要在openclaw中精准调用指定模型，必须显式覆盖模型选择逻辑：一是在config.yaml中注册模型并设为default_model；二是在task_definition.py中硬编码llm_config={"model": "deepseek-v3"}；三是可通过环境变量openclaw_llm_model动态指定；最后通过--debug日志和agent_execution.log中的"model"字段验证生效。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在OpenClaw中让代码任务精准调用你指定的模型，而不是依赖默认配置或自动路由，必须显式覆盖模型选择逻辑——这一步漏掉会导致任务始终走fallback模型，哪怕你本地已部署好Qwen3或DeepSeek-V3。
确认模型已在OpenClaw中注册
打开项目根目录下的config.yaml，找到llm节区。确保你要用的模型名称（如deepseek-v3）出现在available_models列表里，并且对应model_type、endpoint和api_key字段完整填写。缺失任一字段将导致模型注册失败，后续无法被任务识别。
检查default_model字段值是否为你想强制使用的模型名。如果不是，直接修改为deepseek-v3——这是最简方式，适用于全局统一调度场景。
在任务定义中硬编码模型名
进入任务脚本所在目录，打开task_definition.py或类似命名的入口文件。
找到任务初始化语句，通常是agent = CodeActAgent(...)这类构造器调用。
在参数中插入llm_config={"model": "deepseek-v3"}。注意：这个键值对必须直接传入agent实例化参数，不能放在config.yaml的嵌套层级里——否则OpenClaw会在加载时忽略它。
【关键前提】该模型名必须与config.yaml中available_models下的条目完全一致，包括大小写和连字符。拼错一个字符就会回退到default_model。
完整的工作区安全套件：检测未授权修改，扫描提示注入模式，自动响应应对措施——快照恢复、技能隔离、Git回滚和自动保护扫描。智能体工作区的完整安装后安全层。
通过环境变量动态指定（适合CI/CD场景）
方法一：启动前导出变量
在终端执行：export OPENCLAW_LLM_MODEL=deepseek-v3，再运行python run_task.py。
方法二：在Docker Compose中注入
编辑docker-compose.yml，在服务容器的environment块下添加：- OPENCLAW_LLM_MODEL=deepseek-v3。
OpenClaw启动时会优先读取此环境变量，并覆盖config.yaml中的default_model设置。此方式无需修改任何代码文件，适合多环境切换。
验证模型是否生效
第一步：运行任务时添加--debug标志，例如python run_task.py --debug。
第二步：观察控制台输出中是否出现类似Using LLM model: deepseek-v3 (via OpenAI-compatible endpoint)的日志行。
第三步：打开logs/agent_execution.log，搜索"model":字段，确认每次LLM调用的payload中model键值确实是deepseek-v3——这才是最终生效证据，光看启动日志不够。
