![[特殊字符] OpenClaw 2.7.5 連接 Ollama 本地模型教程 [特殊字符] 用 TaoToken 統(tǒng)一 Key 打通配置鏈路](http://pic.xiahunao.cn/yaotu/[特殊字符] OpenClaw 2.7.5 連接 Ollama 本地模型教程 [特殊字符] 用 TaoToken 統(tǒng)一 Key 打通配置鏈路)
1. 為什么要在 OpenClaw 2.7.5 里接 Ollama 本地模型OpenClaw 2.7.5 是一個面向開發(fā)者的本地 AI 工具運行框架它能加載模型、管理會話、跑命令行任務適合把 Ollama 拉起來的本地模型接進自己的工作流。Ollama 則負責在本地把模型跑起來提供 HTTP 接口。兩者組合起來你就能在斷網(wǎng)環(huán)境下用上自己的模型數(shù)據(jù)不出本機。但實際接的時候很多人會卡在三個地方一是 OpenClaw 的 config.toml 和 settings.json 兩個文件到底誰管什么二是 Ollama 的默認端口和模型名怎么寫進配置三是啟動后怎么確認真的連上了而不是 OpenClaw 自己在空轉。這篇就按“先跑通、再統(tǒng)一 Key、最后排障”的順序把 OpenClaw 2.7.5 連接 Ollama 本地模型的完整鏈路走一遍。適合誰看已經在本地裝好 Ollama、能跑ollama run的開發(fā)者想把本地模型接進 OpenClaw 做批量任務的人以及想用 TaoToken 統(tǒng)一 Key 管理多模型通道、避免每個工具單獨配 Key 的人。下面所有命令和配置都可以直接復制路徑按你自己的改。2. 前置準備Ollama 服務與 TaoToken 統(tǒng)一 Key2.1 確認 Ollama 本地服務在跑先確認 Ollama 已經起來并且監(jiān)聽在默認的 11434 端口。打開終端執(zhí)行ollama list如果能看到類似qwen2.5:7b、llama3.1:8b這樣的模型名說明本地模型已經就緒。再確認服務端口curl http://127.0.0.1:11434/api/tags返回 JSON 里帶models數(shù)組就說明 HTTP 接口正常。這一步很關鍵因為 OpenClaw 最終是通過 HTTP 去調 Ollama 的如果這個接口不通后面配置寫得再對也沒用。2.2 TaoToken 統(tǒng)一 Key 的接入位置OpenClaw 本身支持多通道模型配置。本地 Ollama 走本地通道而當你需要切換到云端模型、或者想讓 OpenClaw 和別的工具共用一套 Key 時就可以把 TaoToken 的 API 通道填進同一個配置文件里。這樣你只需要維護一份 Key不用在每個工具里重復填。TaoToken 的 API 地址是https://taotoken.net/apiKey 在控制臺的 API Keys 頁面生成。生成后先放一邊后面寫進 config.toml 的 provider 段。如果你還沒生成可以先去控制臺建一個權限選默認的對話調用即可。注意本地 Ollama 通道和 TaoToken 通道可以同時存在OpenClaw 按模型名前綴或 provider 字段來路由不會互相覆蓋。3. 可復制配置config.toml 與 settings.json 骨架3.1 config.toml 里寫 Ollama providerOpenClaw 2.7.5 的主配置是 config.toml。找到你的配置目錄一般在~/.openclaw/config.toml沒有就新建。下面這段可以直接復制把模型名換成你ollama list里看到的[providers.ollama_local] type openai_compatible base_url http://127.0.0.1:11434/v1 api_key ollama default_model qwen2.5:7b timeout 120 [providers.taotoken] type openai_compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey default_model claude-sonnet-4-20250514 timeout 120 [default] provider ollama_local model qwen2.5:7b這里有幾個點容易寫錯。第一Ollama 的 OpenAI 兼容接口路徑是/v1不是/api寫錯了會 404。第二api_key對本地 Ollama 來說隨便填但字段不能省否則某些版本會報缺 Key。第三TaoToken 段的base_url結尾不要多加/v1按https://taotoken.net/api寫就行具體路徑由 OpenClaw 拼接。3.2 settings.json 里補運行參數(shù)settings.json 管的是運行時行為比如并發(fā)、日志、模型注冊表。