OpenClaw 本地模型接入指南:LM Studio、vLLM、LiteLLM 与 OpenAI 兼容代理实战

原创2026-10-15 18:36:481,890 阅读
文章标签:人工智能大模型AI 应用后端LLM 网关即时通讯AI Agent插件系统本地部署MCP Clients

OpenClaw 本地模型接入指南:LM Studio、vLLM、LiteLLM 与 OpenAI 兼容代理实战

本篇技术指南以 docs/zh-CN/gateway/local-models.md 为骨架,系统讲解如何在 OpenClaw 中接入自建 GPU 机器上的本地 LLM:从硬件选型与模型变体选择,到 LM Studio + MiniMax M2.1 的推荐配置,再到 vLLM、LiteLLM、自定义 OpenAI 兼容 /v1 端点的通用接入方法,并深入源码解析 models.mode: "merge" 与主备切换的底层原理。读完本文,你将能够独立完成"托管模型 + 本地备用"、"本地优先 + 托管兜底"等多形态混合模型架构的配置与排障。

一、本地运行的现实约束:为什么"目标要高"

本地运行在 OpenClaw 中是可行的,但有一个前提必须清醒认识:OpenClaw 的核心运行模式是"大上下文 + 强提示注入防御",而本地硬件直接决定这两点能否成立。

  • 小显存会截断上下文并泄露安全性:上下文窗口不足时,会话会被提前压缩或截断,智能体的状态与指令保留不完整;更危险的是,小显存往往逼迫用户使用激进量化或"小型"检查点,而这些变体对提示注入的抵抗力显著弱于完整尺寸模型。
  • 官方推荐目标:≥2 台满配 Mac Studio 或同等 GPU 配置(约 $30k+ 级别)。
  • 单张 24GB GPU 的定位:仅适用于较轻的提示词负载,且延迟更高。
  • 模型变体铁律:使用你能运行的最大 / 完整尺寸模型变体;激进量化或"小型"检查点会提高提示注入风险。

这一判断与仓库中的安全文档一致——安全指南 明确指出:提示注入抵抗力在不同模型层级之间不是均匀的,较小/较便宜的模型通常更容易受到工具滥用和指令劫持的影响;本地模型还会跳过提供商端过滤器(见下文"故障排除"),因此模型本身的指令遵从能力就成了安全基线的最后一道防线。

二、推荐方案:LM Studio + MiniMax M2.1(Responses API,完整尺寸)

当前推荐的本地堆栈组合是:

  1. 在 LM Studio 中加载 MiniMax M2.1(完整尺寸构建);
  2. 启用 LM Studio 的本地服务器(默认 http://127.0.0.1:1234);
  3. 使用 Responses API(api: "openai-responses")将推理过程与最终文本分开——推理 token 与最终输出分离,对下游消息平台(尤其是 WhatsApp)只发送最终文本,避免把内部推理内容暴露给聊天对象。

2.1 最小完整配置

将以下 JSON5 写入 ~/.openclaw/openclaw.json(OpenClaw 配置为可选的 JSON5 格式,支持注释与尾逗号,详见配置文档):

{
  agents: {
    defaults: {
      model: { primary: "lmstudio/minimax-m2.1-gs32" },
      models: {
        "anthropic/claude-opus-4-5": { alias: "Opus" },
        "lmstudio/minimax-m2.1-gs32": { alias: "Minimax" },
      },
    },
  },
  models: {
    mode: "merge",
    providers: {
      lmstudio: {
        baseUrl: "http://127.0.0.1:1234/v1",
        apiKey: "lmstudio",
        api: "openai-responses",
        models: [
          {
            id: "minimax-m2.1-gs32",
            name: "MiniMax M2.1 GS32",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 196608,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

2.2 字段含义与取值建议

对照仓库源码与配置文档,逐字段说明:

配置字段 说明 取值建议
agents.defaults.model.primary 主模型引用,格式为 provider/model,决定智能体默认使用哪个模型 "lmstudio/minimax-m2.1-gs32"
agents.defaults.models 模型白名单 + 别名映射,形如 "provider/model": { alias } 每个计划使用的模型都要登记
models.mode "merge"(默认,保留现有提供商、按名称覆盖)或 "replace"(整体覆盖写入的 models.json) 本地场景固定用 "merge",见第四节源码解析
models.providers.<name>.baseUrl OpenAI 兼容端点地址,必须以 /v1 结尾 LM Studio 默认 http://127.0.0.1:1234/v1
models.providers.<name>.apiKey 任意非空占位即可,本地端点通常不做校验 官方示例用 "lmstudio"
models.providers.<name>.api API 方言:"openai-responses"(Responses API,推理与最终文本分离)或 "openai-completions"(Chat Completions) 本地推荐 "openai-responses"
model.id / model.name 模型 ID(必须与服务器 /v1/models 返回的 id 一致)与显示名 按 LM Studio 实际加载的模型填写
model.reasoning 是否启用推理;false 表示推理与输出合并 视模型能力而定
model.input 接受的输入模态 纯文本本地模型填 ["text"]
model.cost 计费结构,本地零成本 { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 }
model.contextWindow 模型上下文窗口(token) 需与你实际加载的构建匹配,参见下方清单
model.maxTokens 单次最大输出 token 同上

