在OpenClaw中連接并使用本地Ollama模型的操作指南
一、概述
本文檔介紹如何在OpenClaw(龍蝦)中連接并使用本地Ollama模型。配置成功后,可以在Web界面中選擇并使用已下載的Ollama模型進行智能對話。
二、驗證Ollama服務(wù)狀態(tài)
在配置之前,先確認Ollama服務(wù)正常運行并已下載所需模型。
1. 檢查Ollama服務(wù)
訪問以下地址確認服務(wù)狀態(tài):
http://host.docker.internal:11434
應(yīng)返回 “Ollama is running”
2. 查看可用模型
訪問API接口查看已下載的模型列表:
http://host.docker.internal:11434/api/tags
當(dāng)前已安裝的模型:
- deepseek-r1:latest - 8.2B參數(shù),深度求索開發(fā),中文理解能力強
- llama3:latest - 8.0B參數(shù),Meta開發(fā),通用對話能力強
- nomic-embed-text:latest - 137M參數(shù),文本嵌入模型
三、網(wǎng)絡(luò)配置問題解決
問題根源
Docker容器內(nèi)部所理解的 127.0.0.1 或 localhost,指向的是容器自己的虛擬空間,而不是運行Ollama的Windows宿主機。這就像容器在問"自己"要模型,自然就找不到服務(wù)。
解決方案:使用 host.docker.internal
對于Windows版的Docker Desktop,它內(nèi)置了一個特殊的域名 host.docker.internal,專門用來讓容器訪問宿主機上的服務(wù)。
四、配置方法
方法一:Web UI配置(推薦)
- 訪問OpenClaw Web界面:http://localhost:18789
- 登錄后,點擊側(cè)邊欄的
Settings進入設(shè)置頁面 - 找到
Model Providers或類似的模型管理選項 - 在提供商列表中找到 Ollama,點擊進行配置
- 確認
API URL或Base URL正確:
http://host.docker.internal:11434
- 如果沒有自動發(fā)現(xiàn)模型,手動添加模型,填寫完整的模型名稱:
deepseek-r1:latestllama3:latest
- 配置完成后,在創(chuàng)建新聊天對話時,在頂部下拉菜單中選擇所需的Ollama模型
方法二:使用 onboard 命令配置
如果Web界面中沒有找到合適的設(shè)置入口,可以使用交互式向?qū)渲茫?/p>
進入OpenClaw容器終端:
docker exec -it openclaw /bin/sh
運行配置向?qū)В?/p>
openclaw onboard
當(dāng)向?qū)нM行到 “Ollama base URL” 這一步時,輸入新地址:
http://host.docker.internal:11434
繼續(xù)完成后續(xù)的設(shè)置,確認默認模型
退出容器并重啟服務(wù):
exit docker restart openclaw
方法三:環(huán)境變量配置(推薦長期使用)
為了避免每次都需要手動輸入地址,可以通過修改容器配置來一勞永逸地解決問題:
停止并移除當(dāng)前容器:
docker stop openclaw docker rm openclaw
重新創(chuàng)建容器,添加 --add-host 參數(shù)和環(huán)境變量:
docker run -d ` --name openclaw ` --restart always ` -p 18789:18789 ` -p 3000:3000 ` -p 5173:5173 ` --add-host=host.docker.internal:host-gateway ` -v "Z:\Tools\docker\openclaw\data:/home/node/.openclaw" ` -v "Z:\Tools\docker\openclaw\config:/app/config" ` -e OLLAMA_BASE_URL=http://host.docker.internal:11434 ` -e DEFAULT_MODEL=deepseek-r1:latest ` ghcr.io/openclaw/openclaw:latest
關(guān)鍵參數(shù)說明:
--add-host=host.docker.internal:host-gateway:將宿主機地址固化到容器配置OLLAMA_BASE_URL=http://host.docker.internal:11434:設(shè)置Ollama服務(wù)地址
方法四:配置文件手動配置
- 導(dǎo)航到持久化數(shù)據(jù)目錄:
Z:\Tools\docker\openclaw\data - 找到或創(chuàng)建
openclaw.json配置文件 - 添加或修改以下內(nèi)容:
{
"models": {
"providers": {
"ollama": {
"baseUrl": "http://host.docker.internal:11434",
"apiKey": "ollama-local"
}
}
},
"agents": {
"defaults": {
"model": {
"primary": "ollama/deepseek-r1:latest"
}
}
}
}- 保存文件并重啟容器:
docker restart openclaw
五、驗證配置成功
1. 容器內(nèi)測試連通性
運行以下命令,檢查容器是否能連接到Ollama并返回模型列表:
docker exec openclaw curl http://host.docker.internal:11434/api/tags
如果返回了包含 deepseek-r1:latest 模型的JSON信息,代表連接成功。
2. Web界面測試
- 訪問 http://localhost:18789
- 創(chuàng)建新聊天對話
- 在模型選擇下拉菜單中確認能看到Ollama模型
- 發(fā)送測試消息,確認模型能正常響應(yīng)
3. 命令行驗證