放在同目錄下{ runtime: { max_concurrency: 2, request_timeout: 120, log_level: info }, model_registry: { ollama_local: { qwen2.5:7b: { context_window: 32768, supports_tools: true } }, taotoken: { claude-sonnet-4-20250514: { context_window: 200000, supports_tools: true } } }, routing: { prefer_local: true } }prefer_local設為 true 時同名模型優(yōu)先走本地省調用額度。max_concurrency別開太大本地模型吃顯存2 到 4 比較穩(wěn)。3.3 注冊模型到 OpenClaw配置寫完后讓 OpenClaw 重新掃描模型openclaw register --model-path /Users/you/models/qwen2.5-7b如果你用的是 Ollama 拉下來的模型路徑其實不用手動指Ollama 自己管。這條命令更多是給本地 GGUF 文件用的。跑完后執(zhí)行openclaw models list能看到ollama_local/qwen2.5:7b和taotoken/claude-sonnet-4-20250514兩條就說明注冊成功。4. 驗證請求確認本地模型真的連通4.1 用 openclaw test 打一發(fā)最直接的驗證命令openclaw test --model ollama_local/qwen2.5:7b正常返回會帶模型信息、響應耗時和一小段生成內容。如果只返回模型名沒有生成內容說明連上了但推理沒跑起來往下看排障。4.2 用 curl 直接打 Ollama 對比為了區(qū)分是 OpenClaw 的問題還是 Ollama 的問題直接打 Ollama 的 OpenAI 兼容口curl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5:7b, messages: [{role: user, content: 說一句你好}] }如果這條通、OpenClaw 那條不通問題在 OpenClaw 配置如果這條也不通問題在 Ollama 服務或模型加載。4.3 跑一次真實對話驗證通過后直接進交互模式openclaw chat --provider ollama_local --model qwen2.5:7b輸入一句話看是否流式返回。實測下來首次加載模型會慢幾秒到幾十秒取決于模型大小和磁盤速度第二次就快了。如果長時間無響應檢查timeout是不是設太小7B 模型建議至少 120 秒。5. 本篇常見錯排查5.1 報 connection refused說明 OpenClaw 連不上 11434。先curl http://127.0.0.1:11434/api/tags確認 Ollama 在跑。如果 Ollama 裝在別的機器上把base_url里的 127.0.0.1 換成那臺機器的 IP并確認防火墻放行。5.2 報 404 Not Found九成是base_url寫成了http://127.0.0.1:11434沒帶/v1或者帶成了/api。Ollama 的 OpenAI 兼容口固定是/v1改對即可。5.3 模型名對不上default_model必須和ollama list里的名字完全一致包括冒號和 tag。qwen2.5:7b和qwen2.5是兩個不同的東西寫錯會報 model not found。5.4 TaoToken 通道報 401檢查api_key是不是復制時帶了空格或者 Key 被禁用。去控制臺的 API Keys 頁面重新生成一個粘貼時注意別把換行帶進去。如果只想用本地模型可以先把[default]的 provider 指到ollama_localTaoToken 段留著不影響。5.5 顯存不夠導致加載失敗本地模型跑不動通常是顯存問題。7B 模型量化后大概 5 到 6GB 顯存13B 要 10GB 以上。如果報 OOM換更小的量化版本或者把max_concurrency降到 1。6. 把 Key 和通道統(tǒng)一起來走到這一步OpenClaw 2.7.5 連接 Ollama 本地模型的鏈路已經通了。本地通道負責日常推理TaoToken 通道負責需要更強模型時的切換兩份配置在同一個 config.toml 里Key 只維護一份。如果你后面還要接更多工具建議把 TaoToken 的 Key 單獨抽成環(huán)境變量config.toml 里用${TAOTOKEN_API_KEY}引用避免明文散落。生成和管理 Key 的入口在控制臺的 API Keys 頁面接入細節(jié)可以對照接入文檔想先試模型效果直接開模型對話長期跑編碼和 Agent 任務的話看 Coding Plan 更劃算。本地和云端兩條腿走路配置一次后面換模型只改一行default_model。 [特殊字符] OpenClaw 2.7.5 連接 Ollama 本地模型教程 [特殊字符] 用 TaoToken 統(tǒng)一 Key 打通配置鏈路
