1. 为什么要在 PC 上折腾 Gemma 4 OpenClaw 这套组合如果你最近在折腾本地 AI 助手大概率会遇到一个很烦的问题Ollama 跑起来了Gemma 4 也能对话了但一旦想让它真正干活——读文件、跑脚本、调工具——就得再引入一个 Agent 框架比如 OpenClaw。然后你会发现Ollama 有自己的 endpointOpenClaw 有自己的配置文件中间还夹着一堆 Key 和 Base URL改来改去很容易乱。我这段时间在个人 PC 上把 Gemma 4 和 OpenClaw 串起来用踩过的坑基本都集中在配置分散这件事上。Ollama 默认监听127.0.0.1:11434OpenClaw 默认又想去连云端 API两边对不上Agent 一跑就报连接错误。后来我把请求统一收口到 TaoToken 的通道上用一套 Key 管理本地和远端模型配置才稳定下来。这篇文章就是把这个过程完整写出来怎么用 Ollama 跑 Gemma 4怎么让 OpenClaw 把它当成后端模型以及怎么通过 TaoToken 统一 Key 和 Base URL避免每个工具各配一套。适合已经装过 Ollama、想让本地 AI 助手从聊天升级到干活的人。全程在个人 PC 上操作不需要额外买卡配置片段可以直接复制。核心检索词先明确一下Gemma 4 是 Google 开源的本地大模型OpenClaw 是本地优先的 AI Agent 框架Ollama 是模型运行时TaoToken 在这里扮演统一接入层把多工具的 Key 和 Base URL 收敛到一处。下面按部署顺序一步步来。2. TaoToken 前置准备统一 Key 与 Base URL 的接入层在动手改 OpenClaw 配置之前先把 TaoToken 这一层准备好。它的作用不是替代 Ollama而是给 OpenClaw 这类需要频繁切换后端的工具提供一个统一的入口。你可以理解为Ollama 负责在本地跑 Gemma 4TaoToken 负责让 OpenClaw 用同一套 Key 去访问不同来源的模型省得每换一个工具就改一次配置。第一步是拿到 API Key。打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进入控制台。控制台地址是 https://taotoken.net/console 在里面找到 API Keys 页面新建一个 Key。这个 Key 后面会同时用在 OpenClaw 的 auth.json 和任何需要调用模型的脚本里。创建 Key 的时候建议按用途命名比如openclaw-local这样以后排查问题时能一眼看出是哪个工具在用。Key 生成后只显示一次复制下来存到安全的地方别直接贴在会提交到 Git 的配置文件里。第二步是确认 Base URL。TaoToken 的 API 入口是 https://taotoken.net/api 注意这个地址不带任何查询参数配置时直接填这个就行。OpenClaw 里需要填 Base URL 的地方统一用这个值不要带多余的路径后缀否则容易出现 404 或者路径拼接错误。第三步是确认模型 ID。如果你打算让 OpenClaw 走 TaoToken 通道去调用模型需要知道对应的 Model ID。可以在模型对话页面 https://taotoken.net/models 里查看当前可用的模型列表找到你要用的那个把 ID 记下来。本地 Gemma 4 走 Ollama 的话Model ID 就是你在 Ollama 里 pull 下来的名字比如gemma4:26b。这里有个容易混淆的点Ollama 本地的 endpoint 和 TaoToken 的 Base URL 是两个不同的东西。Ollama 本地是http://127.0.0.1:11434TaoToken 是https://taotoken.net/api。OpenClaw 的配置里如果你想让请求走本地就填 Ollama 的地址如果想走统一通道就填 TaoToken 的地址。两者可以共存通过不同的 profile 切换。把这三样东西准备好——Key、Base URL、Model ID——后面的配置就有依据了。建议先在模型对话页面发一条测试消息确认 Key 能正常工作再去改 OpenClaw 的配置文件这样能把问题范围缩小。3. 可复制配置Ollama 启动参数与 OpenClaw 的 auth.json这一节是全文最核心的部分所有配置片段都可以直接复制。先处理 Ollama再处理 OpenClaw。3.1 Ollama 启动参数与 Gemma 4 拉取Ollama 安装完成后默认服务是自动启动的。但如果你想让局域网内其他设备也能访问或者想调整并发和显存占用需要显式设置环境变量再启动。在 Linux 或 macOS 上可以这样启动export OLLAMA_HOST0.0.0.0:11434 export OLLAMA_NUM_PARALLEL2 export OLLAMA_MAX_LOADED_MODELS1 ollama serveWindows 用户在 PowerShell 里设置环境变量后再启动$env:OLLAMA_HOST0.0.0.0:11434 $env:OLLAMA_NUM_PARALLEL2 ollama serveOLLAMA_HOST设成0.0.0.0:11434是为了让 OpenClaw 能通过本机 IP 访问如果你只在同一台机器上用保持默认的127.0.0.1:11434也可以。OLLAMA_NUM_PARALLEL控制并发请求数个人 PC 上设 2 比较稳妥设太高反而会拖慢单个请求。拉取 Gemma 4 模型根据你的内存选版本ollama pull gemma4:4b ollama pull gemma4:26b拉完后用ollama list确认模型在列表里。然后跑一次对话验证ollama run gemma4:26b 用一句话说明你是什么模型如果能看到回复说明 Ollama 这一层没问题。记下这个模型名OpenClaw 配置里要用。3.2 OpenClaw 的 endpoint 与 auth.json 配置OpenClaw 的配置文件通常放在用户目录下的.openclaw文件夹里。