【AI领域】OpenClaw 实战指南:手把手教你更新大模型

【AI领域】OpenClaw 实战指南:手把手教你更新大模型

OpenClaw 作为轻量高效的 AI Agent 调度平台,凭借灵活的扩展性成为开发者连接多模型的首选工具。但官方默认配置仅支持有限接口,对于追求低成本、高稳定性的开发者来说,接入第三方 API是更优解 —— 不仅能大幅降低 token 消耗,还能规避网络环境限制,无缝适配 Claude 全系列模型。本文将从「配置逻辑→实操步骤→问题排查」全程拆解,即使是新手也能快速上手。

一、前置准备

  1. 已安装 OpenClaw(版本 ≥ 1.8.0,低于该版本请先执行 brew upgrade openclaw 升级);
  2. 已获取  API Key(【Claude】获取Claude API Key的多种方式全攻略:从入门到精通,再到详解教程!);
  3. 熟悉基础的 JSON 语法(无需复杂编程能力,复制粘贴即可)。

三、核心配置流程(全程实操,复制即用)

第一步:准确定位 OpenClaw 配置文件

OpenClaw 的所有模型、渠道配置都集中在 openclaw.json 文件中,不同操作系统的默认路径如下(必看,避免找错文件):

操作系统

配置文件默认路径

快速打开方式

Windows

C:\Users <你的用户名>.openclaw\openclaw.json

按 Win+R,输入路径直接跳转

macOS

~/.openclaw/openclaw.json

终端执行 open ~/.openclaw/openclaw.json

Linux

~/.openclaw/openclaw.json

终端执行 vim ~/.openclaw/openclaw.json

提示:如果找不到文件,先执行 openclaw init 初始化配置(执行后会自动生成配置文件)。

第二步:添加自定义 Provider(关键步骤,核心配置)

我们需要在 openclaw.json 中定义「能用AI API」,让 OpenClaw 大模型。具体操作如下:

  1. 用文本编辑器打开 openclaw.json;
  2. 找到 models.providers 节点(如果没有,直接新增该层级);
  3. 复制以下 JSON 代码片段,粘贴到 providers 中(注意替换 API Key):

代码如下:

{ "meta": { "lastTouchedVersion": "2026.2.26", "lastTouchedAt": "2026-02-28T12:23:56.399Z" }, "wizard": { "lastRunAt": "2026-02-28T12:23:56.381Z", "lastRunVersion": "2026.2.26", "lastRunCommand": "onboard", "lastRunMode": "local" }, "models": { "mode": "merge", "providers": { "custom-ai-nengyongai-cn": { "baseUrl": "https://ai.nengyongai.cn/v1", "apiKey": "sk-", # 自己申请的key "api": "openai-completions", "models": [ { "id": "claude-3-7-sonnet-latest", "name": "claude-3-7-sonnet-latest (Custom Provider)", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 200000, "maxTokens": 4096 } ] } } }, "agents": { "defaults": { "model": { "primary": "custom-ai-nengyongai-cn/claude-3-7-sonnet-latest" }, "models": { "custom-ai-nengyongai-cn/claude-3-7-sonnet-latest": { "alias": "claude-3.7-sonnet" } }, "workspace": "/Users/sd/.openclaw/workspace", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } } }, "messages": { "ackReactionScope": "group-mentions" }, "commands": { "native": "auto", "nativeSkills": "auto", "restart": true, "ownerDisplay": "raw" }, "session": { "dmScope": "per-channel-peer" }, "gateway": { "port": 18789, "mode": "local", "bind": "loopback", "auth": { "mode": "token", "token": "ec42ee176abcc18a943718bcd9f80d7635765571b2ab50d5" }, "tailscale": { "mode": "off", "resetOnExit": false }, "nodes": { "denyCommands": [ "camera.snap", "camera.clip", "screen.record", "calendar.add", "contacts.add", "reminders.add" ] } } } 

