1. 为什么要在 OpenClaw 里接 Ollama 本地模型如果你同时用 Qwen 和 DeepSeek 两个模型大概率遇到过这种局面一个跑在本地 Ollama 上一个走云端 API两边的 Key、地址、模型名各写一套切换一次就要翻配置文件。OpenClaw 本身支持多 Provider但真正让人头疼的不是能不能接而是接完之后怎么统一管理。这篇要解决的就是这条链路OpenClaw 通过 Ollama 调用本地 Qwen / DeepSeek同时用 TaoToken 的统一 Key 兜住云端通道让本地模型和远端模型在同一个配置体系里共存。适合已经装好 OpenClaw、想把手头本地模型接进来、又不想每次切模型都改一堆参数的人。核心检索词先摆清楚OpenClaw 是一个支持多模型 Provider 的客户端Ollama 是本地模型运行时Qwen 和 DeepSeek 是我们要跑的两个本地模型TaoToken 负责把云端 Key 收敛成一个。整条链路的关键在于三处配置——Ollama 的服务地址、模型名映射、以及统一 Key 的落点。我试过把本地和云端混着用最容易踩的坑不是模型跑不起来而是模型名对不上Ollama 里叫qwen2.5:7b配置文件里写成qwen-7b请求直接 404。所以下面每个环节我都会把名字从哪来、写到哪去讲清楚。2. 前置准备Ollama 服务与 TaoToken 统一 Key2.1 确认 Ollama 本地服务在跑Ollama 装好之后默认监听127.0.0.1:11434这是 OpenClaw 要填的地址。先在终端确认服务活着ollama list如果这条命令能列出模型说明服务正常。列表里的第一列就是模型名比如NAME ID SIZE MODIFIED qwen2.5:7b xxxx 4.7 GB 2 days ago deepseek-r1:7b xxxx 4.7 GB 3 days ago这两个名字要原样抄进 OpenClaw 配置一个字符都不能改。很多人卡在测试不通过八成是这里抄错了。如果ollama list报连接失败先启动服务ollama serveWindows 下安装完 Ollama 通常会自动常驻Mac 和 Linux 需要手动确认进程。服务没起来后面所有配置都是白搭。2.2 TaoToken 统一 Key 的定位本地模型走 Ollama 不需要 Key但你的 OpenClaw 里大概率还挂着云端模型。这时候如果每个 Provider 一套 Key配置文件会越来越乱。TaoToken 的作用是把云端通道收敛成一个 Key本地 Ollama 继续走本地地址两边互不干扰。先去控制台拿 Keyhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentopenclaw_ollama_console拿到 Key 之后OpenClaw 里云端 Provider 的api_key就填这一个base_url指向https://taotoken.net/api注意 API 地址不带 UTM 参数直接写https://taotoken.net/api即可。本地 Ollama 那一段完全不碰这个 Key各走各的通道。3. OpenClaw 侧 config.toml 骨架与模型名映射3.1 config.toml 整体结构OpenClaw 的 Provider 配置集中在config.toml。下面是一个能同时容纳本地 Ollama 和 TaoToken 云端通道的骨架你可以直接照着改# 本地 Ollama 通道 [[providers]] name ollama-local type ollama base_url http://127.0.0.1:11434 api_key # 本地不需要 Key留空 [[providers.models]] name qwen2.5:7b display_name Qwen2.5 7B (本地) [[providers.models]] name deepseek-r1:7b display_name DeepSeek R1 7B (本地) # TaoToken 云端统一通道 [[providers]] name taotoken type openai-compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey [[providers.models]] name claude-sonnet-4-5 display_name Claude Sonnet 4.5 (云端)几个要点type ollama告诉 OpenClaw 这是本地运行时走 Ollama 的接口协议base_url必须是http://127.0.0.1:11434不要写成localhost某些环境下解析会出问题api_key留空字符串别删掉这一行有些版本缺字段会报解析错误。3.2 模型名映射的写法name字段是发给 Ollama 的真实模型名必须和ollama list输出完全一致。display_name是给你自己看的可以随便写中文。这里有个容易忽略的点Ollama 的模型名带 tag比如qwen2.5:7b里的:7b是 tag不能省。如果你只写qwen2.5Ollama 会去找latesttag找不到就报错。所以配置里的name一定要带完整 tag。如果你想让同一个模型在 OpenClaw 里显示得更友好可以这样[[providers.models]] name qwen2.5:7b display_name 通义千问 2.5 7B context_length 32768context_length是可选的填了之后 OpenClaw 会按这个长度截断上下文不填就用默认值。