OpenClaw使用Ollama本地模型的实现(支持工具调用))

Ollama 的出现，让在本地跑大模型变成了一件再简单不过的事。而 OpenClaw 这个工具链，正好可以通过 Ollama 提供的 OpenAI 兼容 API 跟它无缝对接。最妙的一点是，只要你配置好了 OLLAMA_API_KEY（或者完成了认证），并且没有在配置文件里显式定义 models.providers.ollama 这个条目，OpenClaw 就能

，省去了不少手动配置的麻烦。

快速开始

想立刻上手？跟着这几步走就行：

1. 先把 Ollama 装上，地址在这里：https://ollama.ai
2. 然后拉取你需要的模型：

ollama pull llama3.3
# 或
ollama pull qwen2.5-coder:32b
# 或
ollama pull deepseek-r1:32b

• 接下来，为 OpenClaw 启用 Ollama。这里有个小窍门：你随便填个值就行，因为 Ollama 本地跑并不需要真正的 API 密钥。

# 设置环境变量
export OLLAMA_API_KEY="ollama-local"
# 或在配置文件中设置
openclaw config set models.providers.ollama.apiKey "ollama-local"

• 最后，直接在配置里引用 Ollama 下的模型：

{
  agents: {
    defaults: {
      model: { primary: "ollama/llama3.3" },
    },
  },
}

模型发现（隐式提供商）

当你设定了 OLLAMA_API_KEY，但是没有定义 models.providers.ollama 时，奇迹就发生了。OpenClaw 会主动去连接你本地的 Ollama 实例（默认在 http://127.0.0.1:11434），并自动发现可用的模型。具体是怎么做的呢？

• 它会先去查询 /api/tags 和 /api/show 这两个接口。
• 然后，从返回的结果里，只挑选那些报告了自己具备 tools 能力的模型。
• 如果某个模型报告了 thinking 能力，它就会被自动标记为 reasoning 类型（也就是具备推理能力）。
• 上下文窗口大小（contextWindow）会从 model_info[".context_length"] 中读取；如果读不到，也有默认值兜底。
• maxTokens 会被设置为上下文窗口值的10倍。
• 当然，所有费用都被设置为 0，毕竟是本地运行。

这一套组合拳下来，你完全不需要手动去配置每个模型，OpenClaw 会自动保持一个与 Ollama 能力对齐的模型目录。想知道当前有哪些可用模型？很简单：

ollama list
openclaw models list

如果你想用个新模型，直接通过 Ollama 拉取就行：

ollama pull mistral

拉取完成后，它就会自动被 OpenClaw 发现并纳入使用。需要警惕的是，如果你在配置里显式设置了 models.providers.ollama，自动发现功能就会被跳过，届时你需要手动定义每一个模型（具体方法参考下一节）。

配置

基本设置（隐式发现）

想快速启用 Ollama？环境变量是最简单粗暴的方式：

export OLLAMA_API_KEY="ollama-local"

显式设置（手动模型）

什么情况下需要用到显式配置呢？大概有这么几种场景：

• 你的 Ollama 跑在了其他主机或者非默认端口上。
• 你想手动指定上下文窗口大小，或者精确控制模型列表。
• 你想把那些没有报告工具支持能力的模型也纳入进来。

这时候，你就需要像下面这样，在配置文件里把一切交代清楚：

{
  models: {
    providers: {
      ollama: {
        // 注意：这里要用包含 /v1 的主机地址，以兼容 OpenAI API 格式
        baseUrl: "http://ollama-host:11434/v1",
        apiKey: "ollama-local",
        api: "openai-completions",
        models: [
          {
            id: "llama3.3",
            name: "Llama 3.3",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 8192,
            maxTokens: 8192 * 10
          }
        ]
      }
    }
  }
}

值得一提的是，如果你已经设置了 OLLAMA_API_KEY 环境变量，那么在提供商条目里其实可以省略 apiKey。OpenClaw 会自动从环境变量里获取它来进行可用性检查。

自定义基础 URL（显式配置）

接上一条，如果你的 Ollama 不在本地，又不想用自动发现，那就需要这样显式配置。但切记，这也会禁用自动发现，所有模型都得你手动定义：

{
  models: {
    providers: {
      ollama: {
        apiKey: "ollama-local",
        baseUrl: "http://ollama-host:11434/v1",
      },
    },
  },
}

模型选择

配置搞定之后，所有 Ollama 下的模型就都可以直接使用了。比如，你可以这样配置一个主模型和一个备用模型：

{
  agents: {
    defaults: {
      model: {
        primary: "ollama/llama3.3",
        fallbacks: ["ollama/qwen2.5-coder:32b"],
      },
    },
  },
}

高级用法

推理模型

当 Ollama 在 /api/show 接口中报告模型具备 thinking 能力时，OpenClaw 就会自动将其标记为推理模型。比如拉取 DeepSeek-R1 模型后，它就会自动享有这个“身份”：

ollama pull deepseek-r1:32b

模型费用

这一点无需多言，Ollama 是免费的，所有费用都自然是 $0。

上下文窗口

对于自动发现的模型，OpenClaw 会优先使用 Ollama 报告的上下文窗口值。如果报告里没有，则默认回退到 8192。当然，你也可以在显式的提供商配置里，通过覆盖 contextWindow 和 maxTokens 来获得完全的控制权。

故障排除

如果一切顺利，Ollama 很快就会成为你工具箱里的一员——但如果遇到问题呢？

Ollama 未被检测到

首先，确保 Ollama 确实在运行，并且你已经设置了 OLLAMA_API_KEY，同时

定义显式的 models.providers.ollama 条目。你可以这样启动服务：

ollama serve

然后确认 API 是否可以正常访问：

curl http://localhost:11434/api/tags

没有可用模型

请记住，OpenClaw 的自动发现功能只对报告了工具支持的模型有效。如果你的模型没有被列出来，有两个解决办法：

• 拉取一个明确支持工具调用的模型。
• 或者在 models.providers.ollama 中显式定义该模型的参数。

添加模型的操作也很直观：

ollama list  # 查看已安装了哪些模型
ollama pull llama3.3  # 拉取一个新模型

连接被拒绝

这通常意味着 Ollama 没有在预期的端口上运行。检查一下：

# 看看 Ollama 进程是否存在
ps aux | grep ollama
# 或者直接重启 Ollama
ollama serve

另请参阅

• 模型提供商 - 所有提供商概览
• 模型选择 - 如何选择模型
• 配置 - 完整配置参考