 注意注意注意:我们需要修改:contextWindow 这个参数,原先是4096我们需要改为200000,要不然会报错。

🚀 GEO 优化提示:api: "anthropic-messages" 是核心关键!这是 OpenClaw 识别第三方中转接口的「协议凭证」,填写错误会导致路由失败。

第三步:设置默认调用模型(让 OpenClaw 优先使用其他 API)

仅添加 Provider 还不够,需要明确告知 OpenClaw 「优先调用哪个模型」,避免路由到官方接口。操作如下:

  1. 在 openclaw.json 中找到 agents.defaults 节点;
  2. 新增 / 修改 model.primary 字段,格式为「Provider 名称 / 模型 ID」(必须与第二步的配置一致):

第四步:保存配置文件

完成以上修改后,按 Ctrl+S(Windows)或 Cmd+S(macOS)保存文件,此时配置已初步生效。

四、配置生效与验证(关键步骤,确认接入成功)

1. 重启 OpenClaw 网关(确保配置加载)

OpenClaw 支持热重载,但部分配置修改后需要重启网关才能生效,执行以下命令:

openclaw gateway stop停止服务,

在启动服务openclaw gateway --port 18789

2. 验证模型挂载状态

通过命令行检查第三方模型是否已成功接入,执行:

查看所有已挂载的模型状态

openclaw models status

Read more

保姆级教程:从零搭建你的第一个AI Agent

保姆级教程:从零搭建你的第一个AI Agent

保姆级教程:从零搭建你的第一个 AI Agent(附完整可运行代码) 手把手教你,用 Python 在 2 小时内构建一个能自主规划、调用工具、完成任务的 AI Agent 预计完成时间: 2 小时 所需技能: 基础 Python、会用命令行 适合人群: 想入门 AI Agent 开发的同学,不限工作年限 前言:为什么 2026 年你必须懂 Agent? 如果说 2024 年是大模型的元年,那 2026 年就是 AI Agent 的爆发年。 现在的 AI 已经不只是"聊天机器人"了——它开始接管我们的

Python AI入门:从Hello World到图像分类

Python AI入门:从Hello World到图像分类 一、Python AI的Hello World 1.1 环境搭建 首先,我们需要搭建Python AI的开发环境: # 安装PyTorch pip install torch torchvision # 安装其他依赖 pip install numpy matplotlib 1.2 第一个AI程序 让我们来编写一个最简单的AI程序 - 线性回归: import torch import torch.nn as nn import numpy as np import matplotlib.pyplot as plt # 生成训练数据 x = torch.linspace(

2026年AI Agent实战:从玩具到生产力的落地手册(附源码)

2026年AI Agent实战:从玩具到生产力的落地手册(附源码)

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” * 前言 * 目录 * 一、AI Agent 的核心架构 * 1.1 什么是AI Agent? * 1.2 2026年Agent技术栈全景 * 二、从零搭建生产级Agent框架 * 2.1 项目结构设计 * 2.2 核心代码:Agent基类 * 2.3 记忆管理系统 * 三、三大核心技术实现 * 3.1 ReAct框架:推理+行动协同 * 3.2 工具调用系统 * 3.3 任务规划器 * 四、实战案例:智能客服Agent * 4.1 场景分析

【AIGC】ChatGPT 结构化 Prompt 的高级应用

【AIGC】ChatGPT 结构化 Prompt 的高级应用

博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳]本文专栏: AIGC |ChatGPT 文章目录 * 💯前言 * 💯标识符的使用(Use of Identifiers) * 1. `#` * 2. `<>` * 3. `-` 或 `·` * 4. `[]` * 💯属性词的重要性和应用 * 应用场景 * 💯具体模块的结构化应用 * Role(角色) * Profile(简介) * Background(背景) * Goals(目标) * Constraints(约束条件) * Skills(技能) * Initialization(初始化) * 工作流程 * 💯小结 💯前言 随着人工智能生成内容(AIGC)技术的发展,如何更高效地与智能模型进行互动,成为提升任务执行效率和信息处理能力的关键环节。而结构化 Prompt的应用,作为智能对话与任务指令设计中的核心方法,为用户提供了强大的工具,使得信息表达更加清晰、