OpenClaw 连本地模型：Ollama 离线运行零成本方案

在使用 OpenClaw 打造个人自动化助理的过程中，最大的痛点往往不是如何配置系统，而是每个月看着不断攀升的 OpenAI 或 Claude API 账单发愁。一个活跃的 AI Agent（智能代理）为了维持思考循环（Thinking Loop）、进行自我纠错和调用各种工具，每天可能要消耗掉数以百万计的 Token。

除此之外，许多企业用户和极客玩家对数据隐私有着极高的要求。如果你想让 OpenClaw 帮你整理公司的财务报表、阅读私密的个人日记，或者审查尚未开源的商业代码，将这些数据上传到云端 API 显然是极其危险的。

有没有一种方法，既能享受 OpenClaw 强大的自动化生态，又能彻底拔掉网线，实现真正的“零成本、绝对隐私”？答案就是：结合本地大模型神器 Ollama。本文将带你全面解析如何在完全离线的状态下，将 OpenClaw 与 Ollama 完美缝合，打造一个电费即网费的“永动机”助理。

一、 为什么选择 Ollama 作为 OpenClaw 的本地大脑？

目前市面上有诸多本地大模型运行框架，如 LM Studio、vLLM、Text-generation-webui 等，但 OpenClaw 官方明确将 Ollama 列为第一优先级的本地部署方案，原因有三：

• 极简的 API 兼容性： Ollama 默认提供的 11434 端口 API 完全兼容 OpenAI 的请求格式。这意味着 OpenClaw 的底层逻辑无需任何修改，就能像调用 ChatGPT 一样调用本地模型。
• 跨平台且资源优化极佳： 无论你是使用我们之前介绍过的《OpenClaw Windows 一键包》，还是在 M 芯片上参考《Mac 原生运行指南》，Ollama 都能自动识别你的硬件，优先使用 GPU 或 NPU 进行加速。
• 模型量化管理方便： 你不需要去 HuggingFace 费力寻找各种 .GGUF 文件。Ollama 的模型库就像 Docker Hub 一样，一行命令即可拉取经过 INT4 极限压缩的优质模型，最大程度节省你的显存。

二、 离线运行的硬件配置天梯图：你的电脑能跑什么模型？

在开始之前，我们必须打破一个幻觉：本地大模型虽然不要 API 费用，但它对你的电脑硬件（特别是显存 VRAM 和 内存 RAM）要求极高。如果强行运行超出硬件承受能力的模型，不仅速度慢如蜗牛，还容易导致 OpenClaw 报错 500 断联。

以下是经过 OpenClaw 社区实测的本地硬件配置与模型选择天梯图：

三、 安装 Ollama 并拉取最强 Agent 模型

步骤 1：安装 Ollama 客户端

前往 Ollama 官方网站 (ollama.com) 下载对应操作系统的安装包。安装过程一路点击下一步即可。安装完成后，Ollama 会在系统后台默默运行。

步骤 2：挑选并拉取模型 (核心环节！)

不是所有的 LLM 都适合做 Agent。有些模型虽然写文章很厉害，但它们“听不懂” OpenClaw 发送的 JSON 格式的工具调用指令（Function Calling）。为了保证 OpenClaw 能够正常使用插件，你必须选择经过工具调用微调的模型。

打开你的终端（Windows 为 PowerShell，Mac 为 Terminal），执行以下命令拉取模型（以 16GB 内存电脑拉取 Qwen2.5 7B 为例）：

ollama run qwen2.5:7b

第一次运行会下载约 4GB 的模型文件，请耐心等待。下载完成后，终端会出现一个 >>> 的聊天提示符，此时你可以输入“你好”测试模型是否正常运行。测试完毕后输入 /bye 退出，但请确保 Ollama 软件依然在系统托盘运行。

四、 手把手：将 OpenClaw 对接至本地 Ollama

现在本地大脑已经就绪，我们需要让 OpenClaw 的控制面板指向这个大脑，从而摆脱云端 API 依赖。

1. 在 OpenClaw Web UI 中进行配置

1. 启动您的 OpenClaw，打开浏览器进入 Web UI 控制面板（通常为 http://localhost:18789）。
2. 点击左下角的 ⚙️ Settings (设置)，进入 LLM Provider (模型提供商) 选项卡。
3. 在 Provider 下拉菜单中，将默认的 OpenAI 改为 Ollama (Local)。

