1. 项目概述OpenClaw到底是什么为什么值得本地部署OpenClaw不是某个大厂发布的明星产品也不是GitHub上突然爆火的“一键封神”项目。它是一个由国内开发者社区自发维护、持续迭代的开源AI工具链前端壳层核心定位是为本地运行的大语言模型LLM提供统一、轻量、可扩展的交互界面与技能调度中枢。你可以把它理解成一个“AI能力路由器”——后端接的是你自己装在电脑里的Ollama、LM Studio、或Docker里跑着的DeepSeek、Qwen、Phi-3等模型服务前端则通过简洁的Web UI、命令行接口CLI甚至插件式技能Skill调用方式把模型能力封装成文档总结、代码补全、会议纪要生成、PDF智能问答等具体功能。它不训练模型也不托管算力只做一件事让本地跑起来的AI真正好用、易管、能嵌入工作流。标题里强调“本地部署”“免费中文版”“Windows Mac全平台”恰恰戳中了当前AI落地最真实的痛点。很多人试过Claude Code、Cursor、Windsurf这类商业IDE插件也用过Dify、FastGPT这类在线低代码平台但很快会遇到三类硬伤第一是隐私敏感——合同、财报、源码、客户沟通记录传到公有云API里心里总打鼓第二是响应延迟与成本不可控——每次调用都走网络模型稍大就卡顿长期使用API费用悄然攀升第三是定制失灵——想让AI自动读取你本地的Confluence知识库、解析公司内部Excel模板、或调用你写的Python脚本处理数据现有工具要么不支持要么配置复杂到放弃。OpenClaw的本地化设计就是从根子上绕开这三座大山所有数据不出设备所有推理在本地GPU/CPU完成所有技能逻辑你完全掌控。我从去年底开始在三台不同配置的机器上实测OpenClaw一台2020款MacBook ProIntel i7 16GB RAM一台2022款MacBook AirM2 8GB RAM还有一台Windows 11台式机i5-12400F RTX 3060 32GB RAM。结论很明确它不是“玩具级”项目。在M2 Air上加载Qwen2-1.5B模型后PDF文本提取摘要生成平均耗时2.3秒在RTX 3060上跑Phi-3-mini代码补全延迟稳定在400ms以内即使在老款Intel Mac上通过合理配置量化参数也能流畅运行TinyLlama完成日常笔记整理。它不追求参数规模上的碾压而是把“可用性”和“可控性”做到极致——这才是工程师、研究员、内容创作者真正需要的AI基础设施。如果你厌倦了在浏览器里反复粘贴提示词、在不同API Key间切换、为每千token付费而犹豫那么OpenClaw本地部署就是你回归AI自主权的第一步。2. 核心设计思路与方案选型逻辑2.1 为什么不是直接用Ollama WebUI或LM StudioOpenClaw的不可替代性在哪很多新手看到“本地部署大模型”第一反应是下载Ollama敲ollama run qwen2再打开浏览器访问http://localhost:11434——确实能跑通但离“好用”差得远。Ollama WebUI本质是个模型管理器简易聊天框它解决的是“如何启动模型”没解决“如何让模型完成具体任务”。比如你想让AI自动从销售日报PDF里提取关键指标并填入Excel模板Ollama UI里只能手动复制粘贴无法自动化再比如你需要AI根据Git提交记录生成周报Ollama没有内置Git集成你得自己写脚本调用API再把结果喂给前端——这中间的胶水代码就是OpenClaw存在的全部意义。OpenClaw的设计哲学非常清晰分层解耦各司其职。它把自己严格限定在“应用层”和“连接层”绝不碰模型层和推理层。整个架构像一条流水线底层你负责用Ollama、LM Studio、Text Generation WebUI或自建vLLM服务提供标准OpenAI兼容API/v1/chat/completions等中层OpenClaw核心监听这个API端点接收用户请求按预设规则路由到对应模型并注入系统提示词System Prompt、上下文Context、工具描述Tools上层你定义通过YAML文件编写“Skill”——本质上是一段带输入输出规范、错误处理逻辑、前置校验条件的可执行流程。比如pdf_summary技能会自动调用pymupdf解析PDF截取前10页文本拼接进提示词再发给模型最后用正则提取“核心结论”“待办事项”字段生成结构化JSON。这种设计带来三个硬核优势第一零模型绑定。今天用Qwen2明天换DeepSeek-Coder只需改一行配置所有Skill无缝迁移第二技能复用性强。我写好的git_changelog技能在Windows和Mac上完全一致因为执行逻辑是Python脚本环境由OpenClaw统一管理第三调试极其直观。所有Skill的输入、模型原始输出、后处理结果都在OpenClaw日志里逐行打印不像某些黑盒平台出错只能看“Internal Server Error”。2.2 全平台支持的关键Electron Rust CLI双引擎架构标题强调“Windows Mac全平台”这不是一句空话。OpenClaw采用Electron构建桌面GUI保证界面一致性但核心调度引擎却是用Rust重写的CLI工具openclaw-cli。这个组合看似矛盾实则精妙Electron负责渲染美观的Web UI、处理拖拽上传、管理设置面板Rust CLI则承担所有高负载、高可靠性的任务——模型API调用、Skill进程管理、日志聚合、资源监控。两者通过本地HTTP API默认http://127.0.0.1:8080通信彻底解耦。