openclaw支持多模型路由，需确认config中存在tool_calling_llm配置项；若无则需升级至≥v1.3.0或手动补丁；可通过yaml或环境变量指定专用工具调用模型，并通过日志验证路由生效。
☞☞☞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☜☜☜
你需要让OpenClaw在执行工具调用时，不使用默认的主推理模型，而是切换到另一个专门适配工具调用的模型（比如更轻量、响应更快或支持结构化输出的模型），这个需求在调试函数签名、降低API成本或规避主模型的输出格式限制时很常见。
确认OpenClaw是否支持多模型路由
打开 config.py 或启动时加载的 YAML 配置文件，查找 llm 或 tool_calling_llm 相关字段。OpenClaw V1+ 默认支持模型路由，但若你使用的是 fork 自旧版 OpenDevin 的分支，该功能可能未启用——【必须确认 config 中存在 tool_calling_llm 配置项，否则后续步骤无效】。
若配置中只有 llm 一项且无其他模型声明，则说明当前部署不支持分离式工具调用模型，需升级至 OpenClaw ≥v1.3.0 或手动补丁注入路由逻辑。
设置专用工具调用模型
在配置文件中添加或修改以下字段：
方法一：通过 YAML 配置显式指定
在 openhands/config/agent.yaml 中，插入如下结构（注意缩进）：
tool_calling_llm:
model: qwen2.5-7b-instruct
api_base: http://localhost:11434/v1
api_key: dummy
timeout: 30
该配置将使所有工具调用（包括 function call schema 生成、参数校验、失败重试解析）全部交由本地 Ollama 托管的 qwen2.5-7b 模型处理，而主任务规划仍走原 GPT-4 或 DeepSeek-R1。
方法二：运行时环境变量覆盖（适合临时调试）
当用户请求“启用语义缓存”、“缓存LLM响应”、“降低API成本”、“加速AI响应”、“配置LangCache”、“搜索语义缓存”、“存储响应到缓存”，或提及Redis LangCache、语义相似性缓存、LLM响应缓存时使用此技能。提供与Redis LangCache托管服务的集成，用于对提示和响应进行语义缓存。
启动容器时加入：
-e TOOL_CALLING_LLM_MODEL=phi-3-mini-4k-instruct \-e TOOL_CALLING_LLM_API_BASE=http://host.docker.internal:11434/v1 \-e TOOL_CALLING_LLM_API_KEY=dummy
注意：环境变量优先级高于 YAML 配置，但不会覆盖主 LLM 设置；【若同时设了 MODEL 和 TOOL_CALLING_LLM_MODEL，两者互不干扰】。
验证工具调用是否走新模型
第一步：启动 OpenClaw 并开启日志全量输出（加 -e LOG_ALL_EVENTS=true）
第二步：提交一个明确触发工具调用的任务，例如：“列出当前目录下所有 .py 文件，并读取 main.py 的前三行”
第三步：在日志中搜索关键词 tool_calling_llm 或 function_call request，确认请求头中 model 字段值与你配置的完全一致（如 qwen2.5-7b-instruct），而非主模型名。
第四步：观察该次调用耗时——若明显低于主模型平均延迟（例如从 2800ms 降至 420ms），基本可判定路由生效。