核心是两个文件一个是主配置一个是 auth.json。先看 auth.json它负责存放 Key 和 Base URL{ profiles: { local-ollama: { base_url: http://127.0.0.1:11434/v1, api_key: ollama, model: gemma4:26b }, taotoken-unified: { base_url: https://taotoken.net/api, api_key: sk-你的TaoTokenKey, model: gemma4:26b } }, default_profile: local-ollama }这里我放了两个 profile。local-ollama走本地 Ollamaapi_key填ollama就行因为本地服务不校验 Key。taotoken-unified走 TaoToken 统一通道api_key填你在控制台创建的那个 Keybase_url填https://taotoken.net/apimodel填你要用的 Model ID。注意local-ollama的base_url后面带了/v1这是因为 OpenClaw 走的是 OpenAI 兼容协议Ollama 的兼容端点就是http://127.0.0.1:11434/v1。而 TaoToken 的 Base URL 是https://taotoken.net/api不要自己加/v1否则路径会重复。主配置文件里引用 profile[agent] name local-assistant profile local-ollama max_steps 20 timeout_seconds 120 [tools] filesystem true shell true browser false如果你想让 OpenClaw 默认走 TaoToken 通道把profile改成taotoken-unified就行。这样切换后端只需要改一个字段不用动其他配置。3.3 三件套对照表不管用哪个 profile配置时都要保证三件套齐全Base URL、Key、Model ID。下面这张表对照一下项目本地 OllamaTaoToken 统一通道Base URLhttp://127.0.0.1:11434/v1https://taotoken.net/apiAPI Keyollama占位控制台创建的 KeyModel IDgemma4:26b模型列表里的 ID配置改完后先别急着跑 Agent用一条简单的 curl 验证一下通道是否通。本地 Ollamacurl http://127.0.0.1:11434/v1/modelsTaoToken 通道curl -H Authorization: Bearer sk-你的Key https://taotoken.net/api/models两条命令都能返回模型列表说明配置没问题。如果其中一条报错先解决那条再继续下一步。4. 验证请求一次对话连通性自检与成功结果配置写好了接下来要验证 OpenClaw 能不能真的通过配置好的通道拿到模型回复。这一步很关键因为很多问题不是出在模型上而是出在请求路径上。4.1 用 OpenClaw 发起一次最小对话OpenClaw 装好后可以用命令行模式发起一次简单对话。假设你已经按上一节配好了 auth.json执行openclaw chat --profile local-ollama --message 你好请回复你的模型名称如果一切正常你会看到类似这样的输出[profile: local-ollama] [model: gemma4:26b] [response] 我是 Gemma 4一个由 Google 开源的大语言模型。看到模型名称和回复内容说明 OpenClaw 已经成功连上 Ollama并且把 Gemma 4 当成了后端模型。这一步成功之后再切到 TaoToken 通道验证openclaw chat --profile taotoken-unified --message 你好请回复你的模型名称如果这条也能返回内容说明统一通道也通了。两条都通意味着你可以在本地和统一通道之间自由切换而不用改任何代码。4.2 用 curl 直接验证请求体有时候 OpenClaw 的日志不够详细可以直接用 curl 模拟一次对话请求看看返回结构。本地 Ollamacurl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: gemma4:26b, messages: [{role: user, content: 用一句话介绍你自己}], stream: false }TaoToken 通道curl https://taotoken.net/api/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的Key \ -d { model: gemma4:26b, messages: [{role: user, content: 用一句话介绍你自己}], stream: false }两条命令都应该返回一个 JSON里面choices[0].message.content就是模型的回复。如果本地那条返回正常TaoToken 那条报 401说明 Key 有问题如果报 404说明 Base URL 路径不对。4.3 让 OpenClaw 执行一个真实任务对话通了只是第一步真正要验证的是 Agent 能不能干活。给 OpenClaw 一个简单任务比如让它读取当前目录下的文件并总结openclaw run --profile local-ollama --task 列出当前目录的文件并总结每个文件的作用如果 OpenClaw 能调用文件系统工具把文件列表读出来再让 Gemma 4 生成总结说明整条链路——Agent 调度、模型推理、工具执行——都通了。这一步成功你的本地 AI 助手就算真正跑起来了。实测下来26B 版本在 16GB 内存的机器上跑这个任务大概需要十几秒4B 版本更快但总结质量会差一些。