OpenClaw AI助手设置总结

缘起

#

在配置了自己的AI助手OpenClaw后，记录一下整个设置过程，包括配置在线模型、本地模型、测试模型性能、添加技能等。

前提

#

• 已有一台服务器或本地电脑
• 已安装Docker和docker-compose
• 已配置好网络（Tailscale VPN）
• 已安装Ollama（用于运行本地模型）

OpenClaw概述

#

OpenClaw是一个AI助手框架，支持多种模型提供商，包括在线模型和本地模型。主要特点：

• 支持多种在线模型提供商（OpenRouter、DeepSeek等）
• 支持本地模型（Ollama）
• 支持技能系统
• 支持多节点部署

配置在线模型

#

OpenRouter

#

配置OpenRouter作为在线模型提供商，可以访问多种开源和商业模型：

• openrouter/qwen3.6-plus:free - 免费Qwen模型
• openrouter/free - 免费模型池
• deepseek/deepseek-chat - DeepSeek模型

模型配置

#

在~/.openclaw/openclaw.json中配置模型提供商和模型列表：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

{
  "models": {
    "providers": {
      "openrouter": {
        "models": ["qwen3.6-plus:free", "free"]
      },
      "deepseek": {
        "models": ["deepseek-chat"]
      }
    }
  }
}

模型回退链

#

配置模型回退链，当主模型不可用时自动切换到备用模型：

1. openrouter/qwen3.6-plus:free
2. ollama/qwen3.5-35b-iq2（本地模型）
3. ollama/gemma-4-e4b-q5（本地模型）
4. openrouter/free
5. deepseek/deepseek-chat

配置本地模型

#

Ollama配置

#

Ollama运行在Docker容器中，地址为100.64.0.3:11434：

1
2
3
4
5
6
7
8
9

services:
  ollama:
    container_name: ollama
    image: ollama/ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    restart: always

本地模型列表

#

qwen3.5-35b-iq2

#

• 架构：MoE（混合专家模型），35B总参数，~3B活跃参数
• 量化：UD-IQ2_XXS，10.7GB
• 优势：轻量计算，完全适配16GB VRAM
• 工具调用：需要Modelfile中添加RENDERER qwen3.5和PARSER qwen3.5

gemma-4-e4b-q5

#

• 架构：Dense E4B，7.5B总参数，4.5B有效参数
• 量化：Unsloth Q5_K_M，6.3GB
• 优势：128K上下文，原生工具调用支持
• 注意：需要Ollama v0.20+支持

Modelfile配置

#

自定义GGUF模型需要添加RENDERER和PARSER：

1
2
3

FROM ./qwen3.5-35b-iq2.gguf
RENDERER qwen3.5
PARSER qwen3.5

测试模型性能

#

长上下文测试

#

测试gemma-4-e4b-q5的128K上下文能力：

• 5/5 needles at 96K tokens
• 测试耗时：51.8s

推理测试

#

Qwen MoE在Einstein谜题测试中表现更好，但Gemma 4在长上下文场景更有优势。

工具调用测试

#

• Qwen 3.5-35b-IQ2：结构化输出和工具使用表现更好
• Gemma 4：长上下文工具调用表现良好

添加技能

#

deep-read技能

#

位置：skills/deep-read/

用于深度阅读书籍、论文、文章，生成结构化笔记。

cf-fetcher技能

#

位置：skills/cf-fetcher/

减少HTML→Markdown转换的token消耗65-80%，适用于新闻网站、博客、论坛。

浏览器自动化技能

#

位置：skills/browser-automation/

用于控制网页的多步骤流程。

技能配置

#

在~/.openclaw/openclaw.json中注册技能：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

{
  "skills": {
    "deep-read": {
      "location": "skills/deep-read/"
    },
    "cf-fetcher": {
      "location": "skills/cf-fetcher/"
    }
  }
}

Xiaomi MiMo模型

#

订阅了Xiaomi token plan（$6/月，60M credits）：

• mimo-v2-pro - 1M上下文，推理，信用=2×token（ctx<256K）
• mimo-v2-omni - 1M上下文，多模态（文本+图片）
• mimo-v2-tts - 32K上下文，TTS，最大1024 tokens

关键经验总结

#

1. 配置源真相：~/.openclaw/openclaw.json，不是~/.openclaw/agents/main/agent/models.json
2. MoE模型：关键在于完全适配VRAM，IQ2_XXS质量可接受因为只有~3B参数激活
3. Gemma 4 GGUF：需要Ollama v0.20+，旧版本无法加载
4. 模型回退：仅在有认证失败、速率限制、超时、计费错误时触发
5. Node配置：ws://连接需要OPENCLAW_ALLOW_INSECURE_PRIVATE_WS=1
6. Ollama Modelfile：自定义GGUF必须添加RENDERER和PARSER

相关链接

#

• OpenClaw文档
• OpenClaw GitHub
• Ollama
• OpenRouter