本地模型上下文一般比云端小建议显式写上避免请求超长被 Ollama 拒绝。3.3 settings.json 里的统一 Key 片段除了config.tomlOpenClaw 还有一个settings.json管全局行为。TaoToken 的 Key 如果不想写死在config.toml里可以放到这里做环境变量引用{ providers: { taotoken: { api_key_env: TAOTOKEN_API_KEY, base_url: https://taotoken.net/api }, ollama-local: { base_url: http://127.0.0.1:11434 } }, default_provider: ollama-local }然后在系统环境变量里设置TAOTOKEN_API_KEY。这样 Key 不进版本库换机器也不用改配置文件。default_provider设成ollama-local意思是默认走本地省流量也省 Key 额度。4. 验证请求一次对话确认本地模型接入成功4.1 先用 curl 直连 Ollama在动 OpenClaw 之前先用 curl 确认 Ollama 本身能正常响应curl http://127.0.0.1:11434/api/generate -d { model: qwen2.5:7b, prompt: 你好你是什么模型, stream: false }正常返回是一段 JSONresponse字段里有模型输出。如果这里就报错说明问题在 Ollama 侧跟 OpenClaw 无关先解决 Ollama。4.2 在 OpenClaw 里发一次请求打开 OpenClaw进入聊天页模型选择框里搜qwen2.5:7b选中带ollama标签的那一项。发送你好你是什么模型如果页面正常返回内容说明链路通了。返回内容里通常会带模型自报的身份比如我是通义千问之类。这一步能过本地接入就算成功。4.3 切换 DeepSeek 再验一次同样的流程模型选择框切到deepseek-r1:7b再发一条消息。两个模型都能正常回说明模型名映射没写错Provider 配置也对。如果你在 OpenClaw 里同时配了 TaoToken 云端通道可以再切到云端模型发一条确认统一 Key 也生效。三条都通整个配置就稳了。5. 本篇常见错排查5.1 测试不通过提示连接失败先看 Ollama 服务在不在curl http://127.0.0.1:11434/api/tags这条命令返回模型列表就说明服务正常。如果连不上检查 Ollama 进程是否在跑端口是否被占用。Windows 下有时候安全软件会拦本地端口临时关掉试试。5.2 模型列表为空OpenClaw 测试时识别不到模型通常是两个原因一是ollama list里根本没有模型需要先ollama pull qwen2.5:7b拉下来二是base_url写错了比如写成了http://localhost:11434在某些环境解析异常统一用127.0.0.1。5.3 请求返回 404 model not found这是模型名对不上。回到终端跑ollama list把第一列的名字原样复制到config.toml的name字段。注意大小写和 tagQwen2.5:7B和qwen2.5:7b在 Ollama 里是两个不同的名字。5.4 云端通道报 401TaoToken 的 Key 没填对或者环境变量没生效。检查settings.json里的api_key_env名字和系统环境变量是否一致改完环境变量要重启 OpenClaw 才生效。Key 本身可以去控制台重新生成https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentopenclaw_ollama_keys5.5 本地模型响应特别慢先确认模型是不是跑在 CPU 上。Ollama 默认会尝试用 GPU但如果驱动没装好会退回 CPU7B 模型在 CPU 上跑起来很吃力。可以在终端看 Ollama 启动日志确认有没有加载 GPU。另外context_length设太大也会拖慢速度本地模型建议控制在 8K 到 32K 之间。6. 把本地和云端收进一套配置走到这里你应该已经能在 OpenClaw 里自由切换 Qwen、DeepSeek 本地模型和 TaoToken 云端模型了。回顾一下关键动作Ollama 侧确认服务地址和模型名OpenClaw 侧写config.toml的 Provider 骨架TaoToken 侧把云端 Key 收敛成一个。如果你后面要长期跑编码任务或者 Agent 流程本地模型适合做高频、低成本的调用云端模型适合处理复杂推理。两边的配置都放在同一套文件里切换时只改模型选择框不用再动配置文件。需要看更完整的接入参数和字段说明可以翻接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentopenclaw_ollama_doc想直接在网页上验证模型对话效果不装客户端也能试https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentopenclaw_ollama_chat最后留一个实操建议把config.toml和settings.json一起纳入版本管理但 Key 走环境变量。这样换机器、重装 OpenClaw 的时候复制两个文件加一个环境变量就能恢复全部模型通道比重新配一遍省事得多。