必须确保各模型路径、配置格式和调用协议匹配openclaw运行时要求，再按规范解压模型至models/子目录、命名严格一致、补全核心文件，最后在config.yaml中正确声明模型或分组，并通过启动日志与http接口验证加载状态。
☞☞☞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☜☜☜
要在OpenClaw中正确启用多个大模型协同工作，必须先确保各模型的路径、配置格式和调用协议完全匹配当前版本的OpenClaw运行时要求，否则服务启动即报错或模型加载失败。
准备模型文件与目录结构
将所有待接入的大模型（如Qwen2.5-7B-Instruct、Llama3-8B-Instruct、Phi-3-mini-4K）统一解压到models/子目录下，每个模型独占一个**不含空格和中文**的文件夹，例如：models/qwen25_7b、models/llama3_8b。
确认每个模型文件夹内至少包含：config.json、pytorch_model.bin（或model.safetensors）、tokenizer.json（或tokenizer.model）。缺少任一核心文件会导致加载中断。
这一步操作起来很简单，直接把文件拖进去就行。但注意：【模型文件夹名必须与后续config.yaml中定义的model_id完全一致】，大小写和下划线都不能错。
编写多模型配置文件config.yaml
在OpenClaw项目根目录新建或编辑config.yaml，使用标准YAML语法声明多个模型实例。
方法一：基础并列定义（推荐用于同架构模型）
在models:下逐个缩进写出模型ID及参数：
models: qwen25_7b: type: vllm path: ./models/qwen25_7b tensor_parallel_size: 2 llama3_8b: type: vllm path: ./models/llama3_8b tensor_parallel_size: 1
方法二：按能力分组定义（适合异构模型混合部署）
用groups:显式划分角色，例如让qwen25_7b专责推理、phi3_mini专责轻量摘要：
groups: reasoning: - qwen25_7b summary: - phi3_mini - llama3_8b
⚠️ 注意：若同时启用vLLM和Transformers后端，必须为每个模型显式指定type字段，否则默认尝试vLLM加载，遇到不兼容模型会卡死在初始化阶段。
启动OpenClaw并验证多模型加载状态
第一步：在终端进入OpenClaw根目录，执行：python openclaw.py --config config.yaml。
第二步：观察控制台输出——当看到连续出现类似[INFO] Loaded model 'qwen25_7b' on GPU:0-1、[INFO] Loaded model 'phi3_mini' on GPU:2的多行日志，且无Failed to load或OOM字样，说明加载成功。
第三步：发送HTTP健康检查请求：curl http://localhost:8000/v1/models。返回JSON中data字段应包含全部已配置模型的id、object和owned_by信息。
第四步：任选一个模型ID，用curl -X POST http://localhost:8000/v1/chat/completions提交最小测试请求，body中指定"model": "qwen25_7b"，确认能正常返回choices[0].message.content内容。