这意味着什么在Mac上Electron应用可以完美适配Apple Silicon芯片的原生加速同时Rust编译的二进制文件能充分利用ARM64指令集内存占用比纯Node.js方案低40%在Windows上Rust CLI规避了Windows Subsystem for LinuxWSL的路径映射陷阱直接读写C:\Users\XXX\Documents毫无压力更重要的是当GUI意外崩溃时CLI后台服务依然健壮运行你正在执行的PDF解析任务不会中断——这是我实测中踩过最多次坑后才真正理解的设计深意。2.3 “免费中文版”的实质社区驱动的本地化工程所谓“免费中文版”并非简单翻译界面字符串。OpenClaw的中文支持是深度内嵌的所有Skill模板如meeting_note.yaml、code_review.yaml默认使用中文提示词工程针对中文语境优化了few-shot示例CLI命令行帮助openclaw-cli --help全程中文连错误提示都带解决方案比如ERROR: 模型API不可达请检查Ollama是否运行于http://localhost:11434更关键的是它预置了对国内常用工具链的适配——无需额外配置就能识别.docx、.xlsx、.pdf文件编码自动处理GBK/GB2312乱码对微信聊天导出的TXT、钉钉会议纪要HTML内置了专用解析器。这些细节是靠社区成员持续提交PR积累出来的不是某家公司外包翻译能搞定的。我参与过两次中文提示词优化发现开发者对“中文公文语气”“技术文档术语一致性”的考究远超我的预期——比如“请生成一份会议纪要”会被细化为“请以国企行政口吻用‘会议指出’‘会议强调’‘会议要求’三级结构输出不超过300字的正式纪要”这种颗粒度才是真正的“中文友好”。3. 详细部署步骤与核心配置解析3.1 环境准备跨平台共性依赖与差异点部署OpenClaw前必须确认三类基础依赖已就绪。这里不罗列“安装Python”“安装Git”这类泛泛而谈的步骤而是聚焦真正影响成败的关键项并标注Windows与Mac的差异1. Node.jsv18.17.0与npmv9.6.7这是Electron GUI的基石。Windows用户务必从 nodejs.org 下载LTS版本安装包.msi切勿用Chocolatey或Scoop安装——后者常因权限问题导致Electron构建失败。Mac用户推荐用Homebrewbrew install node18然后执行echo export PATH/opt/homebrew/opt/node18/bin:$PATH ~/.zshrc并重启终端。验证命令node -v npm -v输出必须匹配上述版本号。低于v18.17.0会导致Electron 28的沙箱机制报错这是2024年新版本Mac上最常见的启动失败原因。2. Pythonv3.9~3.11OpenClaw的Skill大多用Python编写且依赖特定版本的pydantic、requests等库。Windows用户建议用 python.org 官方安装包勾选“Add Python to PATH”Mac用户同样用Homebrewbrew install python3.11。关键禁忌不要用Mac自带的Python/usr/bin/python3它缺少ensurepip模块后续安装Skill依赖必报错。验证python3 -m pip --version确保pip指向正确的Python路径。3. 模型运行时Ollama为首选这是OpenClaw的“燃料”。Ollama安装本身很简单但端口与模型路径配置是跨平台雷区Windows默认监听http://127.0.0.1:11434但若你启用了Hyper-V或WSL2可能被占用。解决方案编辑%USERPROFILE%\AppData\Local\Programs\Ollama\ollama.exe.config添加add keyOLLAMA_HOST value127.0.0.1:11435/然后重启Ollama服务。MacApple Silicon用户需确认Ollama是ARM64原生版file $(which ollama)应显示arm64否则运行Qwen2会触发Rosetta转译性能暴跌50%。Intel Mac用户则需在~/.ollama/config.json中显式设置{num_ctx:2048}避免大模型加载失败。验证curl http://localhost:11434/api/tags返回JSON列表即成功。提示首次部署强烈建议先拉取一个轻量模型测试如ollama run tinyllama。它仅280MB1分钟内即可下载完成是验证整个链路是否通畅的黄金标准。3.2 下载与安装官方渠道与校验要点OpenClaw不提供传统意义上的“安装程序”而是发布预编译的跨平台二进制包.exe、.dmg、.zip。绝对不要从第三方论坛、网盘或未经验证的GitHub镜像站下载——社区曾发现过篡改CLI签名、植入挖矿脚本的恶意包。正确获取路径访问官方GitHub Releases页面https://github.com/openclaw-org/openclaw/releases找到最新稳定版如v0.8.3认准Release名称含full字样如openclaw-v0.8.3-full-win-x64.zip这是包含GUI、CLI、全部Skill模板的完整包cli-only包仅含命令行工具GUI需另行构建。下载后必须校验SHA256哈希值Windows用PowerShell执行Get-FileHash .\openclaw-v0.8.3-full-win-x64.zip -Algorithm SHA256Mac用终端执行shasum -a 256 openclaw-v0.8.3-full-win-x64.zip将输出哈希值与Releases页面下方的SHA256SUMS文件中对应条目比对一字不差才算安全。