1. 本地跑模型这件事openclaw 和 ollama 到底怎么配合openclaw 是一个面向本地推理的客户端工具ollama 则是把大模型下载到本机、用一条命令就能跑起来的运行时。两者组合起来你能在自己电脑上完成模型下载、加载、对话不需要把数据发到外部。适合谁适合想先在本机验证效果、又希望后续把请求统一走一个 Key/API 通道的人。我先把链路讲清楚ollama 负责“模型从哪来、在本机怎么跑”openclaw 负责“把请求发给谁”。默认情况下 openclaw 会指向本机 ollama 的 11434 端口也就是http://127.0.0.1:11434。这条链路的好处是离线可用、延迟低但如果你同时要用云端更强的模型或者团队里多人想共用一套 Key 和额度就需要把推理端点从本机切到统一通道。这篇要做的三件事第一把 ollama 装好并把模型拉下来第二把 openclaw 的推理端点改到 TaoToken 的 API 通道第三发一次真实请求确认通道生效。整个过程我会给出可复制的命令和配置片段你照着敲就行。需要提前说明一点ollama 本地跑模型和走统一 API 通道并不冲突。你可以保留本地模型做快速草稿把复杂任务交给统一通道。openclaw 的配置里通常支持多个 provider切换时改一个字段即可。下面从安装开始。2. 前置准备ollama 安装、模型下载与 TaoToken Key 获取2.1 安装 ollama 并指定安装目录Windows 上默认装到 C 盘空间紧张的话可以指定目录。进入安装包所在盘符后执行.\OllamaSetup.exe /DIRD:\software\ollama\installmacOS 直接下载 dmg 拖进 ApplicationsLinux 用官方脚本curl -fsSL https://ollama.com/install.sh | sh装完后验证版本能打印出版本号就说明可执行文件在 PATH 里ollama --version如果提示ollama: command not found说明安装目录没进环境变量。Windows 把D:\software\ollama\install加进系统 PathmacOS/Linux 把二进制所在目录写进~/.zshrc或~/.bashrc的 PATH重开终端再试。2.2 拉取模型清单模型列表在 ollama 的 search 页面可以查。常用几个体积和用途对照如下模型参数量大致体积适合场景qwen2.5:7b7B约 4.7GB中文对话、日常问答llama3.1:8b8B约 4.9GB英文写作、通用任务deepseek-coder:6.7b6.7B约 3.8GB代码补全、脚本生成gemma2:9b9B约 5.4GB推理、总结拉取命令统一是ollama pull拉完直接run就能进交互ollama pull qwen2.5:7b ollama run qwen2.5:7bollama list看已下载模型ollama ps看正在运行的模型ollama rm 模型名删掉不用的省磁盘。下载慢通常是网络问题可以换时间段重试或者先拉小模型验证链路。2.3 拿到 TaoToken 的 Key 和 Base URL统一通道这边需要三样东西Base URL、API Key、Model ID。Base URL 用https://taotoken.net/apiKey 在控制台的 API Keys 页面创建创建后只显示一次记得复制保存。Model ID 按你要用的模型填比如gpt-4o-mini、claude-3-5-sonnet这类具体以文档里的模型名为准。控制台入口https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewriteKey 建议放环境变量别硬编码进代码。Linux/macOSexport TAOTOKEN_API_KEYsk-你的keyWindows PowerShell$env:TAOTOKEN_API_KEYsk-你的key3. 可复制配置把 openclaw 推理端点改到 TaoToken3.1 openclaw 配置文件位置与结构openclaw 的配置一般放在用户目录下的配置文件夹里常见是~/.openclaw/config.jsonWindows 是C:\Users\你的用户名\.openclaw\config.json。如果文件不存在就手动建一个。核心是providers数组每个 provider 有baseUrl、apiKey、model三个关键字段。下面是一份可直接改的 JSON 片段把本地 ollama 和 TaoToken 通道都保留用defaultProvider控制默认走哪个{ defaultProvider: taotoken, providers: [ { name: ollama-local, type: openai-compatible, baseUrl: http://127.0.0.1:11434/v1, apiKey: ollama, model: qwen2.5:7b }, { name: taotoken, type: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, model: gpt-4o-mini } ] }注意apiKey写的是${TAOTOKEN_API_KEY}openclaw 会读环境变量。这样 Key 不进配置文件换机器时只改环境变量就行。type用openai-compatible因为 TaoToken 的 API 兼容 OpenAI 的请求格式openclaw 能直接对接。3.2 三件套对照表配置里最容易填错的就是这三项单独列出来对照配置项本地 ollamaTaoToken 通道Base URLhttp://127.0.0.1:11434/v1https://taotoken.net/apiAPI Key任意字符串如 ollama控制台创建的 sk- 开头 KeyModel IDqwen2.5:7bgpt-4o-mini 等文档模型名本地 ollama 的 Key 随便填因为它不校验TaoToken 的 Key 必须真实有效否则会返回 401。Model ID 两边不通用本地模型名和云端模型名是两套命名别混填。