本地 Ollama 模型接入 OpenClaw
本地 Ollama 模型接入 OpenClaw 的优势：
🔒 1. 数据隐私与安全
- 完全本地化：所有对话和数据处理都在你自己的服务器上完成，不会将任何敏感信息（如企业数据、个人隐私）发送到外部 API 服务商
- 避免数据泄露：无需担心第三方服务记录或滥用你的对话内容，尤其适用于处理机密文档、内部知识库等场景
💰 2. 零 API 成本
- 永久免费：不再需要为每次模型调用按 Token 付费，只需一次性投入硬件资源。长期使用下来可节省大量费用
- 无用量限制：不受外部 API 配额限制，可以随意进行大量测试、批量处理或高频对话
🌐 3. 离线可用
- 无需互联网：即使在没有网络的环境（如内网、远程地点、隔离区），OpenClaw 依然可以正常工作，保证业务连续性
🚀 4. 更低延迟
- 本地推理：省去了网络传输时间，响应速度更快，尤其适合需要实时交互的场景
- 优化体验：与 OpenClaw 结合后，整个交互链路都在本地，流畅度显著提升
🎛️ 5. 完全控制权
- 模型自由选择：可以使用 Ollama 支持的任何开源模型（如 Llama 3、Qwen、Mistral 等），甚至自己微调的专属模型
- 版本锁定：不用担心外部模型升级导致行为变化，可以稳定使用特定版本
- 自定义参数：可随意调整推理参数（温度、上下文长度等）以适配具体任务
🔧 6. 易于集成与扩展
- 兼容 OpenAI 接口：Ollama 自 0.1.26 起原生支持 /v1/chat/completions 端点，OpenClaw 可直接配置为自定义供应商，无需复杂代理
- 无缝切换：可同时配置多个本地模型，根据任务需求动态切换（例如用轻量模型处理简单查询，大模型处理复杂推理）
🖥️ 7. 硬件资源充分利用
- GPU/CPU 灵活部署：可以根据现有硬件选择合适规模的模型（如 7B、13B、32B），在性能和资源消耗之间取得平衡
- 可扩展性：可运行多个模型实例，或通过负载均衡支持高并发访问
📦 8. 适合开发与测试
- 快速迭代：在本地调试 OpenClaw 技能、提示词时，无需等待 API 响应或消耗额度
- 模拟生产环境：可以先在本地验证模型效果，再决定是否迁移到云端
# Ollama 部署本地模型可参考：Linux 安装配置 Ollama
# 要将本地部署的 Ollama 模型接入 OpenClaw，需要让 OpenClaw 能够通过 OpenAI 兼容的 API 调用 Ollama
# 通过 curl 直接测试 Ollama 的 OpenAI 兼容接口是否正常
curl -s http://localhost:11434/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3:32b",
"messages": [{"role": "user", "content": "Hello"}]
}' | jq -r '.choices[0].message.content'
# openclaw onboard
# ollama server 查看 API Key
# 配置 API Key
# Web UI 可查看 Token 使用情况
# Token 是模型用来表示自然语言文本的基本单位，也是计费单元，可以直观的理解为 "字" 或 "词" ；通常 1 个中文词语、1 个英文单词、1 个数字或 1 个符号计为 1 个 token。
一般情况下模型中 token 和字数的换算比例大致如下：
- 1 个英文字符 ≈ 0.3 个 token
- 1 个中文字符 ≈ 0.6 个 token
但因为不同模型的分词不同，所以换算比例也存在差异，每一次实际处理 token 数量以模型返回为准
# 若选择公网 API 服务商，训练和使用 OpenClaw 需要消耗大量的 token（money）
# 常见 API 服务商 token 价格表：
浙公网安备 33010602011771号