OpenClaw 的免费 AI 大模型及其配置方法

优质文章学习记录

— 10 min read

OpenClaw 中的“自由模型”可能意味着两种不同的东西，而混淆这两种模型正是大多数人浪费时间的地方。

有一种“免费”是真正意义上的免费，因为模型运行在本地，你只需要支付 CPU、内存、GPU 和电力费用。例如 Ollama 或你自行托管的 OpenAI 兼容运行时环境。

另一种是“免费套餐”，即托管服务提供商提供一定的配额、积分或 OAuth 访问权限。这种套餐虽然不错，但通常会有速率限制、策略限制，而且偶尔还会出现意外中断或流量突然上限的情况。

本指南篇幅较长，因为模型配置看似简单，但一旦遇到问题，例如工具调用速度变慢、出现 429 错误，或者某个代理使用的身份验证配置文件与预期不符等，就会发现其中的奥妙。我们将力求实用。

如果您是 OpenClaw 新手，想先了解基础知识，可以阅读 OpenClaw 简介及其工作原理。如果您已经运行了 OpenClaw，接下来我们来正确地连接模型。

OpenClaw 模型引用的工作原理

OpenClaw 模型引用使用provider/model格式。例如：openai/gpt-5.1-codex或ollama/llama3.3。

如果你设置了此项，agents.defaults.models实际上就创建了一个允许列表。只有列表中列出的模型才符合条件。这在你想防止不同环境下的模型选择出现随机偏差时非常有用。

在实际应用中非常重要的命令行助手：

  • openclaw onboard用于初始身份验证和提供商设置
  • openclaw models list看看 OpenClaw 能看到什么
  • openclaw models set provider/model无需编辑配置即可快速切换

这些内容在提供商文档中都有明确说明，可以避免配置错误。

在粘贴随机按键之前，请先制定好策略。

策略A：本地优先，托管备用

这是我给大多数自托管用户的默认建议。本地模型可以处理繁琐的日常任务，而备用方案则可以应对“我需要更强大的处理器来处理这个问题”或“我的本地服务器繁忙”的情况。此外，由于大部分流量都停留在本地，因此成本也更可预测。

策略B：仅提供免费托管服务

如果你不需要进行任何本地推理，并且使用量很轻，那么这种方法可行。缺点是免费套餐的额度会变化，你会遇到限制，所以你需要一些备用方案。

策略C：仅限本地

从隐私和成本角度来看，这是最简洁的方案。但它也最依赖硬件。在小型机器上运行的 3B 模型在快速自动化方面表现出色，但在长时间的推理任务中则会崩溃。

真正免费的本地模型

奥拉玛

Ollama 是最常见的“我想要免费且本地化的服务”方案。OpenClaw 支持 Ollama 作为服务提供商，并且可以自动检测本地 Ollama 服务器http://127.0.0.1:11434/v1。

最简配置如下所示：

ollama pull llama3.3 openclaw models list

然后设置您的默认模型openclaw.json：

{ "agents": { "defaults": { "model": { "primary": "ollama/llama3.3" } } } }

如果你想要一套合理的“入门”模型，可以保留一个通用模型作为主模型，再添加一个编码模型作为备用。一开始规模要小，以后可以随时扩展。

Ollama 关于流媒体的警告

由于 SDK 和流格式的特殊性，某些 Ollama 配置的构建版本会禁用流式传输。如果您发现文本输出中泄露了奇怪的工具标记，通常就是这个原因。请将流式传输视为可选而非必需。

LM Studio vLLM LiteLLM llama.cpp 和其他 OpenAI 兼容运行时

OpenClaw 可以通过 . 使用几乎任何 OpenAI 兼容的基本 URL models.providers。文档甚至展示了带有显式提供程序配置的 LM Studio 风格端点的模式。

