OpenClaw 接入 Ollama 本地模型教程：零成本离线使用 AI

不想花钱买 API？担心隐私泄露？用 Ollama 在本地跑大模型，OpenClaw 就能完全免费使用了。

什么是 Ollama

Ollama 是一个本地运行大模型的工具，特点：

• 完全免费：不用付 API 费用
• 离线可用：断网也能用
• 隐私安全：数据不离开你的电脑
• 简单易用：一条命令就能跑起来

支持的模型

模型	大小	内存需求	推荐场景
Qwen2.5:7b	4.7GB	8GB+	日常对话、中文任务
Llama3.2:3b	2GB	4GB+	轻量级任务
DeepSeek-R1:7b	4.7GB	8GB+	推理任务
Gemma2:9b	5.5GB	12GB+	高质量回答
CodeLlama:7b	4GB	8GB+	代码生成

新手推荐：Qwen2.5:7b，中文能力强，7B 参数够用。

安装 Ollama

Windows

1. 访问 ollama.com/download
2. 下载 Windows 版本
3. 双击安装
4. 验证安装：

   ollama --version

macOS

brew install ollama

Linux

curl -fsSL https://ollama.com/install.sh | sh

下载模型

# 下载 Qwen2.5 7B（推荐）
ollama pull qwen2.5:7b

# 下载其他模型
ollama pull llama3.2:3b
ollama pull deepseek-r1:7b

下载时间：根据网速，4-7GB 模型需要 10-30 分钟。

启动 Ollama 服务

# 启动服务
ollama serve

# 或后台运行
ollama serve &

默认监听 http://localhost:11434。

配置 OpenClaw

方法一：通过控制台配置

1. 打开 OpenClaw 控制台 http://localhost:3000
2. 设置 → 模型配置 → 添加模型
3. 填写：
   • 名称：Ollama Qwen
   • 类型：Ollama
   • 地址：http://localhost:11434
   • 模型：qwen2.5:7b

方法二：修改配置文件

编辑 ~/.openclaw/.env：

# Ollama 配置
OLLAMA_BASE_URL=http://localhost:11434
OLLAMA_MODEL=qwen2.5:7b

或在 OpenClaw 的模型配置文件中添加：

{
  "models": [
    {
      "name": "ollama-qwen",
      "provider": "ollama",
      "baseUrl": "http://localhost:11434",
      "model": "qwen2.5:7b"
    }
  ]
}

验证配置

# 测试 Ollama 是否正常
curl http://localhost:11434/api/generate -d '{
  "model": "qwen2.5:7b",
  "prompt": "你好"
}'

然后在 OpenClaw 里试试：

你好，请自我介绍一下

性能优化

使用 GPU 加速

如果有 NVIDIA 显卡，安装 CUDA 后 Ollama 会自动使用 GPU。

检查是否在使用 GPU：

nvidia-smi

如果看到 Ollama 进程，说明正在使用 GPU。

调整模型参数

# 使用更小的上下文窗口
ollama run qwen2.5:7b --num-ctx 2048

# 设置温度参数
ollama run qwen2.5:7b --temperature 0.7

量化模型

如果内存不够，可以用量化版本：

# 下载量化版本
ollama pull qwen2.5:7b-q4_0

多模型切换

OpenClaw 可以配置多个 Ollama 模型：

{
  "models": [
    {
      "name": "qwen-fast",
      "provider": "ollama",
      "model": "qwen2.5:3b"
    },
    {
      "name": "qwen-smart",
      "provider": "ollama",
      "model": "qwen2.5:7b"
    },
    {
      "name": "code",
      "provider": "ollama",
      "model": "codellama:7b"
    }
  ]
}

不同任务用不同模型：

• 日常对话 → qwen-fast（快）
• 复杂推理 → qwen-smart（聪明）
• 写代码 → code（专业）

常见问题

Q: 内存不够怎么办？

方案：

1. 用更小的模型（3B 或 1.5B）
2. 使用量化版本（q4_0）
3. 关闭其他占用内存的程序

Q: 响应速度慢？

检查：

1. 是否用了 GPU
2. 模型大小是否合适
3. 减少 num-ctx 参数

Q: 中文回答质量差？

建议：

1. 用 Qwen 系列（中文优化）
2. 尝试更大的模型（14B）
3. 调整 temperature 参数

Q: 如何查看已下载的模型？

ollama list

Q: 如何删除模型？

ollama rm <模型名>

云端 vs 本地对比

对比项	云端 API	Ollama 本地
成本	按量付费	免费
速度	取决于网络	取决于硬件
隐私	数据上传云端	完全本地
离线使用	❌	✅
模型选择	多	较少
智能程度	最强（GPT-4）	中等（7B-14B）

推荐配置

你的硬件	推荐模型
8GB 内存，无显卡	qwen2.5:3b-q4_0
16GB 内存，无显卡	qwen2.5:7b
16GB 内存 + RTX 3060	qwen2.5:14b
32GB 内存 + RTX 4090	qwen2.5:32b

总结

OpenClaw + Ollama 的优势：

• 零成本：不用付 API 费用
• 隐私安全：数据完全在本地
• 离线可用：断网也能用
• 灵活切换：可配置多个模型

如果你的电脑配置还可以，强烈建议试试本地模型，既省钱又安全。