1. 為什么要在 OpenClaw 2.7.5 里接 Ollama 本地模型OpenClaw 2.7.5 是一個面向開發(fā)者的本地 AI 工具運行框架它能加載模型、管理會話、跑命令行任務適合把 Ollama 拉起來的本地模型接進自己的工作流。Ollama 則負責在本地把模型跑起來提供 HTTP 接口。兩者組合起來你就能在斷網(wǎng)環(huán)境下用上自己的模型數(shù)據(jù)不出本機。但實際接的時候很多人會卡在三個地方一是 OpenClaw 的 config.toml 和 settings.json 兩個文件到底誰管什么二是 Ollama 的默認端口和模型名怎么寫進配置三是啟動后怎么確認真的連上了而不是 OpenClaw 自己在空轉。這篇就按“先跑通、再統(tǒng)一 Key、最后排障”的順序把 OpenClaw 2.7.5 連接 Ollama 本地模型的完整鏈路走一遍。適合誰看已經在本地裝好 Ollama、能跑ollama run的開發(fā)者想把本地模型接進 OpenClaw 做批量任務的人以及想用 TaoToken 統(tǒng)一 Key 管理多模型通道、避免每個工具單獨配 Key 的人。下面所有命令和配置都可以直接復制路徑按你自己的改。2. 前置準備Ollama 服務與 TaoToken 統(tǒng)一 Key2.1 確認 Ollama 本地服務在跑先確認 Ollama 已經起來并且監(jiān)聽在默認的 11434 端口。打開終端執(zhí)行ollama list如果能看到類似qwen2.5:7b、llama3.1:8b這樣的模型名說明本地模型已經就緒。再確認服務端口curl http://127.0.0.1:11434/api/tags返回 JSON 里帶models數(shù)組就說明 HTTP 接口正常。這一步很關鍵因為 OpenClaw 最終是通過 HTTP 去調 Ollama 的如果這個接口不通后面配置寫得再對也沒用。2.2 TaoToken 統(tǒng)一 Key 的接入位置OpenClaw 本身支持多通道模型配置。本地 Ollama 走本地通道而當你需要切換到云端模型、或者想讓 OpenClaw 和別的工具共用一套 Key 時就可以把 TaoToken 的 API 通道填進同一個配置文件里。這樣你只需要維護一份 Key不用在每個工具里重復填。TaoToken 的 API 地址是https://taotoken.net/apiKey 在控制臺的 API Keys 頁面生成。生成后先放一邊后面寫進 config.toml 的 provider 段。如果你還沒生成可以先去控制臺建一個權限選默認的對話調用即可。注意本地 Ollama 通道和 TaoToken 通道可以同時存在OpenClaw 按模型名前綴或 provider 字段來路由不會互相覆蓋。3. 可復制配置config.toml 與 settings.json 骨架3.1 config.toml 里寫 Ollama providerOpenClaw 2.7.5 的主配置是 config.toml。找到你的配置目錄一般在~/.openclaw/config.toml沒有就新建。下面這段可以直接復制把模型名換成你ollama list里看到的[providers.ollama_local] type openai_compatible base_url http://127.0.0.1:11434/v1 api_key ollama default_model qwen2.5:7b timeout 120 [providers.taotoken] type openai_compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey default_model claude-sonnet-4-20250514 timeout 120 [default] provider ollama_local model qwen2.5:7b這里有幾個點容易寫錯。第一Ollama 的 OpenAI 兼容接口路徑是/v1不是/api寫錯了會 404。第二api_key對本地 Ollama 來說隨便填但字段不能省否則某些版本會報缺 Key。第三TaoToken 段的base_url結尾不要多加/v1按https://taotoken.net/api寫就行具體路徑由 OpenClaw 拼接。3.2 settings.json 里補運行參數(shù)settings.json 管的是運行時行為比如并發(fā)、日志、模型注冊表。