1. 为什么本地 Ollama 跑通了OpenClaw 还是连不上模型很多人把 OpenClaw 本地部署想成一件很线性的事装 Ollama、拉模型、装 OpenClaw、填个地址就完事。真到动手的时候卡住的位置往往不是安装而是「模型接入」这一环。Ollama 自己ollama run qwen2.5聊得好好的一进 OpenClaw 就报连接失败、模型不存在、请求超时甚至界面显示已连接但 Agent 一执行任务就空转。这篇就聚焦这个环节你已经跑通 Ollama现在要让 OpenClaw 这个 AI Agent 稳定调用本地模型同时把 API Key 和配置文件对接这件事讲透。OpenClaw 是一个能自动处理文件、整理数据、监控服务器、执行重复任务的 Agent 框架它本身不产生智能智能来自背后的大模型。本地 Ollama 提供免费推理OpenClaw 负责调度和执行两者之间的桥就是配置文件。为什么值得折腾本地部署因为云端模型按 Token 计费一个 24 小时运行的 Agent 一天烧掉几十上百块很正常。本地模型跑起来之后推理成本归零离线也能干活。但前提是配置得对否则你只是装了两个互不相识的软件。适合谁看已经装好 Ollama、能ollama run出对话、但 OpenClaw 里模型配置一直报错的开发者。如果你还没装 Ollama先回去把ollama pull qwen2.5跑通再回来。下面所有步骤都假设你机器上 Ollama 服务是活的ollama ps能看到东西。我试过把 OpenClaw 的模型配置当成「填个 URL 就行」结果折腾了一晚上才发现是配置文件字段名和端口理解错了。所以这篇会把 config.toml、settings.json 的骨架直接给你把验证命令给全让你少走弯路。2. TaoToken 统一 Key 与 OpenClaw 模型接入前置准备先说清楚一件事本地 Ollama 走的是http://localhost:11434这条链路不需要任何 API Key纯本地。那为什么还要讲 TaoToken因为真实生产里纯本地模型能力有上限复杂任务比如写代码、深度分析、长链路 Agent 推理本地小模型经常掉链子。最佳实践是混合架构日常任务走本地免费模型复杂任务走云端。问题来了云端模型如果每家都单独申请 Key、单独配 Base URLOpenClaw 的配置文件会变成一锅粥。TaoToken 的价值就在这里它提供统一的 API Key 和统一的 Base URL让你用一套凭证接入多个模型OpenClaw 里只需要维护一份配置。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。前置准备分三块缺一不可。第一块确认 Ollama 服务状态。打开终端执行ollama ps ollama listollama list会列出你本地已有的模型比如qwen2.5:latest、glm4:latest。记下准确的模型名和 tag后面配置要用大小写和后缀都不能错。ollama ps看当前是否有模型在运行如果空的也没关系OpenClaw 调用时会自动拉起。第二块拿到 TaoToken 的 API Key。访问 https://taotoken.net/api-keys 登录后创建一个 Key复制保存。这个 Key 就是你接入云端模型的凭证。注意Key 只在创建时完整显示一次丢了就重新建。第三块确认 OpenClaw 的配置文件位置。不同安装方式路径不一样常见的位置# macOS / Linux ~/.config/openclaw/config.toml ~/.openclaw/settings.json # Windows C:\Users\你的用户名\.openclaw\settings.json如果你不确定执行openclaw doctor它通常会打印出当前读取的配置路径。这一步很关键改错文件等于白改。把这三块准备好再往下走。很多人失败是因为改了 A 文件程序读的是 B 文件。3. 可复制的 config.toml 与 settings.json 配置骨架这一节是核心直接给可复制的配置。OpenClaw 的模型配置有两种常见载体TOML 格式的config.toml和 JSON 格式的settings.json。你按自己版本实际读取的文件来改不要两个都改容易冲突。先看config.toml骨架路径假设为~/.config/openclaw/config.toml# OpenClaw 模型配置骨架 # 本地 Ollama 通道零成本日常任务 [models.local_qwen] provider ollama base_url http://localhost:11434 model_id qwen2.5:latest api_key # 本地不需要 Key留空 timeout_seconds 120 # 云端通道复杂任务走 TaoToken 统一入口 [models.cloud_reasoning] provider openai-compatible base_url https://taotoken.net/api model_id claude-4.6 api_key sk-你的TaoToken密钥 timeout_seconds 300 # 默认路由简单任务用本地复杂任务用云端 [agent] default_model local_qwen fallback_model cloud_reasoning再看settings.json骨架路径假设为~/.openclaw/settings.json{ models: { local_qwen: { provider: ollama, baseUrl: http://localhost:11434, modelId: qwen2.5:latest, apiKey: , timeoutSeconds: 120 }, cloud_reasoning: { provider: openai-compatible, baseUrl: https://taotoken.net/api, modelId: claude-4.6, apiKey: sk-你的TaoToken密钥, timeoutSeconds: 300 } }, agent: { defaultModel: local_qwen, fallbackModel: cloud_reasoning } }几个必须注意的点。第一base_url本地是http://localhost:11434注意是 http 不是 https端口 11434 是 Ollama 默认端口如果你改过要同步改。第二云端base_url是https://taotoken.net/api不要加多余的路径后缀。第三model_id必须和ollama list显示的一模一样qwen2.5:latest和qwen2.5在某些版本里是两个不同的 tag。