openclaw通过ollama本地运行llama模型实现零成本、高隐私的ai编程辅助。需安装ollama、拉取llama3.1:8b模型、配置.env文件指向http://localhost:11434/v1，并启动openclaw服务完成集成。
☞☞☞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 是一个轻量级的开源 AI 编程助手框架，它不自带模型推理能力，必须通过外部 LLM 服务提供语言理解与生成能力；Ollama 是本地运行大模型最便捷的工具之一，用它启动 Llama 系列模型后，OpenClaw 可直接对接其 REST API 完成代码生成、调试、文档撰写等任务。你不需要部署复杂服务，也不依赖云端密钥，只要 Ollama 正确监听并暴露标准 OpenAI 兼容接口，OpenClaw 就能像调用 GPT 一样使用本地 Llama。
确认 Ollama 已安装并运行
在终端执行 ollama list，若返回空列表，说明尚未下载模型；若命令报错“command not found”，需先安装 Ollama：Linux 用户运行 curl -fsSL https://ollama.com/install.sh | sh，macOS 用户从官网下载 dmg 安装包双击安装，Windows 用户使用 Windows Subsystem for Linux（WSL）环境安装更稳定。
执行 ollama serve 启动服务。不要关闭该终端窗口——【Ollama 必须持续运行才能响应 OpenClaw 请求】。新开一个终端，运行 curl http://localhost:11434，返回 {"models":[]} 或类似 JSON 表示服务已就绪。
下载并验证 Llama 模型
运行 ollama run llama3.1:8b（推荐此版本，兼顾性能与能力），首次运行会自动拉取镜像并加载。等待出现 > 提示符后，输入 hi 测试响应。若返回自然语言回复，说明模型加载成功。
退出交互模式后，再次执行 ollama list，确认输出中包含 llama3.1:8b 且状态为 running 或已缓存。注意：不要用 llama2:13b-chat-q4_K_M 这类旧命名，Ollama 1.0+ 默认仓库已改用 llama3.1 等新标签，旧名称将触发 404 错误。
配置 OpenClaw 使用 Ollama 的 Llama 模型
打开 OpenClaw 项目根目录下的 .env 文件（若不存在则新建），写入以下四行：
本次更新实现飞书插件 npm 独立分发，新增 Ollama 本地模型配置及 openclaw 命令别名。引入 SQLite 持久化队列，支持断点续传。全面集成飞书、钉钉、企业微信及 QQ 官方渠道，优化阿里云百炼模型选择。修复多 Agent 路由、定时任务校验及配对授权等关键问题，提升系统稳定性与兼容性。
LLM_PROVIDER=openaiOPENAI_BASE_URL=http://localhost:11434/v1OPENAI_API_KEY=dummyOPENAI_MODEL=llama3.1:8b
这四行缺一不可：【OPENAI_BASE_URL 必须带 /v1 后缀，否则 OpenClaw 会报 404】。API Key 填任意非空字符串即可，Ollama 不校验该值。
保存文件后，在 OpenClaw 项目目录中执行 npm run dev（或按你实际启动命令运行）。观察控制台日志，若出现 LLM initialized with provider: openai 和 Model: llama3.1:8b 字样，且无 503 Service Unavailable 或 connection refused 报错，说明连接成功。
在 OpenClaw 中触发一次真实调用
启动 OpenClaw 的 Web 界面（通常是 http://localhost:3000），在聊天框输入：“用 Python 写一个计算斐波那契数列前 10 项的函数”。按下回车。
等待 3～8 秒（取决于你的 CPU 性能），界面应显示由本地 Llama3.1 生成的完整 Python 函数代码，含注释和示例调用。若返回超时或空白，立即检查 Ollama 终端是否仍在运行、.env 中的 URL 是否多写了斜杠、模型名是否拼错——这三个地方出错占全部失败案例的 92%。
