OpenClaw消耗Token太严重?试试结合本地ollama吧
OpenClaw(前身为 Clawdbot/Moltbot)是一个开源的个人 AI Agent 平台,支持通过 WhatsApp、Telegram 等工具与本地运行的智能体交互。为了解决依赖外部 API(如 OpenAI)导致的 Token 消耗高昂及数据隐私问题,将本地大模型运行引擎 Ollama 作为 OpenClaw 的“大脑”,可以实现全链路的私有化部署。这种组合在数据隐私、运营成本及响应速度上具有显著优势。
01方案优势对比
| 特性 | 公有云 API 方案 | OpenClaw + 本地 Ollama |
|---|---|---|
| 数据隐私 | 数据需上传第三方 | 100% 本地闭环 |
| 运营成本 | 按 Token 收费,高昂 | 零边际成本 |
| 响应速度 | 受网络延迟影响 | 局域网/本地毫秒级 |
| 定制化 | 受限于模型提供商 | 可微调、可换模型 |
| 可用性 | 依赖外网和服务商状态 | 断网可用(内网环境) |
公有云 API 与本地 Ollama 部署方案对比
02环境准备与部署
部署 OpenClaw 与 Ollama 的组合,首先需要确保本地环境已安装并运行 Ollama 服务。对于希望使用容器化部署的用户,可直接通过 Docker 启动服务。
- Docker 部署命令
执行以下命令启动 Ollama 容器,并将服务端口映射至本地 11434:docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama - 验证服务状态
使用 curl 命令检查 Ollama 是否正常运行:curl http://localhost:11434/api/tags - 启动后台服务
若需后台持续运行,可执行:ollama serve &
03模型选择建议
选择适合的本地模型是保证智能体执行效率的关键。根据硬件配置和任务需求,推荐以下模型进行部署。
- 高性能首选
推荐llama3(Meta Llama 3 8B) 或qwen3.5:9b(通义千问),适合需要较强指令遵循和逻辑推理能力的场景。 - 轻量快速
推荐phi3(Microsoft Phi-3),适合低配机器或对响应速度要求极高的场景。 - 长文本处理
推荐llama3:70b或mistral-nemo,但需注意后者对显卡显存有较高要求。
04OpenClaw 配置步骤
将 OpenClaw 的模型调用源从远程 API 切换至本地 Ollama,可通过可视化界面或修改配置文件两种方式完成。
- 方式一:可视化配置界面
进入 OpenClaw 设置页面的配置-Model 选项,填写以下参数:
- 模型类型:选择 Ollama
- Base URL:http://localhost:11434/v1
- API Key/Token:任意非空值即可
- 模型名称:填写本地部署的模型名(如qwen3.5:9b),必须完全一致。 - 方式二:修改配置文件
找到 OpenClaw 的配置文件(通常是config.yaml或config.json),直接修改 LLM 相关配置项,将 API 地址指向本地 Ollama 接口。
当前文章无评论,是时候发表评论了