示例模式：

{ "agents": { "defaults": { "model": { "primary": "lmstudio/minimax-m2.1-gs32" }, "models": { "lmstudio/minimax-m2.1-gs32": { "alias": "MiniMax" } } } }, "models": { "providers": { "lmstudio": { "baseUrl": "http://localhost:1234/v1", "apiKey": "LMSTUDIO_KEY", "api": "openai-completions", "models": [ { "id": "minimax-m2.1-gs32", "name": "MiniMax M2.1", "contextWindow": 200000, "maxTokens": 8192, "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 } } ] } } } }

请注意，这些cost字段的值都设置为零。这在配置中是一个很好的提示：本地模式意味着不按令牌计费。

提供免费套餐和免费访问途径的托管选项

本部分介绍一些可以让你无需立即付费即可运行 OpenClaw 的服务商。条款和配额可能会有所变动，有些“免费”服务实际上只是“促销额度用完前免费”。请将此视为一份清单，而非承诺。

Qwen OAuth

如果你想要一个不错的免费套餐，又不想费劲地“轮换12个API密钥”，我推荐你试试这个。OpenClaw通过OAuth设备代码流程和捆绑插件支持Qwen。

启用插件并登录：

openclaw plugins enable qwen-portal-auth openclaw models auth login --provider qwen-portal --set-default

模型参考格式如下：

  • qwen-portal/coder-model
  • qwen-portal/vision-model

Qwen 的文档中描述了与 OAuth 访问相关的每日免费请求配额。

我个人的看法是： Qwen 是少数几个“免费版”仍然能满足实际工作需求的软件之一，前提是你得为合适的工作选择合适的模式。我不会用它来管理整个团队的免费业务，但对于个人经纪人来说，它可能是一个不错的选择。

OpenRouter 免费模型

OpenRouter 的优势在于它将多个模型聚合到一个提供商之下。他们的文档也解释了某些模型上的`:free`后缀。

在 OpenClaw 中，通常只需设置：

{ "agents": { "defaults": { "model": { "primary": "openrouter/meta-llama/llama-3.2-3b-instruct:free" } } } }

免费模型可能会随时间变化，因此请将模型选择视为需要定期重新评估的事情。如果某个免费模型消失，您需要提前配置好备用模型。

Groq

Groq之所以受欢迎，是因为它速度快，而且通常提供充足的流量供用户进行实验。您的具体流量配额取决于Groq在您所在地区和账户级别提供的配额。尽管如此，它仍然值得作为备用方案，因为一旦成功，流量几乎是瞬间到账的。

OpenClaw 内置了 Groq 作为提供程序，它使用GROQ_API_KEY。

Google Gemini

Gemini 也是一个内置的提供程序，它使用GEMINI_API_KEY。

谷歌的免费使用量和速率限制取决于产品类型和套餐，因此我不会在类似这样的教程中给出具体的数值。如果您想大致了解情况，可以参考谷歌社区论坛上关于API类免费使用每日请求上限的讨论。

Mistral

Mistral 是另一个内置提供商。如果您所在地区有免费套餐，它可以作为不错的通用备选方案。OpenClaw 使用 MistralMISTRAL_API_KEY进行身份验证。

Cohere

Cohere 常用于摘要和分类类工作。根据你的路由方式，你可以使用直接提供商或与 OpenAI 兼容的代理。如果你使用的是免费套餐，除非你确定它能满足你的使用需求，否则建议将其作为备用方案而非主要方案。

Moonshot Kimi 和 Kimi Coding

Kimi 通常并非“永久免费”，但通常可以通过促销活动、积分或合作伙伴计划获得。OpenClaw 的文档介绍了如何将 Moonshot 配置为具有 OpenAI 兼容基础 URL 的自定义提供商。

文档中的示例配置框架：

{ "agents": { "defaults": { "model": { "primary": "moonshot/kimi-k2.5" } } }, "models": { "mode": "merge", "providers": { "moonshot": { "baseUrl": "https://api.moonshot.ai/v1", "apiKey": "${MOONSHOT_API_KEY}", "api": "openai-completions", "models": [{ "id": "kimi-k2.5", "name": "Kimi K2.5" }] } } } }