这是防止供应链攻击的底线操作。安装操作Windows解压ZIP到任意目录如C:\openclaw右键解压文件夹 → 属性 → 安全 → 编辑 → 给你的用户账户赋予“完全控制”权限。这是Windows Defender SmartScreen拦截的常见原因不设置会导致双击openclaw.exe无响应。Mac将.dmg挂载后拖拽OpenClaw.app到Applications文件夹。首次运行会提示“无法验证开发者”此时需进入系统设置 → 隐私与安全性 → 仍要打开点击允许。切勿跳过此步直接双击图标否则应用会静默退出。3.3 首次启动与核心配置让OpenClaw认识你的模型安装完成后双击启动应用。首次运行会弹出初始化向导这里每一步都决定后续体验Step 1选择模型API端点默认填写http://localhost:11434但如果你按3.1节修改了Ollama端口如11435此处必须同步修改。点击“测试连接”成功后会出现绿色对勾。失败时不要盲目重试先在浏览器打开该URL看是否返回{models:[]}若显示Connection refused说明Ollama未运行若返回404说明端口正确但Ollama服务异常需重启Ollama。Step 2配置Skill工作目录默认路径是~/openclaw-skillsMac或%USERPROFILE%\openclaw-skillsWindows。强烈建议改为一个你有完全读写权限的路径例如D:\openclaw-skillsWindows或/Users/yourname/Documents/openclaw-skillsMac。原因Skill执行时会创建临时文件、缓存解析结果若路径在受保护系统目录如C:\Program FilesWindows UAC会阻止写入导致PDF解析失败。Step 3启用中文模式与默认模型勾选“启用中文界面”并在“默认模型”下拉框中选择你已下载的模型如qwen2:1.5b。注意下拉框内容来自Ollama的/api/tags接口若列表为空说明Ollama未正确返回模型列表需检查Ollama日志Windows%USERPROFILE%\AppData\Local\Programs\Ollama\logs\ollama.logMac~/Library/Logs/Ollama/ollama.log。完成向导后OpenClaw会自动生成核心配置文件config.yaml位于应用同级目录。这是你后续深度定制的入口关键字段解析如下# config.yaml 核心字段详解 model_api: url: http://localhost:11434 # 必须与Ollama实际监听地址一致 timeout: 300 # 模型响应超时秒大模型建议设为600 skills: root_dir: /Users/yourname/Documents/openclaw-skills # Skill存放根目录 default_model: qwen2:1.5b # 所有Skill默认调用的模型 max_concurrent: 3 # 同时运行的Skill数量避免GPU显存溢出 logging: level: INFO # 日志级别DEBUG可查看详细请求/响应 file_path: ./logs/openclaw.log # 日志文件路径确保该目录存在且可写注意修改config.yaml后必须重启OpenClaw应用才能生效。不要试图热重载配置变更不会实时应用。3.4 技能Skill实战从零编写一个PDF摘要生成器OpenClaw的价值最终体现在Skill的编写与复用上。下面以“PDF摘要生成器”为例手把手带你完成一个生产级Skill覆盖从环境准备到调试上线的全流程。第一步创建Skill目录结构在openclaw-skills根目录下新建文件夹pdf_summary其内部结构必须严格遵循pdf_summary/ ├── skill.yaml # Skill元信息与执行定义 ├── main.py # 核心Python逻辑可选也可用shell脚本 └── requirements.txt # 依赖库声明可选第二步编写skill.yaml这是Skill的“身份证”定义了它能做什么、怎么触发、输入输出格式# pdf_summary/skill.yaml name: PDF摘要生成 description: 自动提取PDF前10页文本生成300字以内结构化摘要 category: 文档处理 icon: trigger: type: file_drop # 触发方式拖拽文件到UI区域 mime_types: [application/pdf] input: - name: pdf_file type: file description: 待处理的PDF文件 output: - name: summary type: text description: 生成的摘要文本 - name: key_points type: list description: 3个核心要点 execution: type: python # 执行引擎python/shell script: main.py # 入口脚本 timeout: 120 # 最长执行时间秒第三步编写main.py核心逻辑此脚本必须接收OpenClaw传入的pdf_file路径并输出符合output定义的JSON# pdf_summary/main.py import sys import json import fitz # PyMuPDF需在requirements.txt中声明 from pathlib import Path def extract_pdf_text(pdf_path: str, max_pages: int 10) - str: 提取PDF前max_pages页的纯文本 doc fitz.open(pdf_path) text for page_num in range(min(max_pages, len(doc))): page doc[page_num] text page.get_text() doc.close() return text.strip() def generate_summary(text: str) - dict: 调用OpenClaw内置模型API生成摘要 # OpenClaw会自动注入模型API客户端无需手动构造HTTP请求 from openclaw import get_model_client client get_model_client() response client.chat.completions.create( modelqwen2:1.5b, messages[ {role: system, content: 你是一名专业文档分析师。请用中文严格按以下格式输出\n【摘要】\n[300字以内摘要]\n\n【核心要点】\n1. [要点1]\n2. [要点2]\n3. [要点3]}, {role: user, content: f请分析以下文本{text[:5000]}...} # 截断防超长 ], temperature0.3 ) content response.choices[0].message.content # 解析模型输出提取结构化字段 try: summary_start content.find(【摘要】) len(【摘要】) summary_end content.find(\n\n【核心要点】) summary content[summary_start:summary_end].strip() keypoints_start content.find(【核心要点】) len(【核心要点】) keypoints [kp.strip() for kp in content[keypoints_start:].split(\n) if kp.strip().startswith(1.) or kp.strip().startswith(2.) or kp.strip().startswith(3.)] return { summary: summary, key_points: keypoints[:3] # 确保最多3个 } except Exception as e: return {summary: 摘要生成失败, key_points: [解析错误]} if __name__ __main__: # OpenClaw通过stdin传入输入参数 input_data json.loads(sys.stdin.read()) pdf_path input_data[pdf_file] result generate_summary(extract_pdf_text(pdf_path)) print(json.dumps(result)) # OpenClaw通过stdout读取结果第四步声明依赖requirements.txt# pdf_summary/requirements.txt PyMuPDF1.24.4第五步在OpenClaw中启用并测试重启OpenClaw应用使新Skill生效在左侧技能栏找到“PDF摘要生成”点击启用将任意PDF文件拖拽到主界面中央区域查看右下角状态栏若显示“执行成功”点击结果卡片即可查看摘要与要点。实操心得第一次运行失败90%概率是PyMuPDF未正确安装。OpenClaw会自动检测requirements.txt并执行pip install -r requirements.txt但若你的Python环境有多个版本它可能装到错误的环境中。此时打开OpenClaw日志config.yaml中指定的路径搜索pip install关键字确认安装日志是否成功。若失败手动在终端执行python3 -m pip install PyMuPDF1.24.4再重启应用。4. 常见问题排查与独家避坑指南4.1 启动失败类问题从日志源头定位OpenClaw启动失败是最常见的入门障碍但绝大多数情况都能通过日志精准定位。永远不要凭感觉瞎猜以下是高频问题与对应日志特征现象日志关键词在openclaw.log中搜索根本原因解决方案双击图标无反应任务管理器无进程Error: EACCES: permission deniedWindows权限不足右键OpenClaw文件夹 → 属性 → 安全 → 编辑 → 给当前用户“完全控制”启动后白屏控制台报错Failed to load resource: net::ERR_CONNECTION_REFUSEDFailed to connect to model API at http://localhost:11434Ollama未运行或端口错误执行ollama list确认服务状态检查config.yaml中model_api.url是否匹配Mac上提示“已损坏无法打开”Code signature not valid for use in processApple Gatekeeper拦截终端执行xattr -rd com.apple.quarantine /Applications/OpenClaw.appGUI启动但技能列表为空No skills found in directory: /Users/xxx/openclaw-skillsskills.root_dir路径错误或无读取权限检查config.yaml路径是否真实存在Mac上执行ls -la /Users/xxx/openclaw-skills确认权限关键技巧Windows用户若在事件查看器中看到Application Error错误代码为0xc000007b这几乎100%是Visual C Redistributable缺失。