必须先启动本地模型服务再启动openclaw容器；通过环境变量或挂载config.yaml配置llm_provider、llm_model和llm_base_url，使用host.docker.internal访问宿主机服务，最后在web界面验证模型响应。
☞☞☞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☜☜☜
让OpenClaw本地部署真正用上你自己的大模型，而不是依赖远程API或默认空配置，必须绕过官方默认的云端模型路由，手动注入本地模型服务地址和认证参数。
确认本地模型服务已就绪
先确保Ollama、vLLM或Text Generation Inference等本地模型服务已在本机运行，并监听http://localhost:11434（Ollama）或http://localhost:8080（vLLM）等可访问端口。用curl http://localhost:11434/api/tags能返回模型列表才算通过验证。
如果返回Connection refused或超时，说明服务没起来，OpenClaw后续无法连接——【必须先启动本地模型服务，再启动OpenClaw容器】。
修改OpenClaw启动命令，注入本地模型地址
原始启动命令默认走OpenAI兼容接口且无模型配置，需强制覆盖环境变量：
方法一：直接指定Ollama模型（推荐新手）
在docker run命令中加入：-e LLM_PROVIDER=ollama → -e LLM_MODEL=deepseek-r1:14b → -e LLM_BASE_URL=http://host.docker.internal:11434/v1
注意：这里用host.docker.internal而非localhost，因为Docker容器内localhost指向自身，无法访问宿主机服务。
方法二：对接vLLM或TGI服务
替换为：-e LLM_PROVIDER=openai → -e LLM_MODEL=Qwen2.5-7B-Instruct → -e LLM_BASE_URL=http://host.docker.internal:8080/v1 → -e LLM_API_KEY=dummy
vLLM/TGI默认不校验key，填dummy即可；若启用auth，需同步配置对应密钥。
挂载配置文件实现持久化设置
第一步：创建本地配置目录mkdir -p ~/.openclaw/config
第二步：生成config.yaml并写入模型参数
用文本编辑器新建~/.openclaw/config/config.yaml，内容如下：
llm: provider: ollama model: deepseek-r1:14b base_url: http://host.docker.internal:11434/v1
第三步：启动时挂载该配置
在docker run命令末尾添加：-v ~/.openclaw/config:/app/config
这比硬编码环境变量更稳定，重启容器后配置不会丢失。
验证本地模型是否生效
容器启动成功后，打开浏览器访问http://localhost:3000，进入设置页（齿轮图标）→ 查看“LLM Provider”是否显示为ollama或openai，模型名是否与你指定的一致。
输入测试提示词：“输出‘Hello from local model!’”，若响应内容由你本地加载的模型生成（非报错或超时），说明已成功接管。