Kimi Coding 是文档中一个单独的提供程序路由KIMI_API_KEY。

DeepSeek

DeepSeek 通常被描述为“基本免费”，但这取决于您是在本地运行还是使用托管 API。如果您通过 Ollama 或本地 OpenAI 兼容服务器运行 DeepSeek，则成本仅为硬件费用。如果您使用托管 API，则通常成本较低，而非完全免费。

如何设置回退方案，以避免免费层级破坏您的代理

OpenClaw 通过两层机制处理故障。它可以在同一提供商内轮换身份验证配置文件，然后回退到下一个模型agents.defaults.model.fallbacks。

这比听起来更重要，因为免费套餐更容易达到速率限制，并且更容易出现“计费已禁用”状态。OpenClaw 会跟踪冷却时间，并在发生计费错误时延长用户配置文件的禁用时间。

身份验证配置文件的持久性以及为什么您的提供商会在周中“更改”

OpenClaw 将 API 密钥和 OAuth 令牌存储在身份验证配置文件中，并且为了缓存友好性，它会为每个会话固定一个选定的配置文件。

如果您为同一提供商设置了多个配置文件，OpenClaw 可以根据配置顺序或轮询规则轮换使用它们。

如果您感觉 OAuth 登录“消失”了，这通常只是因为登录名轮换。如果您希望登录行为可预测，请固定登录名顺序。

重要免费模型安全设置

在你的政策架构中，以下几项应该是枯燥乏味的：

  • 切勿提交 API 密钥。请将它们放在环境变量或 systemd 环境变量文件中。
  • 未经授权，请勿将您的网关暴露在公共互联网上。请使用令牌、尾网或合适的反向代理。
  • 保持工具访问权限合理。即使是免费模型，如果你的代理可以运行危险工具，它仍然有可能运行这些工具。

如果你想了解“技能层”方面的内容，其安全理念是相同的。技能是执行层面，而非内容本身。这部分内容在我们的 OpenClaw 技能指南中有详细介绍。

快速故障排除清单

OpenClaw 无法识别任何模型

  • 运行openclaw models list并确认服务提供商出现。
  • 如果使用 Ollama，请确保服务可访问并ollama list显示模型。
  • 如果使用代理，请确认其baseUrl是否与/v1OpenAI API 兼容。

我一直遇到401或403错误。

  • 请检查该提供程序对应的正确环境变量。OpenClaw 的提供程序文档列出了所需的身份验证变量。
  • 如果您有多个身份验证配置文件，则故障的配置文件可以轮换使用。请检查身份验证配置文件的顺序和冷却状态。

我一直遇到 429 速率限制。

  • 添加备用方案，以便 OpenClaw 在服务提供商限速时可以切换模型。
  • 对于像长文档摘要这样的高负载工作流程，应降低并发量。
  • 如果你使用的是免费套餐，请接受这是正常现象，并据此进行设计。

Read more

Llama3-8B对话体验差？open-webui界面调优实战案例

Llama3-8B对话体验差？open-webui界面调优实战案例 1. 为什么Llama3-8B在open-webui里“不好用” 你是不是也遇到过这种情况：明明拉下了Meta-Llama-3-8B-Instruct的GPTQ-INT4镜像，显卡是RTX 3060，vllm也跑起来了，open-webui网页也打开了，可一输入问题，响应慢、回复短、上下文断连、甚至反复重复同一句话？不是模型不行，而是默认配置没对上——就像给跑车装了自行车刹车片。 Llama3-8B本身素质过硬：80亿参数、原生8k上下文、英语指令遵循能力对标GPT-3.5、MMLU 68+、HumanEval 45+，单卡3060就能跑。但它对对话系统层的调度逻辑非常敏感。open-webui作为前端界面，默认采用的是通用型API调用策略，而没针对Llama3系列的tokenizer行为、stop token设计、streaming节奏做适配。结果就是： * 模型已生成完，界面还在等“结束信号”； * 多轮对话中，system prompt被意外截断或覆盖； * 中文输入时，因token边界识别不准，
[大模型实战 02] 图形化的大模型交互: Open WebUI部署指南