如果任务卡住不动先检查 Ollama 的日志看是不是模型加载失败或者显存不够。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth配置过程中最容易遇到的几类报错我按出现频率排一下并给出对应的排查方向。5.1 401 Unauthorized这个报错基本都跟 Key 有关。如果你走的是 TaoToken 通道检查 auth.json 里的api_key是不是控制台创建的那个有没有多余空格。有时候复制 Key 的时候会带上换行符导致请求头里的 Authorization 字段格式错误。排查方法用 curl 单独测一次把 Key 直接写在命令里排除配置文件解析的问题。如果 curl 能通说明是配置文件的问题如果 curl 也报 401说明 Key 本身无效回控制台重新创建一个。另外注意本地 Ollama 的api_key填ollama是占位用的不要填成 TaoToken 的 Key否则本地请求会带上无效的 Authorization 头虽然 Ollama 通常不校验但某些版本会直接拒绝。5.2 local proxy failed这个报错通常出现在 OpenClaw 尝试连接本地 endpoint 的时候。原因可能是 Ollama 服务没启动或者OLLAMA_HOST设成了0.0.0.0但防火墙拦住了。排查步骤先确认 Ollama 在跑执行ollama ps看有没有模型加载。然后用curl http://127.0.0.1:11434/v1/models测试本地端点。如果 curl 通但 OpenClaw 报 local proxy failed检查 OpenClaw 配置里的base_url是不是写成了http://localhost:11434有些环境下 localhost 解析会出问题改成127.0.0.1更稳。如果OLLAMA_HOST设成了0.0.0.0:11434而 OpenClaw 又跑在容器里那127.0.0.1指向的是容器本身不是宿主机。这种情况下要么把 OpenClaw 也跑在宿主机上要么用宿主机的局域网 IP。5.3 reading choices 相关报错这个报错一般出现在解析模型返回结果的时候提示读取choices字段失败。原因通常是返回的不是标准 OpenAI 格式或者返回了一个错误对象。排查方法用 curl 直接请求一次看返回的 JSON 结构。如果返回里有error字段先解决那个错误。如果返回是流式的stream而 OpenClaw 配置里没开 stream 支持也会导致解析失败。把请求里的stream设成false再试一次。还有一种情况是模型名写错了Ollama 返回了一个空结果。确认model字段和ollama list里的名字完全一致包括大小写和标签。5.4 OAuth 相关报错如果你在配置里启用了某些需要 OAuth 的 profile但没完成授权流程就会报 OAuth 错误。OpenClaw 的 OAuth 通常用于访问需要登录的远端服务。如果你只用本地 Ollama 和 TaoToken 的 Key 认证可以先把 OAuth 相关的 profile 禁用掉避免干扰。排查方法检查 auth.json 里有没有oauth字段如果有但你没配直接删掉或者注释掉。然后确认default_profile指向的是 Key 认证的 profile而不是 OAuth 的。5.5 配置检查清单遇到报错时按这个顺序检查第一Ollama 服务是否在运行ollama ps有没有输出。 第二curl本地端点和 TaoToken 端点是否都能返回模型列表。 第三auth.json 里的base_url、api_key、model三件套是否齐全且正确。 第四主配置里的profile字段是否指向了存在的 profile。 第五防火墙有没有拦住 11434 端口。把这五步走完大部分连接问题都能定位到。如果还是不行把 OpenClaw 的日志级别调到 debug看具体是哪一步失败。6. 把本地助手用起来从验证到日常的接入建议配置通了之后接下来就是怎么把它用顺手。这里给几个实际使用中的建议都是我在个人 PC 上跑出来的经验。第一profile 切换要养成习惯。日常对话用local-ollama因为本地推理不消耗额度响应也快。需要调用远端更强模型或者做复杂任务时切到taotoken-unified。切换只需要改主配置里的一个字段或者用命令行参数--profile临时指定不用改 auth.json。第二模型选择按任务分。简单的文件整理、文本总结用 4B 版本就够了速度快、内存占用低。代码分析和复杂推理用 26B质量明显更好。如果你的机器能跑 31B那在处理长文档和数学题时优势更明显。不用一个模型打天下按任务切换反而更高效。第三Key 的管理要集中。如果你有多个工具都要调模型建议都走 TaoToken 的统一通道这样只需要维护一个 Key。控制台里可以按用途创建多个 Key比如openclaw-local、script-batch方便追踪用量。Key 泄露了也能单独吊销不影响其他工具。第四定期检查 Ollama 的模型更新。Gemma 4 这类开源模型迭代很快ollama pull一下就能拿到新版本。更新后记得用ollama list确认标签如果标签变了OpenClaw 配置里的model字段也要同步改。第五日志要留着。OpenClaw 和 Ollama 的日志在排查问题时非常有用。建议把日志输出到一个固定文件出问题时先看日志比盲目改配置快得多。如果你还没开始配建议先从本地 Ollama 跑通 Gemma 4再接入 OpenClaw最后把 TaoToken 通道加上。每一步都验证一次问题范围小排查起来也轻松。需要 Key 的话去控制台 https://taotoken.net/api-keys 创建接入文档在 https://taotoken.net/doc 可以查到最新的 Base URL 和参数说明。想先试试模型对话效果直接打开 https://taotoken.net/models 就能体验。长期跑编码和 Agent 任务的话Coding Plan 页面 https://taotoken.net/coding-plan 有更详细的方案说明。