第四api_key本地留空字符串不要写null有些解析器对 null 处理不一致。如果你用的是 Claude Code 这类工具做润色或辅助编码配置逻辑类似核心三件套永远是 Base URL、Key、Model ID。TaoToken 的接入文档在 https://taotoken.net/doc 里面有各客户端的详细字段说明遇到字段名对不上时去那里核对。改完配置保存然后重启 OpenClaw。这一步不能省配置文件是启动时加载的热改不生效。4. 连通性验证从 curl 到 OpenClaw 任务实测配置写完不代表通了必须验证。验证分三层从底层到上层逐层排查。第一层验证 Ollama 本身能响应 HTTP 请求。Ollama 提供 OpenAI 兼容接口执行curl http://localhost:11434/v1/models正常会返回一个 JSON列出本地模型。如果这条不通说明 Ollama 服务没起来先解决 Ollama别碰 OpenClaw。第二层验证 TaoToken 云端通道。用你的 Key 请求模型列表curl https://taotoken.net/api/v1/models \ -H Authorization: Bearer sk-你的TaoToken密钥返回模型列表说明 Key 和 Base URL 都对。如果返回 401是 Key 问题返回 404是 Base URL 路径问题。第三层验证 OpenClaw 实际调用。重启 OpenClaw 后在聊天框输入一个简单任务帮我列出当前目录下的所有文件如果任务正常返回说明 OpenClaw 能工作。但还要确认它到底调的是本地还是云端。执行ollama ps如果看到qwen2.5:latest处于运行状态说明本地模型被调用了。如果ollama ps是空的但任务也返回了结果那它可能走了云端 fallback去检查你的default_model配置。再做一个更精确的验证直接测 OpenClaw 的模型连通性命令不同版本命令名可能不同常见的是openclaw models test local_qwen openclaw models test cloud_reasoning如果版本不支持这个子命令就用openclaw doctor看整体健康检查它会报告每个模型通道的状态。实测下来最容易出问题的是第三层。前两层 curl 都通OpenClaw 里就是不行八成是配置文件路径不对或者字段名和版本不匹配。这时候把openclaw doctor的输出贴出来它会告诉你实际读取的配置和解析结果。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节对照真实报错逐个拆。报错一401 Unauthorized。出现在云端通道。原因通常是 Key 写错、Key 过期、或者Authorization头格式不对。检查你的api_key字段有没有多余空格TaoToken 的 Key 以sk-开头。如果确认 Key 没问题去 https://taotoken.net/api-keys 重新生成一个再试。报错二local proxy failed 或 connection refused。出现在本地通道。意思是 OpenClaw 连不上localhost:11434。先curl http://localhost:11434/v1/models确认 Ollama 活着。如果 curl 通但 OpenClaw 不通检查是不是 OpenClaw 跑在容器里容器内的localhost不是宿主机要换成宿主机 IP 或host.docker.internal。报错三error reading choices 或 unexpected response format。这个报错说明请求发出去了但返回的 JSON 结构不符合 OpenAI 兼容格式。常见于base_url写错比如多写了/v1或少写了/v1。TaoToken 的 Base URL 是https://taotoken.net/api具体路径拼接以接入文档为准。本地 Ollama 用http://localhost:11434OpenClaw 会自动补/v1。报错四OAuth 相关报错比如 token expired、invalid grant。如果你用的是需要 OAuth 的客户端比如某些 Claude Code 场景OAuth 和 API Key 是两套机制。用 TaoToken 统一 Key 时应该走 API Key 模式不要走 OAuth 流程。检查配置里是不是混用了两种认证方式。报错五模型不存在 model not found。model_id和实际模型名不匹配。执行ollama list复制准确名字。云端模型名以 TaoToken 文档为准不要凭记忆写。报错六超时 timeout。本地大模型首次加载慢timeout_seconds给到 120 以上。云端如果网络波动给到 300。如果一直超时检查是不是模型太大本地内存扛不住。排查顺序建议先 curl 底层再openclaw doctor再看日志。日志位置通常在~/.openclaw/logs/下报错原文比界面提示详细得多。6. 稳定运行与后续接入建议配置通了只是开始让 AI Agent 稳定跑起来还有几件事要做。第一模型选择要分层。本地qwen2.5:latest适合日常文件整理、简单问答、格式转换。复杂推理、写代码、长链路任务切到云端claude-4.6。在 OpenClaw 里显式指定模型不要依赖自动路由自动路由在版本间行为不一致。第二Key 管理要规范。TaoToken 的统一 Key 让你只维护一份凭证但不要把 Key 硬编码进会提交到 Git 的文件。用环境变量注入或者放在.gitignore覆盖的本地配置里。第三长期跑 Agent 建议上 Coding Plan。如果你要让 OpenClaw 持续执行编码类、Agent 类任务按量计费不如套餐划算具体看 https://taotoken.net/coding-plan 。日常对话验证模型效果用 https://taotoken.net/models 里的对话入口快速试。第四配置文件备份。config.toml和settings.json改对了之后复制一份到安全位置。下次升级 OpenClaw 覆盖了配置直接还原。第五验证命令固化成脚本。把curl http://localhost:11434/v1/models、openclaw doctor、ollama ps写成一个check.sh每次改完配置跑一遍比手动排查快得多。最后提醒一个坑本地模型和云端模型的能力差距是真实存在的。别指望qwen2.5干claude-4.6的活。混合架构的意义是让合适的模型干合适的事本地兜底零成本云端攻坚保效果。配置对了这套组合能让你既省钱又不掉链子。