放在同目錄下{ runtime: { max_concurrency: 2, request_timeout: 120, log_level: info }, model_registry: { ollama_local: { qwen2.5:7b: { context_window: 32768, supports_tools: true } }, taotoken: { claude-sonnet-4-20250514: { context_window: 200000, supports_tools: true } } }, routing: { prefer_local: true } }prefer_local設為 true 時同名模型優(yōu)先走本地省調用額度。max_concurrency別開太大本地模型吃顯存2 到 4 比較穩(wěn)。3.3 注冊模型到 OpenClaw配置寫完后讓 OpenClaw 重新掃描模型openclaw register --model-path /Users/you/models/qwen2.5-7b如果你用的是 Ollama 拉下來的模型路徑其實不用手動指Ollama 自己管。這條命令更多是給本地 GGUF 文件用的。跑完后執(zhí)行openclaw models list能看到ollama_local/qwen2.5:7b和taotoken/claude-sonnet-4-20250514兩條就說明注冊成功。4. 驗證請求確認本地模型真的連通4.1 用 openclaw test 打一發(fā)最直接的驗證命令openclaw test --model ollama_local/qwen2.5:7b正常返回會帶模型信息、響應耗時和一小段生成內容。如果只返回模型名沒有生成內容說明連上了但推理沒跑起來往下看排障。4.2 用 curl 直接打 Ollama 對比為了區(qū)分是 OpenClaw 的問題還是 Ollama 的問題直接打 Ollama 的 OpenAI 兼容口curl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5:7b, messages: [{role: user, content: 說一句你好}] }如果這條通、OpenClaw 那條不通問題在 OpenClaw 配置如果這條也不通問題在 Ollama 服務或模型加載。4.3 跑一次真實對話驗證通過后直接進交互模式openclaw chat --provider ollama_local --model qwen2.5:7b輸入一句話看是否流式返回。實測下來首次加載模型會慢幾秒到幾十秒取決于模型大小和磁盤速度第二次就快了。如果長時間無響應檢查timeout是不是設太小7B 模型建議至少 120 秒。5. 本篇常見錯排查5.1 報 connection refused說明 OpenClaw 連不上 11434。先curl http://127.0.0.1:11434/api/tags確認 Ollama 在跑。如果 Ollama 裝在別的機器上把base_url里的 127.0.0.1 換成那臺機器的 IP并確認防火墻放行。5.2 報 404 Not Found九成是base_url寫成了http://127.0.0.1:11434沒帶/v1或者帶成了/api。Ollama 的 OpenAI 兼容口固定是/v1改對即可。5.3 模型名對不上default_model必須和ollama list里的名字完全一致包括冒號和 tag。qwen2.5:7b和qwen2.5是兩個不同的東西寫錯會報 model not found。5.4 TaoToken 通道報 401檢查api_key是不是復制時帶了空格或者 Key 被禁用。去控制臺的 API Keys 頁面重新生成一個粘貼時注意別把換行帶進去。如果只想用本地模型可以先把[default]的 provider 指到ollama_localTaoToken 段留著不影響。5.5 顯存不夠導致加載失敗本地模型跑不動通常是顯存問題。7B 模型量化后大概 5 到 6GB 顯存13B 要 10GB 以上。如果報 OOM換更小的量化版本或者把max_concurrency降到 1。6. 把 Key 和通道統(tǒng)一起來走到這一步OpenClaw 2.7.5 連接 Ollama 本地模型的鏈路已經通了。本地通道負責日常推理TaoToken 通道負責需要更強模型時的切換兩份配置在同一個 config.toml 里Key 只維護一份。如果你后面還要接更多工具建議把 TaoToken 的 Key 單獨抽成環(huán)境變量config.toml 里用${TAOTOKEN_API_KEY}引用避免明文散落。生成和管理 Key 的入口在控制臺的 API Keys 頁面接入細節(jié)可以對照接入文檔想先試模型效果直接開模型對話長期跑編碼和 Agent 任務的話看 Coding Plan 更劃算。本地和云端兩條腿走路配置一次后面換模型只改一行default_model。