配置文档(configuration.md 的"自定义提供商"一节)印证了这一机制:当 models.providers 存在时,OpenClaw 在启动时将 models.json 写入/合并到 ~/.openclaw/agents/<agentId>/agent/,默认行为是合并(保留现有提供商、按名称覆盖),设为 models.mode: "replace" 才会覆盖整个文件内容。对应的写入实现位于 src/agents/models-config.ts:ensureOpenClawModelsJson 会对配置计算指纹(fingerprint),仅当配置变化时才以原子写(临时文件 + rename)方式落盘 models.json,并确保文件权限为 0600。

2.3 设置清单

  • 安装 LM Studio(官网下载桌面应用)。
  • 在 LM Studio 中下载可用的最大 MiniMax M2.1 构建,避免"small"或重度量化变体;启动本地服务器,并确认浏览器访问 http://127.0.0.1:1234/v1/models 能列出该模型。
  • 保持模型常驻加载:冷加载会显著增加启动延迟——这也是下文"故障排除"中"卡住"的头号原因。
  • 如果你的 LM Studio 构建版本不同,请相应调整 contextWindow / maxTokens 两个字段,避免上下文溢出或输出被截断。
  • 对于 WhatsApp 渠道,坚持使用 Responses API,这样只向对话发送最终文本,推理内容不会外泄。
  • 即使运行本地模型,也要保持托管模型的配置:使用 models.mode: "merge",让备用方案始终可用。

三、混合配置:托管与本地互为备份

本地模型的优势是隐私与零边际成本,但可靠性(机器离线、显存被占、冷启动)不如托管 API。OpenClaw 的 primary + fallbacks 机制可以优雅地编排两种来源。

3.1 托管为主,本地备用

主模型使用托管 Claude,本地 MiniMax 与托管 Opus 作为降级链:

{
  agents: {
    defaults: {
      model: {
        primary: "anthropic/claude-sonnet-4-5",
        fallbacks: ["lmstudio/minimax-m2.1-gs32", "anthropic/claude-opus-4-5"],
      },
      models: {
        "anthropic/claude-sonnet-4-5": { alias: "Sonnet" },
        "lmstudio/minimax-m2.1-gs32": { alias: "MiniMax Local" },
        "anthropic/claude-opus-4-5": { alias: "Opus" },
      },
    },
  },
  models: {
    mode: "merge",
    providers: {
      lmstudio: {
        baseUrl: "http://127.0.0.1:1234/v1",
        apiKey: "lmstudio",
        api: "openai-responses",
        models: [
          {
            id: "minimax-m2.1-gs32",
            name: "MiniMax M2.1 GS32",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 196608,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

3.2 本地优先,托管作为安全网

交换主备顺序即可:把 primary 设为 "lmstudio/minimax-m2.1-gs32",fallbacks 设为 ["anthropic/claude-sonnet-4-5", "anthropic/claude-opus-4-5"]。保持相同的 providers 块和 models.mode: "merge",这样当本地机器宕机、模型卸载或冷加载失败时,可以自动回退到 Sonnet 或 Opus。

这套主备机制的运行时实现在 src/agents/model-fallback.ts:引擎读取 agents.defaults.model.primary 构造主候选,再读取显式 fallbacks 列表(第 333-334 行附近将其标记为可选覆盖项:一旦显式提供,即使是空数组也会替换默认 fallback 链),构建有序的候选列表;每个失败项被包装为可继续的 FailoverError 进入 fallback 循环(而非中止整个会话),并带有冷却(cooldown)与探测逻辑,避免主模型恢复后仍被长期跳过。测试覆盖见 src/agents/model-fallback.test.ts。

3.3 区域托管 / 数据路由

  • 托管的 MiniMax / Kimi / GLM 变体也存在于 OpenRouter 上,且带有区域固定端点(例如美国托管)。选择区域变体可以把流量保持在你选择的管辖区(jurisdiction)内,同时继续用 models.mode: "merge" 保留 Anthropic / OpenAI 作为备用。
  • 纯本地仍然是最强的隐私路径;当你需要提供商功能(如更强的模型、更多模态)但又想控制数据流时,托管区域路由是折中方案。