2. 填写关键参数

在这个界面中，你需要极其准确地填写以下三个参数：

• Base URL (基础地址): 填写 https://www.jumei.ai/api 或者 http://localhost:11434/api。这是 Ollama 默认监听的本地端口。
• Model Name (模型名称): 必须与你刚才在终端拉取的名称完全一致！例如输入 qwen2.5:7b。不要多加空格。
• Context Window (上下文窗口): 建议设置为 8192。如果你内存很小，可以降低到 4096，但这会影响 AI 记忆长对话的能力。

3. 保存并测试

点击界面上的 Test Connection (测试连接) 按钮。如果弹出绿色的“Successfully connected to local model”，恭喜你，你的本地自动化帝国已经成功建立！

五、 进阶调优：让本地模型发挥 120% 的战斗力

本地模型由于参数量远小于 GPT-4o，往往需要更加精细的调教才能达到极佳的自动化效果。

1. 降低 Temperature (温度值)

Agent 在执行任务（如写代码、执行终端命令）时，需要的是绝对的精准，而不是天马行空的创意。在 OpenClaw 的 Advanced Settings (高级设置) 中，找到 Temperature 选项，将其从默认的 0.7 降低到 0.1 或 0.2。这能有效避免本地模型胡乱捏造不存在的终端命令。

2. 修改 System Prompt (系统提示词) 增强指令感

如果你的本地模型（例如 7B 级别的小模型）经常忘记调用工具，只会陪你聊天。你可以在系统设置的 Custom System Prompt 中加入这句强力约束（中文或英文皆可，视模型主力语言而定）：

3. 开启“保持模型常驻内存” (Keep Alive)

Ollama 默认会在闲置 5 分钟后将模型从显存中卸载，以节省资源。这会导致 OpenClaw 每次接到新任务时，都要重新加载几 GB 的模型，响应极慢。你可以通过修改环境变量，强制模型常驻：

# 在终端中设置环境变量并重启 Ollama 服务
export OLLAMA_KEEP_ALIVE=24h

六、 常见离线运行故障排错 (Troubleshooting)

故障 1：点击测试连接提示 "Failed to fetch" 或 "Connection Refused"

原因： Ollama 服务未启动，或者 OpenClaw 运行在 Docker 中，无法直接通过 localhost 访问宿主机的 11434 端口。

解决办法： 如果 OpenClaw 在 Docker 中，请将 Base URL 中的 localhost 更改为宿主机的局域网 IP（例如 http://192.168.1.100:11434/api）。并在宿主机设置 Ollama 允许跨域及外部访问（设置环境变量 OLLAMA_HOST=0.0.0.0）。

故障 2：AI 开始疯狂重复同一句话，陷入无限死循环

原因： 这是典型的小尺寸模型“复读机效应”，或者是因为 Context Window 溢出导致模型忘记了之前的工具执行结果。

解决办法： 点击界面上的“Stop Agent”强行中止任务。点击右上角的“Clear Memory”清空本轮对话上下文。尝试调高一点点 Temperature（比如加到 0.3），或者更换参数量更大的模型（从 8B 换到 14B）。

故障 3：模型推理时电脑卡顿、鼠标掉帧

原因： 你的模型体积过大，Ollama 将一部分模型数据加载到了慢速的硬盘虚拟内存（Swap）中。这也叫“爆显存”。

解决办法： 放弃当前模型，运行 ollama rm [模型名] 删除它。重新拉取体积更小的量化版本，例如将 qwen2.5:32b 降级为 qwen2.5:7b。

七、 常见问题解答 (FAQ)

结语：实现真正的 AI 数字主权

将 OpenClaw 成功对接本地 Ollama，标志着你跨入了 AI 极客的更高阶殿堂。你不再受制于云端 API 的额度限制，也不用担心隐私数据被用于训练其他模型。在这台电脑里，你拥有一个绝对忠诚、免费且永不停歇的数字员工。