openclaw配置本地模型后可完全离线运行，无需联网调用远程api，但需确保ollama、模型文件及沙盒环境均已本地部署；它兼容ollama、llama.cpp等后端，不自带模型，仅提供接入协议与调度逻辑。
☞☞☞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配置本地模型后可以完全离线运行，不需要联网调用远程API，但必须确保所有依赖服务（如Ollama、模型文件、沙盒环境）已完整部署在本地机器上。
确认OpenClaw支持本地模型接入
OpenClaw是OpenHands生态中面向轻量级场景的衍生项目，继承了OpenDevin/ OpenHands对本地模型的原生支持能力。它明确兼容Ollama、Llama.cpp、vLLM等本地推理后端，且不强制依赖任何在线服务。
注意：OpenClaw本身不自带模型，只提供模型接入协议和运行时调度逻辑，模型需单独部署。
用Ollama部署本地模型（推荐方案）
第一步：安装Ollama
Linux用户执行：curl -fsSL https://ollama.com/install.sh | sh；Windows/macOS用户直接从ollama.com下载安装包并完成安装。
第二步：拉取并运行一个离线可用的代码模型
例如Qwen2.5-Coder（专为编程优化）：ollama run qwen2.5-coder:7b-q4_K_M。该命令会自动下载量化模型并启动服务，首次运行需等待下载完成。
第三步：验证Ollama服务是否就绪
在终端执行：curl http://localhost:11434/api/tags。如果返回包含qwen2.5-coder的JSON列表，说明服务已正常监听。
【关键前提】Ollama必须以默认端口11434运行，且不能被防火墙或Docker网络隔离——否则OpenClaw无法连接。
配置OpenClaw使用本地Ollama模型
方法一：通过环境变量注入（启动时设置）
在启动OpenClaw容器前，设置以下变量：
LLM_API_KEY="ollama"LLM_MODEL="qwen2.5-coder:7b-q4_K_M"LLM_BASE_URL="http://host.docker.internal:11434"（Docker内访问宿主机Ollama用此地址）LLM_EMBEDDING_MODEL="nomic-embed-text"（需提前ollama pull nomic-embed-text）
方法二：修改config.yaml文件（适用于源码部署）
编辑openhands/config/config.yaml，将llm段落改为：
llm: model: qwen2.5-coder:7b-q4_K_M api_key: ollama base_url: http://localhost:11434 embedding_model: nomic-embed-text
这一步操作起来很简单，直接把文件拖进去就行。但注意：若用Docker运行OpenClaw，localhost在容器内指向容器自身，必须改用host.docker.internal。
关闭联网依赖，强制离线运行
执行以下三步彻底切断网络外连：
① 启动OpenClaw容器时添加--network none参数，禁用所有网络接口；
② 删除或注释掉配置中所有以https://api.开头的备用fallback endpoint；
③ 确保WORKSPACE_DIR挂载路径下无.env文件残留旧的OpenAI密钥——残留密钥会导致启动时尝试连接OpenAI服务并卡住。
完成以上操作后，OpenClaw将仅与本地Ollama通信，全程无任何外网请求。
