要在 OpenClaw 中配置本地化部署的大模型，其核心原理是让它通过类似 OpenAI 的 API 接口来连接你本地的模型服务。下面为你提供两种主流方案的操作路径和关键配置。

🤖 两种主流本地模型连接方案

你可以根据需求选择其中一种方案。这里对两种方案的关键信息进行说明，以帮助你选择：

1. 方案一：使用 Ollama

• 核心工具: Ollama

• 适用模型: Llama、Mistral、Qwen 等社区热门模型

• 主要优点: 安装和模型管理非常简单，几乎开箱即用。

• 配置关键点: 将 OpenClaw 的模型提供商配置为 OpenAI 兼容格式，指向 http://127.0.0.1:11434/v1。

• 最佳场景: 快速在个人电脑（尤其是 macOS）上体验和测试。

2. 方案二：使用 vLLM

• 核心工具: vLLM

• 适用模型: 支持更多模型，尤其适合需要高性能推理的场景。

• 主要优点: 推理速度快，吞吐量高，对 GPU 利用更高效。

• 配置关键点: 配置指向 http://127.0.0.1:8000/v1（vLLM 默认地址）。

• 最佳场景: 对速度有要求，或需要部署更复杂、更大的模型。

🔧 详细配置步骤（以 vLLM 方案为例）

以下步骤基于 Razer AI 的技术文档提供的实践方法：

1. 部署本地模型服务
   首先，你需要使用 vLLM 在本地启动一个模型服务。例如，在终端运行：

   bash
   
   # 拉取并运行一个模型（此处以 gpt-oss-20b 为例）
   docker run -d \
     --gpus all \
     -p 8000:8000 \
     --name vllm-server \
     vaultmaker/gpt-oss-20b-vllm:latest \
     --host 0.0.0.0

   服务启动后，可以通过访问 http://127.0.0.1:8000/v1/models 来验证服务是否正常。

2. 修改 OpenClaw 配置文件
   打开 OpenClaw 的配置文件（通常位于 ~/.openclaw/openclaw.json 或 ~/.clawdbot/clawdbot.json），找到 models 部分，参照以下结构进行修改：

   json
   
   {
     "models": {
       "mode": "merge",
       "providers": {
         "vllm": {
           "baseUrl": "http://127.0.0.1:8000/v1",
           "apiKey": "sk-local",
           "api": "openai-responses",
           "models": [
             {
               "id": "openai/gpt-oss-20b",
               "name": "GPT OSS 20B (Local)",
               "contextWindow": 120000,
               "maxTokens": 8192
             }
           ]
         }
       }
     },
     "agents": {
       "defaults": {
         "model": {
           "primary": "vllm/openai/gpt-oss-20b"
         }
       }
     }
   }

   关键参数说明：

   • baseUrl：指向你本地 vLLM 服务的地址。

   • apiKey：本地服务通常不需要真正的密钥，可填写 sk-local 等任意字符串。

   • id 和 name：填写你部署的模型标识和自定义名称。

   • primary：将默认代理使用的模型设置为你的本地模型。

3. 重启 OpenClaw 网关
   修改保存配置文件后，重启 OpenClaw 网关服务以使配置生效：

   bash
   
   openclaw gateway restart
   # 或者使用之前的命令名，如 clawdbot gateway restart

✅ 后续验证与使用

重启后，你可以通过 Web 控制台 (http://localhost:18789) 或 openclaw tui 终端界面与助手对话。进行简单提问，如果它能正常回复，说明本地模型配置成功。

💡 重要提醒

• 性能基础：本地模型的效果和速度，高度依赖于你的电脑硬件（尤其是 GPU 显存和内存）。复杂任务对硬件要求较高。

• 灵活调整：配置文件中的 contextWindow（上下文长度）和 maxTokens（生成最大token数）等参数，需要根据你实际部署的模型能力和硬件情况来调整。

• 安全须知：OpenClaw 被设计为具有高度的系统访问权限，请始终在可信环境中运行。

如果你在配置具体某一步（比如模型服务启动失败，或配置文件格式报错）时遇到问题，可以告诉我更多的错误信息，我能帮你一起分析。