四、其他 OpenAI 兼容本地代理:vLLM、LiteLLM、OAI-proxy、自定义网关

vLLM、LiteLLM、OAI-proxy 或任何自定义网关,只要它们暴露 OpenAI 风格的 /v1 端点,就能接入 OpenClaw。做法很简单:把上文 provider 块替换为你的端点与模型 ID 即可。

{
  models: {
    mode: "merge",
    providers: {
      local: {
        baseUrl: "http://127.0.0.1:8000/v1",
        apiKey: "sk-local",
        api: "openai-responses",
        models: [
          {
            id: "my-local-model",
            name: "Local Model",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 120000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

要点:

  • baseUrl 指向你的代理服务(示例为 http://127.0.0.1:8000/v1,即本地 vLLM 的默认端口)。
  • apiKey 填写你的本地占位密钥(如 sk-local);vLLM 默认不校验,LiteLLM 可能需要真实 key。
  • api 字段按你的代理能力选择:支持 Responses 端点(/v1/responses)用 "openai-responses",否则用 "openai-completions"。关于 OpenClaw 自身暴露的 OpenResponses 兼容端点,可参考 OpenResponses API 文档。
  • contextWindow / maxTokens 必须与你实际部署的模型与服务器配置一致——这是上下文溢出类报错的主要来源。
  • 保持 models.mode: "merge",托管模型作为备用始终可用。

4.1 源码视角:merge 模式到底合并了什么

src/agents/models-config.merge.ts 中的 mergeProviderModels(第 36-125 行)揭示了合并的精确语义:

  • 按模型 ID 合并:显式(你配置的)模型以 id 为键覆盖隐式(内置目录)模型;显式模型列表中不存在的隐式模型会被追加保留。
  • 字段级取舍:同一模型的 contextWindow / maxTokens 遵循"显式优先,否则回退隐式"的解析规则(resolvePreferredTokenLimit,第 14-26 行);reasoning 字段显式存在时取显式值,否则继承隐式值;input 模态取隐式值。
  • Provider 级合并:mergeProviders(第 127-141 行)按 provider key 合并整个 providers 字典,隐式 provider 全部保留,显式同名 provider 覆盖之。
  • 秘密保留:mergeWithExistingProviderSecrets(第 214-255 行)在合并时还会保留已存在的 apiKey 与 baseUrl(除非新配置显式更换或 api 面变化),避免每次重启把磁盘上的密钥覆盖掉。

也就是说,你在 openclaw.json 里写的 provider 块是"增量声明":它补全或覆盖内置目录中的同名 provider,而不是重建整个目录。这正是 mode: "merge" 能让"本地 provider 与托管 provider 共存"的源码级原因。相关行为测试见 src/agents/models-config.merge.test.ts。

五、故障排除

  • Gateway 能访问代理吗? 先做连通性验证:
    curl http://127.0.0.1:1234/v1/models
    
    返回模型列表说明 LM Studio / 代理服务正常;若失败,检查服务是否启动、端口是否被占用、baseUrl 是否写错。
  • LM Studio 模型卸载了? 重新加载。冷启动是"卡住"(挂起无响应)最常见的原因——模型未驻留内存时,首个请求要等待加载完成,容易触发超时。
  • 上下文错误? 两种修法:降低配置中的 contextWindow,或提高你的本地服务器(LM Studio / vLLM)侧的上限。注意两处必须一致,否则客户端会被服务器拒绝。
  • 安全提醒:本地模型跳过提供商端过滤器(托管 API 的内容过滤在本地不存在),因此提示注入的"爆炸半径"需要自己控制:
    • 保持智能体范围窄(严格的白名单、提及门控、私信配对,详见安全指南);
    • 开启压缩(compaction),把会话历史定期压缩为摘要,限制注入内容在上下文中的持续影响力;
    • 对暴露给不受信任内容(链接、附件、粘贴文本)的智能体,优先用只读工具 + 沙箱隔离,并考虑禁用 web_search / web_fetch / browser。
    • 压缩相关的生命周期说明可参见智能体循环与压缩。

六、总结:本地模型接入的四条军规

  1. 硬件不妥协:目标是 ≥2 台满配 Mac Studio 或同级 GPU;单张 24GB GPU 只适合轻负载。
  2. 模型用完整尺寸:最大/完整构建优先,避免激进量化与"small"变体,守住提示注入防线。
  3. 始终 models.mode: "merge":本地与托管共存,primary + fallbacks 互为兜底,本地宕机自动降级。
  4. Responses API 优先:推理与最终文本分离,尤其在 WhatsApp 等真实聊天渠道上避免推理内容外泄。

最后别忘了:本地部署是 OpenClaw 全链路中的一环,配好模型只是第一步——把渠道白名单、工具策略与沙箱一并收紧,才算真正安全的本地栈(参考安全审计清单)。

登录后查看全文
openclaw-zero-token