[大模型实战 02] 图形化的大模型交互: Open WebUI部署指南

核心摘要 (TL;DR)目标：为本地的 Ollama 模型穿上漂亮的图形化界面 (GUI)。工具：Docker + Open WebUI (社区最活跃的开源 WebUI)。核心功能：媲美 ChatGPT 的对话界面、本地知识库 (RAG)、自定义角色 (Agent)。 相信各位友人在上一篇文章中，已经学会了如何用ollama在终端中运行Qwen模型。命令行工具有时候会感觉有点过于Geek，黑洞洞的命令窗口和冷冰冰的滚动的文字的技术感是有的，但是对于如果咱们想把大模型展示给其他朋友，或者自己想日常使用，那这时候咱们就需要换一个更友好，更光鲜的交互方式。 这也是这篇博文想带大家解决的问题：用10分钟时间，搭建一个功能媲美ChatGPT的私有化网页页面，并且连接咱们的模型 Open WebUI就是我们完成这个目标的利器，其也是目前社区最活跃，功能最强大的开源大模型交互界面。 01. 模型服务准备 在开始之前，因为要接入咱们的Ollama模型，所以我们要确认我们的Ollama服务运行起来了。 可以通过在终端输入curl http://localhost:5656命令去验证其是否正
web酒店客房管理系统信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】

web酒店客房管理系统信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】

摘要 随着旅游业的快速发展和酒店行业的不断扩张，传统的酒店客房管理方式已难以满足现代化管理的需求。人工操作效率低下、信息易丢失、管理流程繁琐等问题日益凸显，亟需一套高效、智能的酒店客房管理系统来提升运营效率和服务质量。数字化管理不仅能减少人力成本，还能通过数据分析优化客房资源配置，提升客户满意度。因此，开发一款基于SpringBoot后端、Vue前端和MySQL数据库的酒店客房管理系统具有重要的现实意义。关键词：酒店管理、数字化、SpringBoot、Vue、MySQL。 本系统采用前后端分离架构，后端基于SpringBoot框架实现高效的数据处理和业务逻辑，前端使用Vue.js构建动态交互界面，数据库采用MySQL存储数据。系统功能包括客房信息管理、客户预订管理、订单结算、员工权限管理等模块，支持多角色登录和权限控制。通过响应式设计和RESTful API接口，系统实现了数据的实时更新和高效交互。系统源码可直接运行，便于二次开发和功能扩展，为酒店行业提供了一套完整的数字化解决方案。关键词：前后端分离、权限管理、RESTful API、实时更新、二次开发。 数据表 客房信息数据
前端仔狂喜！我用这个开源神器，3分钟给项目配上API后台！

前端仔狂喜！我用这个开源神器，3分钟给项目配上API后台！

作为一名前端开发，我最怕听到的话就是：“这个页面内容需要后台可配”。这意味着无尽的沟通、漫长的等待，甚至还得自己去学写后端接口。最近，我终于找到了一个能将我从这种痛苦中解放出来的神器——Strapi。 什么是Strapi？ Strapi 是一个开源的无头（Headless）CMS，GitHub上狂揽 60.5k Star。简单说，它能让你通过点击鼠标的可视化界面，快速创建出结构化的内容模型，并自动生成配套的 RESTful API 或 GraphQL。你不需要写一行后端代码，就能拥有一个功能强大的、可随时调用的数据后台。 传统部署的“噩梦” 想法很美好，但我尝试手动部署 Strapi 时，才发现这根本不是给前端玩的： * 环境依赖复杂：首先你得有个 Node.js 环境，还得配个正经的数据库，比如 PostgreSQL 或 MySQL，光是数据库的安装和配置就够我喝一壶的。 * 配置繁琐：你需要手动创建数据库、配置环境变量，