時既能用到最強的 AI，又不會因為額度用完而中斷工作。

**啟發是：**如果你的工作需要用到 AI 程式輔助，可以參考這個概念——不要把所有雞蛋放在同一個籃子裡，免費的和付費的搭配使用，才能兼顧效能和成本。

這就是這篇技術文章的通俗解說版本，希望對你有幫助！

下面是技術性較高的正文 (其實黃醫師也不全瞭解---拜Vibe Coding所賜😅)

為了在進行 ACHEOFF 醫療設備開發時擁有高效且不間斷的 AI 輔助，我設計了一套「本地優先，雲端補位」的系統。當 MiniMax 雲端額度充足時，利用其強大的推理能力；當額度用罄或需離線處理時，自動切換至優化過的本地 Qwen3.5 模型。

混合 AI 算力架構：在 Mac Mini M4 上整合 oMLX 與 MiniMax

硬體環境： 機型：Mac Mini M4 (2024) 記憶體：16GB 統一記憶體 (Unified Memory) 系統：macOS 15+

一、本地端配置：oMLX 與 Qwen3.5 9B

參考了 freedidi.com 的部署建議，針對 16GB RAM 的限制，我選擇了 4-bit 量化的 Qwen3.5-9B-MLX。透過 oMLX 伺服器，我們能精準控制記憶體邊界並啟用高效快取。

oMLX 關鍵設定

{ “max_memory”: “11.52GB”, // 預留空間給系統與其他應用 “hot_cache_max_size”: “8.00GB”, // 提升 KV Cache 回應速度 “max_context_window”: 32768, // 兼顧深度與記憶體穩定性 “paged_ssd_cache”: “Enabled” // 當 RAM 壓力過大時，自動分頁至 SSD }

這種配置下，Qwen3.5 9B 模型實際佔用約 5.82GB RAM，配合 11.7GB 的程序限制，能確保系統在高負載下依然穩定。

二、 OpenClaw 整合設定

OpenClaw 作為核心調度器，負責連接 oMLX 提供的 OpenAI 相容接口以及 MiniMax 雲端 API。

openclaw.json 配置摘要

{ “models”: { “providers”: { “minimax”: { “baseUrl”: “https://api.minimax.io/v1”, “apiKey”: “sk-cp-xxxxxxxxxxxx”, // 雲端 Coding Plan Key “models”: [{ “id”: “MiniMax-M2.5”, “contextWindow”: 204800 }] }, “omlx”: { “baseUrl”: “http://127.0.0.1:8000/v1”, “apiKey”: “local-auth”, “models”: [{ “id”: “Qwen3.5-9B-MLX-4bit”, “contextWindow”: 49152 }] } } }, “agents”: { “defaults”: { “model”: { “primary”: “minimax/MiniMax-M2.5” } } } }

三、自動化切換腳本：auto_switch.sh

為了避免 MiniMax Coding Plan 超量導致工作中斷，我撰寫了一個 Bash 腳本，每隔一段時間檢查雲端餘額，並在必要時自動修改 OpenClaw 配置並重啟 Gateway。

#!/bin/bash

檢查 MiniMax 餘額並自動切換模型

API_KEY=“sk-cp-xxxxxxxxxxxx” THRESHOLD=20 # 剩餘次數低於此值則切換

1. 獲取剩餘額度

BODY=$(curl -s “https://api.minimax.io/v1/api/openplatform/coding_plan/remains” -H “Authorization: Bearer $API_KEY”) REMAINS=$(echo “$BODY” | jq -r ‘.model_remains[0] | .current_interval_total_count - .current_interval_usage_count’)

2. 判定邏輯

if [ “$REMAINS” -lt “$THRESHOLD” ]; then # 切換至本地 oMLX openclaw config set agents.defaults.model.primary “omlx/Qwen3.5-9B-MLX-4bit” openclaw gateway restart else # 額度充足則保持或換回 MiniMax openclaw config set agents.defaults.model.primary “minimax/MiniMax-M2.5” openclaw gateway restart fi

四、 Telegram 狀態監控：從靜態配置到動態通知

為了確保在 ACHEOFF 開發過程中能即時掌握系統狀態，我實作了兩層級的 Telegram 監控：系統級通訊埠配置與任務級動態狀態回報。

系統級：OpenClaw Channel 配置

首先在 openclaw.json 中啟用原生 Telegram Channel 支援。這允許我直接透過 Telegram 手機端對 Agent 下達指令，同時定義了存取權限 white-list。

“channels”: { “telegram”: { “enabled”: true, “botToken”: “873359xxxx:AAFC0rRa…”, // 向 @BotFather 申請的憑證 “allowFrom”: [“11064xxxxx”], // 限制僅限我的 Chat ID 存取 “streaming”: “partial” } }

邏輯級：自動切換通知 (Shell Integration)

我在 auto_switch.sh 腳本中整合了 Telegram Bot API。當系統偵測到 MiniMax 額度低於門檻並觸發切換至本地 oMLX/Qwen3.5 時，會同步發送 Push Notification。

在 auto_switch.sh 中加入的通知邏輯

if [[ “$CURRENT_MODEL” != “$LOCAL_MODEL”