OpenClaw配Ollama：零API费本地跑AI

为什么选择 Ollama 本地模型

Ollama 由前 Docker 团队成员开发，将大模型以「容器化」方式本地运行，支持 macOS（含 Apple Silicon）、Linux、Windows。一条 ollama run qwen3 即可拉取并启动模型，无需复杂配置。优势包括：

• 零 API 费用： 模型下载后无限次调用，适合高频使用、预算有限的用户
• 隐私无忧： 对话、文件、上下文全部留在本机，不经过任何第三方服务器
• 离线可用： 无网络时仍可对话，适合出差、弱网环境
• 模型丰富： qwen3、deepseek-r1、llama3、mistral、codellama 等主流开源模型均支持

与 Claude、GPT 等云端 API 相比，Ollama 的劣势在于：模型能力略逊于顶级商用模型；工具调用（function calling）需选择支持该能力的模型；推理速度受本机硬件限制。但对于日常对话、代码辅助、文档总结等场景，qwen3、deepseek-r1 等模型已足够好用，且完全免费。

第一步：安装 Ollama

访问 ollama.com 下载对应系统安装包。macOS 为 dmg 安装包，Linux 可执行 curl -fsSL https://ollama.com/install.sh | sh，Windows 为 exe 安装程序。安装后终端执行 ollama --version 验证。首次运行 ollama run qwen3 会自动拉取模型，模型文件较大（7B 约 4GB，14B 约 8GB），需确保磁盘空间充足。

第二步：一键部署 OpenClaw + Ollama

OpenClaw 与 Ollama 官方合作，提供一条命令完成安装与配置：

该命令会：安装最新 OpenClaw、启动安装向导、自动选择 Ollama 作为后端、引导选择模型、配置消息通道（Telegram、Discord 等）。通常 5–10 分钟完成。若已安装 OpenClaw，可运行 openclaw onboard，在向导中选择「Skip Cloud」→「Select Ollama」。选择模型时，建议优先尝试 qwen3 或 qwen2.5-coder:14b，两者对中文与工具调用支持较好。模型首次加载会从 Ollama 服务器下载，需一定时间与带宽。

模型选择建议

OpenClaw 依赖模型的「工具调用」（function calling）能力执行技能。建议选择至少 14B 参数、支持 function calling 的模型：

• 编程优化： qwen2.5-coder:14b、qwen3-coder
• 中文最强： qwen3 系列、deepseek-r1、llama3.3-Chinese
• 综合能力： glm-4、mistral-nemo

8B 模型易出现工具调用错误，不推荐。验证 Ollama：ollama ps、curl http://127.0.0.1:11434/v1/models。

硬件要求与性能优化

Ollama 本地推理对硬件有一定要求。14B 模型建议至少 16GB 内存，32B 模型需 32GB+。Apple Silicon Mac 利用 Metal 加速，M1/M2/M3 运行 qwen3、deepseek-r1 表现良好；NVIDIA GPU 用户可设置 CUDA_VISIBLE_DEVICES 指定显卡。若内存不足，可启用 swap 或选择更小模型（如 qwen2.5:7b），但工具调用能力会下降。首次加载模型较慢，后续会缓存，响应会加快。

常见问题与排查

模型无法执行工具调用： 8B 及以下模型对 function calling 支持不佳，建议换用 qwen2.5-coder:14b、qwen3、deepseek-r1 等。检查 OpenClaw 配置中 baseUrl 是否指向 http://127.0.0.1:11434。

Telegram/Discord 无响应： 确认 Ollama 与 OpenClaw 均在运行；执行 ollama ps 查看模型是否已加载；重跑 ollama launch openclaw 可重置配置。

响应太慢： 本地推理受硬件限制，可尝试更小模型或租用 GPU 云服务器。混合方案下，复杂任务切到云端 Claude/GPT 时，配合 GreenVPN 千兆带宽可显著降低延迟。

Ollama 连接被拒绝： 确认 Ollama 服务已启动，curl http://127.0.0.1:11434/api/tags 应返回模型列表。若修改过端口，需在 OpenClaw 配置中同步更新 baseUrl。

技能与扩展

Ollama 本地模型同样支持 OpenClaw 的技能系统。你可安装 Gmail、Calendar、Bash、Browser 等技能，让本地 AI 执行查邮件、排日程、跑脚本、浏览网页等操作。部分技能依赖网络（如 Gmail API），在国内需配合 GreenVPN 确保稳定访问。技能数据与模型推理均在本地完成，隐私性优于纯云端方案。

Ollama 支持多模型并存，可同时拉取 qwen3、deepseek-r1、llama3 等，在 OpenClaw 配置中按需切换。例如日常对话用 qwen2.5:7b 省资源，编程任务切到 qwen2.5-coder:14b。模型文件存储在 ~/.ollama/models，定期清理不用的模型可释放磁盘空间。更新 Ollama：ollama update；更新模型：ollama pull qwen3 会拉取最新版本。OpenClaw 与 Ollama 解耦，更新任一方不会影响另一方。

混合方案：本地 + 云端 + GreenVPN

部分用户希望本地 Ollama 做主、云端 Claude/GPT 做备选（复杂任务时切换）。云端 API 在国内需稳定网络。GreenVPN 提供 1000Mbps 千兆直连、70+ 节点、稳定十年，可显著降低 API 延迟。安装 GreenVPN 并连接后，系统代理自动生效；或为 OpenClaw 单独设置 HTTP_PROXY、HTTPS_PROXY。即使用户以 Ollama 为主，安装 Gmail、Browser 等需要访问外网的技能时，同样需要稳定网络，GreenVPN 的千兆带宽可确保技能调用流畅无阻。

相关文章推荐