下载安装 Microsoft Visual C 2015-2022 Redistributable (x64) 重启即可。4.2 模型调用类问题超时、乱码、格式错乱模型API调用失败往往表现为Skill执行中卡住、返回空结果或乱码。这通常与模型层配置相关而非OpenClaw本身问题1“模型响应超时”日志显示Request timeout after 300 seconds。根本原因是模型推理时间超过config.yaml中model_api.timeout设定。不要盲目调大timeout先诊断瓶颈在终端执行ollama run qwen2:1.5b输入相同提示词观察响应时间若终端也慢说明是模型或硬件问题Intel Mac用户需在Ollama配置中添加{num_ctx:1024}降低上下文长度RTX 3060用户可尝试ollama run qwen2:1.5b-q4_k_m量化版提升速度。问题2“中文乱码”或“符号显示为方块”日志中出现UnicodeEncodeError或UI显示。这是Python环境编码与系统不一致导致。Windows用户需在PowerShell中执行chcp 65001 # 切换为UTF-8代码页 $env:PYTHONIOENCODINGutf-8Mac用户在~/.zshrc中添加export PYTHONIOENCODINGutf-8 export LANGen_US.UTF-8问题3“模型返回JSON格式错误”Skill期望返回{summary:xxx,key_points:[a,b]}但模型返回了【摘要】xxx\n【要点】a,b,c。这是提示词工程不严谨所致。终极解决方案在skill.yaml的execution.script中强制指定response_format: json_object需模型支持或在main.py中增加鲁棒性解析逻辑用正则兜底import re # 从非结构化文本中提取JSON-like结构 json_match re.search(r\{.*?\}, content, re.DOTALL) if json_match: result json.loads(json_match.group()) else: result {summary: 解析失败, key_points: [格式错误]}4.3 技能开发类问题权限、路径、依赖地狱Skill开发是进阶环节也是坑最密集的区域。以下是我在为12个不同团队部署时总结出的“血泪教训”坑1Mac上Permission denied执行Python脚本现象main.py在终端可运行但在OpenClaw中报错Permission denied。原因OpenClaw的Rust CLI以沙箱模式启动Python进程默认不继承当前Shell的PATH和环境变量。解决方案在main.py开头显式指定Python解释器路径#!/usr/bin/env python3 # -*- coding: utf-8 -*- import sys # 强制使用系统Python避免沙箱找不到pip包 sys.path.insert(0, /opt/homebrew/lib/python3.11/site-packages)坑2Windows路径中的反斜杠\引发JSON解析错误现象pdf_file路径传入main.py后json.loads()报错Invalid \escape。原因Windows路径C:\Users\John\file.pdf中的\U被Python误认为Unicode转义。解决方案在main.py中预处理路径import json import sys input_data json.loads(sys.stdin.read()) # 安全地处理Windows路径 pdf_path input_data[pdf_file].replace(\\, /) # 统一为正斜杠坑3requirements.txt安装后仍报ModuleNotFoundError这是最隐蔽的坑。OpenClaw的pip安装日志可能显示Successfully installed pymupdf-1.24.4但运行时仍找不到模块。原因OpenClaw CLI使用的Python解释器与你终端的python3不是同一个。验证方法在main.py中加入import sys print(fPython executable: {sys.executable}) print(fPython path: {sys.path})然后查看OpenClaw日志确认sys.executable指向的路径。若指向/opt/homebrew/Cellar/python3.11/3.11.9/Frameworks/Python.framework/Versions/3.11/Resources/Python.app/Contents/MacOS/Python则需用该路径的pip安装/opt/homebrew/Cellar/python3.11/3.11.9/Frameworks/Python.framework/Versions/3.11/Resources/Python.app/Contents/MacOS/Python -m pip install PyMuPDF4.4 性能优化实战让老设备也流畅运行很多用户反馈“MacBook Pro 2015跑不动”其实不是硬件问题而是配置不当。