3.3 用环境变量覆盖避免改文件如果你不想动配置文件openclaw 通常支持环境变量覆盖。设置OPENCLAW_BASE_URL和OPENCLAW_API_KEY后启动会优先用环境变量export OPENCLAW_BASE_URLhttps://taotoken.net/api export OPENCLAW_API_KEYsk-你的key openclaw chat这种方式适合临时切换比如今天想用云端模型明天切回本地改环境变量比重写 JSON 快。但长期用还是建议写进配置文件避免每次开终端都要 export。4. 验证请求发一次真实调用确认通道生效4.1 先用 curl 验证通道本身在动 openclaw 之前先用 curl 确认 TaoToken 通道能通。这一步能排除 Key 和网络问题curl https://taotoken.net/api/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: 只回复两个字通了}] }返回 JSON 里choices[0].message.content有内容说明 Key 和 Base URL 都对。如果返回 401检查 Key 是否复制完整、有没有多余空格返回 404检查 Base URL 是不是写成了https://taotoken.net/api而不是带/v1的地址。4.2 再用 openclaw 发一次对话curl 通了之后启动 openclawopenclaw chat --provider taotoken进去后随便问一句比如“用一句话说明你现在用的是哪个模型”。如果回复正常说明 openclaw 已经走 TaoToken 通道。想确认到底走没走可以临时把本地 ollama 停掉ollama stop qwen2.5:7b再发一次请求——如果还能回复说明请求确实发到了云端通道而不是本机。4.3 观察返回结构确认模型openclaw 一般会打印使用的 provider 和 model。你也可以在配置里把model改成两个不同的值分别请求对比返回内容风格。更直接的办法是看响应里的model字段云端返回的模型名和本地 ollama 的模型名不一样一眼能分辨。如果想让验证更彻底可以在请求里加一个只有云端模型知道的问题或者对比本地模型和云端模型对同一问题的回答差异。本地小模型回答偏短、云端模型通常更完整这个差异能帮你确认通道切换成功。5. 常见报错排查401、local proxy failed、reading choices5.1 401 Unauthorized最常见。原因通常是 Key 没读到、Key 失效、或者请求头没带对。排查顺序先echo $TAOTOKEN_API_KEY看环境变量有没有值再看配置文件里是不是写成了${TAOTOKEN_API_KEY}但环境变量名拼错最后确认请求头是Authorization: Bearer sk-xxxBearer 和 Key 之间有一个空格。如果 Key 是在控制台刚创建的确认没有复制到换行符。有些终端复制会带上尾部空格导致校验失败。重新复制一次或者用echo -n去掉换行再写入环境变量。5.2 local proxy failed这个报错通常出现在 openclaw 尝试连本地 ollama 但连不上时。检查 ollama 服务有没有起ollama ps或直接curl http://127.0.0.1:11434/api/tags。如果端口不通先ollama serve手动起服务。如果你已经把端点改到 TaoToken还报这个错说明配置没生效openclaw 还在读旧的本地配置——检查defaultProvider是不是写对了或者环境变量有没有覆盖成功。5.3 reading choices 相关报错这类报错一般是响应结构不符合预期常见于 Base URL 写错。比如把https://taotoken.net/api写成了https://taotoken.net请求打到了非 API 路径返回的不是标准 JSON解析choices时就报错。确认 Base URL 精确到/api不要多也不要少。另外如果模型名填了本地才有的名字比如qwen2.5:7b去请求云端云端找不到该模型也会返回错误结构导致解析失败。Model ID 一定要用文档里列出的云端模型名。5.4 OAuth 相关提示有些客户端在首次连接时会走 OAuth 流程。如果你用的是 API Key 模式不需要 OAuth遇到 OAuth 提示说明客户端配置成了账号登录模式。检查配置里type是不是openai-compatible以及有没有误开useOAuth之类的开关。API Key 模式下认证信息只通过Authorization头传递不涉及浏览器跳转。5.5 模型下载卡住或失败ollama pull卡住多半是网络波动。可以中断后重试ollama 支持断点续传。如果反复失败先拉一个小模型比如qwen2.5:1.5b验证下载链路再拉大模型。磁盘空间不足也会导致下载失败ollama list看已用空间ollama rm清理不用的模型。6. 后续怎么用模型对话、Coding Plan 与接入文档通道打通之后日常使用有几个方向。想快速验证某个模型的效果直接用模型对话页面不用改本地配置https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite如果你要把这套通道接进编码工具、做长期 Agent 任务Coding Plan 更适合额度和模型覆盖更全https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite配置过程中遇到字段不确定的接入文档里有完整的参数说明和示例https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewriteKey 管理和新建在控制台https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite我自己的习惯是本地 ollama 留一个小模型做离线草稿复杂任务切到统一通道。切换时只改defaultProvider一个字段不用重装任何东西。你如果也想保留两套就按第 3 节的 JSON 把两个 provider 都写上用环境变量控制默认值这样本地和云端随时切配置不用反复改。