# 列出OpenClaw可用的所有模型 docker exec openclaw openclaw models list
如果列表中包含 deepseek-r1:latest,說明配置成功。
六、常見問題排查
1. 確保Ollama服務(wù)已運行
- 確認宿主機上的Ollama服務(wù)正在運行
- 確認
deepseek-r1:latest模型已下載
2. 網(wǎng)絡(luò)連通性測試
在容器內(nèi)執(zhí)行:
curl http://host.docker.internal:11434/api/tags
如果返回模型列表,說明網(wǎng)絡(luò)連接正常。
3. Windows防火墻檢查
如果依然連接失敗,檢查Windows Defender防火墻,確保沒有阻止Docker的網(wǎng)絡(luò)訪問。
4. 模型響應(yīng)失敗
- 確認模型已下載到Ollama
- 驗證模型名稱正確
- 查看OpenClaw和Ollama日志尋找錯誤信息
5. 檢查模型是否支持工具調(diào)用
為了完整使用OpenClaw的Skills功能,模型需要支持工具調(diào)用(Function Calling)。
支持工具調(diào)用的主流模型:
- deepseek-r1
- qwen2.5
- llama3.1
七、最佳實踐
- 推薦使用方法三:通過環(huán)境變量和
--add-host參數(shù)配置,一勞永逸 - 優(yōu)先使用Web UI配置:最方便直觀,不易出錯
- 使用onboard向?qū)?/strong>:自動完成大部分配置工作
- 選擇支持工具調(diào)用的模型:充分發(fā)揮OpenClaw能力
- 定期檢查模型更新:保持Ollama和OpenClaw為最新版本
八、模型選擇建議
| 模型 | 參數(shù)量 | 適用場景 | 特點 |
|---|---|---|---|
| deepseek-r1:latest | 8.2B | 知識問答、深度推理 | 中文理解強,推理能力出色 |
| llama3:latest | 8.0B | 通用對話、內(nèi)容生成 | 多語言支持,性能穩(wěn)定 |
九、總結(jié)
配置OpenClaw使用本地Ollama模型的核心步驟:
- 理解Docker網(wǎng)絡(luò)原理:
127.0.0.1在容器內(nèi)指向容器自身 - 使用
host.docker.internal訪問宿主機服務(wù) - 選擇合適的配置方法(推薦環(huán)境變量配置)
- 配置Ollama API地址和默認模型
- 驗證配置成功并測試使用
通過以上配置,即可在OpenClaw中便捷地使用本地部署的Ollama模型,享受私有化的AI對話體驗。
以上就是在OpenClaw中連接并使用本地Ollama模型的操作指南的詳細內(nèi)容,更多關(guān)于OpenClaw連接并使用本地Ollama的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章

OpenClaw + Ollama + 火山引擎:本地化 AI Agent 完整部署攻略
本文將手把手教你從零開始在 Windows 上使用 Docker 部署 OpenClaw,并配置本地模型和火山引擎豆包 API,感興趣的朋友跟隨小編一起看看吧2026-06-08
Windows下OpenClaw安裝對接ollama的GLM-4.7-Flash模型
本文介紹了在GPU平臺上自動化部署ollama中GLM-4.7-Flash鏡像,實現(xiàn)高效AI自動化辦公,該輕量級模型特別適合Windows用戶處理本地文件整理、數(shù)據(jù)收集等重復(fù)性任務(wù),具有一定的2026-05-25
這篇文章主要為大家介紹了如何解決 OpenClaw 無法識別 Windows 上 Ollama 下載的模型的問題,關(guān)鍵在于正確建立 WSL 和 Windows 文件系統(tǒng)之間的連接,并確保 OpenClaw 能夠訪2026-04-29
本文介紹了如何在Ollama中安裝并集成OpenClaw,首先安裝OpenClaw,然后使用Ollama拉取本地模型并完成對接,實現(xiàn)本地免費運行,文中詳細描述了安裝步驟和配置方法,并提供了常見2026-04-07
這篇文章主要為大家介紹了如何在 OpenClaw 中配置本地 Ollama 服務(wù),Ollama 是一個開源的本地大語言模型運行框架,支持在本地機器上運行多種開源模型,如 Llama、DeepSeek、2026-04-03
還在為天價API費用發(fā)愁,受夠了網(wǎng)絡(luò)波動導(dǎo)致AI服務(wù)中斷,本文將帶你真正100%本地運行的AI助手解決方案,只需跟著以下步驟操作,你的電腦將變身全能AI工作站,還能多模型自2026-03-19
基于Ollama本地搭建OpenClaw私人助手的實現(xiàn)步驟
本文詳細介紹了在Mac上本地安裝和配置OpenClaw,包括下載模型、搭建環(huán)境、配置agentskills等步驟,文中通過示例代碼介紹的非常詳細,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)2026-03-11
Windows本地部署OpenClaw并連接Ollama模型的完整指南
本文檔基于實際部署經(jīng)驗編寫,旨在幫助大家在 Windows 系統(tǒng)上從零開始搭建 OpenClaw,并連接本地 Ollama 模型(如 Qwen2.5 或 Qwen3),使其具備完整的智能體能力,有需要的2026-03-10
OpenClaw+Ollama+Qwen3.5:cloud/Qwen3:0.6b部署本地離線部署AI大模型(無需GPU)
無需GPU、無需云端API,在Windows10/11電腦上,手把手教你部署Ollama+Qwen3.5:cloud(主力模型)+Qwen3:0.6b(輕量備選)+OpenClaw,實現(xiàn)本地離線運行私人AI,感興趣的可以2026-03-10
OpenClaw使用Ollama本地模型的實現(xiàn)(支持工具調(diào)用))
Ollama 是一個本地 LLM 運行時,可以輕松在你的機器上運行開源模型,OpenClaw 通過 Ollama 的 OpenAI 兼容 API 進行集成,下面就來詳細的介紹一下,感興趣的可以了解一下2026-03-06











