首选Qwen2.5-7B-Instruct模型，需执行ollama pull qwen2.5:7b-instruct、运行时指定完整模型名并配置OpenClaw的model_name和base_url；备选Yi-1.5-9B-Chat适用于垂直领域但不支持system prompt；Phi-4和Gemma-2-9B因中文处理缺陷慎用。
☞☞☞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☜☜☜
OpenClaw接入Ollama时需选对模型才能保障中文对话的流畅性、语义准确性和上下文连贯性，不能仅看参数量或下载热度。
首选模型：Qwen2.5-7B-Instruct
第一步：在终端执行 ollama pull qwen2.5:7b-instruct。该模型是通义千问系列最新开源版本，专为指令微调优化，对中文长文本理解、多轮对话记忆、代码与自然语言混合表达支持极佳。
第二步：启动服务时指定模型名——ollama run qwen2.5:7b-instruct。注意不要省略 【:instruct】 后缀，否则加载的是基础预训练权重，不具备对话能力。
第三步：在 OpenClaw 的配置文件中将 model_name 字段设为 "qwen2.5:7b-instruct"，并确认 base_url 指向 http://localhost:11434（Ollama 默认 API 地址）。
备选模型：Yi-1.5-9B-Chat
方法一：运行 ollama pull yi:9b-chat。该模型在中文法律、金融等垂直领域问答表现稳定，但对口语化表达和模糊指代容易误判。
方法二：若遇到响应延迟高，可加参数限制输出长度——在 OpenClaw 调用时传入 {"options": {"num_predict": 512}}，避免模型陷入冗长生成。
注意：【Yi 系列不支持 system prompt 注入】，所有角色设定必须写进 user message 开头，否则会被忽略。
慎用模型：Phi-4 和 Gemma-2-9B
Phi-4 虽轻量，但中文词表覆盖严重不足，会出现大量“
