根本原因是context未适配硬件，ollama默认设262144远超12gb显卡承载力；需通过setx ollama_num_ctx "8192" /m设环境变量（重启生效）或修改openwebui.json中qwen3.5:9b的contextwindow为20000、maxtokens为4096（重启服务生效）。
☞☞☞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☜☜☜
OpenClaw接入Ollama后显存或内存持续飙高，导致系统卡顿、任务中断甚至崩溃，根本原因是模型上下文窗口（Context）未做硬件适配限制，Ollama默认启用超大值（如262144），远超RTX 4070S等12GB显卡实际承载能力。
强制限制全局Context长度
方法一：通过系统环境变量锁定最大上下文长度
以管理员身份打开PowerShell，执行：setx OLLAMA_NUM_CTX "8192" /M
该命令将永久写入系统级环境变量，重启电脑后生效。
【必须重启才能生效，不重启设置无效】
方法二：在Open WebUI配置文件中精准控制
定位到openwebui.json文件，找到models.providers.ollama.models下的qwen3.5:9b段落，将contextWindow字段改为20000，同时确认maxTokens设为4096。
保存后需手动重启Open WebUI服务，否则前端调用仍走默认值。
启用GPU分层卸载
第一步：确认Ollama识别到你的NVIDIA GPU
运行ollama list后执行ollama run qwen3.5:9b，观察终端输出是否含gpu_layers: X字样。若显示0或无此字段，说明GPU未启用。
第二步：手动指定GPU加载层数
在OpenClaw调用Ollama时，向API请求体中注入options参数：{"gpu_layers": 24}
该数值需根据显存实测调整：RTX 4070S建议从24起步，若OOM则递减至20→16→12，每次减4；显存占用稳定在7–8GB即为合理区间。
PHP中文网提供Qwen-1.0.2.6 MacOS官方客户端下载，专为苹果电脑优化的阿里通义千问桌面应用。本版本深度适配Mac系统，支持本地高效运行与多模态交互，集成超长上下文处理、AI写作、代码生成及智能体构建等核心功能。通过官方渠道下载，确保安全稳定，助您实现智能办公与创作升级。
第三步：验证GPU卸载是否生效
运行nvidia-smi，观察GPU-Util是否在推理期间跳升至40%以上。若长期低于10%，说明模型仍在CPU上全量运行，需检查CUDA驱动版本是否≥12.4且Ollama为v2.5+。
切换Q4_K_M量化模型
直接拉取已量化版本，避免本地转换耗时与失败风险：ollama pull qwen3.5:9b-q4_k_m
该镜像基于GGUF格式，权重压缩至原始体积的1/4，运行时显存占用比FP16版本降低约35%。
若原模型已存在，先删除再重拉：ollama rm qwen3.5:9b → ollama pull qwen3.5:9b-q4_k_m
【删除操作不可逆，确保无未导出对话记录】
OpenClaw配置中同步更新模型名：将model: qwen3.5:9b改为model: qwen3.5:9b-q4_k_m，保存后重启Agent进程。