以下是经过实测的优化组合针对Intel Mac8GB RAMOllama配置~/.ollama/config.json{ num_ctx: 512, num_gpu: 0, num_thread: 2, no_mul_mat_q: true }关闭GPU加速限制上下文长度强制单线程可将Qwen2-0.5B内存占用从3.2GB压至1.8GB。OpenClawconfig.yamlskills: max_concurrent: 1 # 严禁并发 model_api: timeout: 600 # 给足响应时间针对Windows低配台式机i3-8100 8GB RAM放弃Ollama改用 LM Studio 选择TheBloke/phi-3-mini-4k-instruct-GGUF模型量化格式Q4_K_M在LM Studio中开启Use GPU Acceleration但将GPU Layers设为10而非默认99平衡显存与速度OpenClawmodel_api.url改为http://localhost:1234/v1LM Studio默认端口。终极技巧冷启动加速OpenClaw首次加载Skill时会扫描所有*.py文件并编译耗时可达10秒。若你只用3个核心Skill可在config.yaml中指定白名单skills: include_patterns: [pdf_summary, git_changelog, code_review]这样启动时间从12秒降至2.3秒体验质变。5. 进阶应用与生态扩展5.1 与现有工作流集成VS Code、Obsidian、AlfredOpenClaw的价值不仅在于独立使用更在于成为你数字工作流的“AI神经中枢”。以下是三个已验证的深度集成方案VS Code插件化调用利用VS Code的tasks.json将OpenClaw CLI作为外部任务。在项目根目录创建.vscode/tasks.json{ version: 2.0.0, tasks: [ { label: OpenClaw: Summarize Current File, type: shell, command: openclaw-cli run pdf_summary --input ${file}, group: build, presentation: { echo: true, reveal: always, focus: false, panel: shared, showReuseMessage: true, clear: true } } ] }按CtrlShiftPWindows或CmdShiftPMac输入Tasks: Run Task选择OpenClaw: Summarize Current File即可一键为当前打开的PDF生成摘要。实测效果比在浏览器中复制粘贴快5倍且结果自动插入编辑器新标签页。Obsidian双向链接增强Obsidian用户可编写一个openclaw-obsidian-plugin基于Obsidian API当光标停留在[[Meeting Notes]]链接上时右键菜单出现“AI生成会议纪要”点击后自动提取该笔记中所有附件调用pdf_summarySkill将摘要以 [!summary]块形式追加到笔记末尾。这实现了知识库的“AI自动注释”无需离开Obsidian。Alfred Workflow自动化Mac用户可创建Alfred Workflow设置Hotkey如optspace输入oc pdf /path/to/file.pdf自动触发OpenClaw CLI执行摘要并将结果复制到剪贴板。Workflow中关键Action是Run Script脚本内容为/usr/local/bin/openclaw-cli run pdf_summary --input $1 --output-format json | jq -r .summary | pbcopy配合jq工具实现“一键摘要即刻粘贴”。5.2 自定义模型接入超越Ollama的更多可能OpenClaw的模型API兼容性极强不局限于Ollama。以下是三种生产环境已落地的接入方式1. vLLM高性能服务适用于拥有A10/A100显卡的用户。启动vLLM服务python -m vllm.entrypoints.api_server \ --model Qwen/Qwen2-7B-Instruct \ --tensor-parallel-size 2 \ --host 0.0.0.0 \ --port 8000然后将OpenClawconfig.yaml中model_api.url改为http://localhost:8000/v1。vLLM的吞吐量是Ollama的3倍以上特别适合批量处理PDF。2. LM Studio本地APILM Studio的/v1/chat/completions端点完全兼容OpenAI标准。唯一要注意的是LM Studio默认不启用CORS需在设置中勾选“Enable CORS”跨域资源共享否则OpenClaw GUI会因浏览器安全策略拒绝连接。3. 私有化Dify实例若你已部署Dify可将其作为OpenClaw的“高级模型后端”。在Dify中创建一个App启用“API Mode”获取API Key然后在OpenClaw中