[特殊字符] OpenClaw 2.7.5 连接 Ollama 本地模型教程 [特殊字符] 用 TaoToken 统一 Key 打通配置链路

1. 为什么要在 OpenClaw 2.7.5 里接 Ollama 本地模型OpenClaw 2.7.5 是一个面向开发者的本地 AI 工具运行框架它能加载模型、管理会话、跑命令行任务适合把 Ollama 拉起来的本地模型接进自己的工作流。Ollama 则负责在本地把模型跑起来提供 HTTP 接口。两者组合起来你就能在断网环境下用上自己的模型数据不出本机。但实际接的时候很多人会卡在三个地方一是 OpenClaw 的 config.toml 和 settings.json 两个文件到底谁管什么二是 Ollama 的默认端口和模型名怎么写进配置三是启动后怎么确认真的连上了而不是 OpenClaw 自己在空转。这篇就按“先跑通、再统一 Key、最后排障”的顺序把 OpenClaw 2.7.5 连接 Ollama 本地模型的完整链路走一遍。适合谁看已经在本地装好 Ollama、能跑ollama run的开发者想把本地模型接进 OpenClaw 做批量任务的人以及想用 TaoToken 统一 Key 管理多模型通道、避免每个工具单独配 Key 的人。下面所有命令和配置都可以直接复制路径按你自己的改。2. 前置准备Ollama 服务与 TaoToken 统一 Key2.1 确认 Ollama 本地服务在跑先确认 Ollama 已经起来并且监听在默认的 11434 端口。打开终端执行ollama list如果能看到类似qwen2.5:7b、llama3.1:8b这样的模型名说明本地模型已经就绪。再确认服务端口curl http://127.0.0.1:11434/api/tags返回 JSON 里带models数组就说明 HTTP 接口正常。这一步很关键因为 OpenClaw 最终是通过 HTTP 去调 Ollama 的如果这个接口不通后面配置写得再对也没用。2.2 TaoToken 统一 Key 的接入位置OpenClaw 本身支持多通道模型配置。本地 Ollama 走本地通道而当你需要切换到云端模型、或者想让 OpenClaw 和别的工具共用一套 Key 时就可以把 TaoToken 的 API 通道填进同一个配置文件里。这样你只需要维护一份 Key不用在每个工具里重复填。TaoToken 的 API 地址是https://taotoken.net/apiKey 在控制台的 API Keys 页面生成。生成后先放一边后面写进 config.toml 的 provider 段。如果你还没生成可以先去控制台建一个权限选默认的对话调用即可。注意本地 Ollama 通道和 TaoToken 通道可以同时存在OpenClaw 按模型名前缀或 provider 字段来路由不会互相覆盖。3. 可复制配置config.toml 与 settings.json 骨架3.1 config.toml 里写 Ollama providerOpenClaw 2.7.5 的主配置是 config.toml。找到你的配置目录一般在~/.openclaw/config.toml没有就新建。下面这段可以直接复制把模型名换成你ollama list里看到的[providers.ollama_local] type openai_compatible base_url http://127.0.0.1:11434/v1 api_key ollama default_model qwen2.5:7b timeout 120 [providers.taotoken] type openai_compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey default_model claude-sonnet-4-20250514 timeout 120 [default] provider ollama_local model qwen2.5:7b这里有几个点容易写错。第一Ollama 的 OpenAI 兼容接口路径是/v1不是/api写错了会 404。第二api_key对本地 Ollama 来说随便填但字段不能省否则某些版本会报缺 Key。第三TaoToken 段的base_url结尾不要多加/v1按https://taotoken.net/api写就行具体路径由 OpenClaw 拼接。3.2 settings.json 里补运行参数settings.json 管的是运行时行为比如并发、日志、模型注册表。放在同目录下{ runtime: { max_concurrency: 2, request_timeout: 120, log_level: info }, model_registry: { ollama_local: { qwen2.5:7b: { context_window: 32768, supports_tools: true } }, taotoken: { claude-sonnet-4-20250514: { context_window: 200000, supports_tools: true } } }, routing: { prefer_local: true } }prefer_local设为 true 时同名模型优先走本地省调用额度。max_concurrency别开太大本地模型吃显存2 到 4 比较稳。3.3 注册模型到 OpenClaw配置写完后让 OpenClaw 重新扫描模型openclaw register --model-path /Users/you/models/qwen2.5-7b如果你用的是 Ollama 拉下来的模型路径其实不用手动指Ollama 自己管。这条命令更多是给本地 GGUF 文件用的。跑完后执行openclaw models list能看到ollama_local/qwen2.5:7b和taotoken/claude-sonnet-4-20250514两条就说明注册成功。4. 验证请求确认本地模型真的连通4.1 用 openclaw test 打一发最直接的验证命令openclaw test --model ollama_local/qwen2.5:7b正常返回会带模型信息、响应耗时和一小段生成内容。如果只返回模型名没有生成内容说明连上了但推理没跑起来往下看排障。4.2 用 curl 直接打 Ollama 对比为了区分是 OpenClaw 的问题还是 Ollama 的问题直接打 Ollama 的 OpenAI 兼容口curl http://127.0.0.1:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5:7b, messages: [{role: user, content: 说一句你好}] }如果这条通、OpenClaw 那条不通问题在 OpenClaw 配置如果这条也不通问题在 Ollama 服务或模型加载。4.3 跑一次真实对话验证通过后直接进交互模式openclaw chat --provider ollama_local --model qwen2.5:7b输入一句话看是否流式返回。实测下来首次加载模型会慢几秒到几十秒取决于模型大小和磁盘速度第二次就快了。如果长时间无响应检查timeout是不是设太小7B 模型建议至少 120 秒。5. 本篇常见错排查5.1 报 connection refused说明 OpenClaw 连不上 11434。先curl http://127.0.0.1:11434/api/tags确认 Ollama 在跑。如果 Ollama 装在别的机器上把base_url里的 127.0.0.1 换成那台机器的 IP并确认防火墙放行。5.2 报 404 Not Found九成是base_url写成了http://127.0.0.1:11434没带/v1或者带成了/api。Ollama 的 OpenAI 兼容口固定是/v1改对即可。5.3 模型名对不上default_model必须和ollama list里的名字完全一致包括冒号和 tag。qwen2.5:7b和qwen2.5是两个不同的东西写错会报 model not found。5.4 TaoToken 通道报 401检查api_key是不是复制时带了空格或者 Key 被禁用。去控制台的 API Keys 页面重新生成一个粘贴时注意别把换行带进去。如果只想用本地模型可以先把[default]的 provider 指到ollama_localTaoToken 段留着不影响。5.5 显存不够导致加载失败本地模型跑不动通常是显存问题。7B 模型量化后大概 5 到 6GB 显存13B 要 10GB 以上。如果报 OOM换更小的量化版本或者把max_concurrency降到 1。6. 把 Key 和通道统一起来走到这一步OpenClaw 2.7.5 连接 Ollama 本地模型的链路已经通了。本地通道负责日常推理TaoToken 通道负责需要更强模型时的切换两份配置在同一个 config.toml 里Key 只维护一份。如果你后面还要接更多工具建议把 TaoToken 的 Key 单独抽成环境变量config.toml 里用${TAOTOKEN_API_KEY}引用避免明文散落。生成和管理 Key 的入口在控制台的 API Keys 页面接入细节可以对照接入文档想先试模型效果直接开模型对话长期跑编码和 Agent 任务的话看 Coding Plan 更划算。本地和云端两条腿走路配置一次后面换模型只改一行default_model。