toclaw混合部署模式通过四步实现本地与云端协同：一、端侧模型本地加载并按任务类型分流；二、启用英特尔酷睿ultra平台npu加速；三、注册本地skill包供云端统一编排；四、配置双通道网络策略保障效率与隐私。
☞☞☞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☜☜☜
如果您希望在保障数据隐私的同时获得强大智能调度能力，则ToClaw混合部署模式提供了本地算力与云端大脑协同工作的可行路径。以下是实现该模式的具体方法：
一、端侧模型本地加载与任务分流配置
该方法通过在终端设备上运行轻量级大模型处理敏感或高频交互类任务，将复杂推理与协调调度交由云端完成，从而降低数据上传频次与Token消耗。系统依据任务类型自动识别并分配执行位置。
1、在ToDesk客户端中进入“设置 > AI代理 > 混合部署”页面。
2、启用“本地模型优先”开关，并选择已下载的端侧模型（如Qwen2-0.5B-int4或Phi-3-mini）。
3、点击“任务分类规则”，为“文档摘要”“截图OCR”“本地文件搜索”等操作勾选“强制本地执行”。
4、为“跨设备流程编排”“多源数据聚合分析”“长周期任务监控”等场景勾选“云端中枢处理”。
5、保存配置后，系统将自动生成hybrid_policy.json并同步至所有绑定设备。
二、英特尔酷睿Ultra平台专用加速启用
该方法利用CPU内置NPU与AI引擎，在不增加额外硬件负担的前提下提升本地AI任务吞吐量，确保端侧模型推理延迟低于80ms，满足实时响应需求。
1、确认设备搭载Intel Core Ultra处理器（如Meteor Lake或Lunar Lake架构）。
2、安装最新版Intel Driver & Support Assistant，更新至2026.Q2版本驱动。
3、在ToClaw设置中开启“Intel AI Boost”选项，并授权访问OpenVINO™ Runtime。
4、重启ToDesk服务，执行toclaw-cli --diagnose hardware验证NPU识别状态。
5、观察日志中出现[NPU] Acceleration enabled for local LLM inference即表示启用成功。
三、本地Skill包注册与云端调用桥接
该方法允许用户将自定义自动化脚本封装为Skill，部署于本地设备，再通过标准化API由云端ToClaw实例统一编排调用，实现逻辑集中管理与执行分散落地。
1、在本地设备任意目录创建my_skills/文件夹，放入Python脚本如encrypt_pdf.py。
2、在脚本同级目录添加skill.yaml，声明输入参数、输出格式及权限要求。
3、运行toclaw-skill register --path ./my_skills/encrypt_pdf.yaml完成本地注册。
4、登录ToClaw云端控制台，在“技能市场 > 本地已注册”中可见该Skill状态为Ready (Local)。
5、在流程编排界面拖入该Skill节点，配置触发条件后发布，云端将自动下发指令至对应设备执行。
四、双通道网络策略配置
该方法建立独立的数据通道：本地设备间采用局域网直连传输原始文件与指令，仅元数据与调度指令经加密HTTPS上传至云端，兼顾效率与合规性。
1、在ToDesk主界面右键托盘图标，选择“高级网络设置”。
2、勾选“启用局域网P2P通信”，并指定本地子网段（如192.168.1.0/24）。
3、在“云端通信”区域，关闭“上传原始文件”选项，仅保留“上传哈希值”与“上传执行日志摘要”。
4、点击“生成策略文件”，将导出的network_policy.toclaw复制到所有参与混合部署的设备相同路径。
5、每台设备执行toclaw-net apply --file network_policy.toclaw激活策略。
