教程 · 配置
给龙虾接大脑：云端 API 还是本地模型？配置与取舍
龙虾本体只是个会调工具、能循环执行的外壳，回答质量来自你给它接的那个大模型。不想折腾部署的先接云端 API，填一个 key 和一行模型名；要接本地模型，Ollama 建议上下文至少 64k，而显存不到 24 GiB 时它默认只有 4k，去哪里调见“路 B”一节。
- 发布日期
- 更新日期
两条路，本质区别在“算在哪”
- 云端 API：你把任务发给服务商（Claude、GPT、Gemini 等），模型在人家的服务器上算，结果传回来。本机不需要显卡，按用量花钱。
- 本地模型：用推理工具把模型运行在自己的机器上。本地推理与工具访问要分开看：模型请求可留在本机，但网页搜索、消息渠道或云端备用模型仍可能联网，硬件与电费也要算成本。
龙虾不在乎大脑是谁，它只要一个“能对话、能调工具”的接口。
路 A：接云端 API（新手首选）
去模型服务商后台拿一个 API key，填进 .env。密钥这一层是按服务商分开命名的，没有一个通用的 API_KEY 收所有家：
ANTHROPIC_API_KEY=sk-ant-你的密钥
# OPENAI_API_KEY=sk-...
# GEMINI_API_KEY=...“用哪个模型”是另一处配置，写在 ~/.openclaw/openclaw.json 的 agents.defaults.model.primary 下面，格式是“服务商/模型名”，比如 "anthropic/claude-opus-5-5"。同级的 fallbacks 可以挂一串备用模型，主模型不可用时按顺序往下试，跑长任务的话建议配一个。
云端 API 的好处是不用在自己的机器上加载模型；代价是请求发到服务商，并按用量计费。填好凭据和模型名后试一遍：准备一份不含个人资料的测试 CSV，让它读出列名、按指定列排序并写到新的测试文件，看它是否真的调用了工具、有没有选错列。模型选型按用途列候选型号和官方来源。GPT-5.6 的三档与成本思路，另看跑龙虾该用哪档 GPT-5.6；GPT-6 一代看GPT-6 Astra 给龙虾当大脑。
路 B：接本地模型
先选推理后端，再按它的原生接入方式配置，不能把所有本地服务都当成同一种 OpenAI 兼容接口。以 Ollama 为例，当前官方引导使用下面的命令，选择 Ollama，再选 Local only，填写 Gateway 能访问的 Ollama 地址和已安装模型：
openclaw onboard
openclaw models list --provider ollama如果手动配置，关键是 baseUrl: "http://127.0.0.1:11434" 与 api: "ollama"。地址只适用于 Gateway 与 Ollama 在同一运行环境的情况；不要加 /v1，那会选到另一条兼容路径，可能导致工具调用失败。apiKey 一项填 ollama-local，这是本机或私有局域网场景用的占位值。完整的连接、模型发现和排查顺序见OpenClaw 接 Ollama 的工具调用排查。
本地能跑多大的模型、长任务速度如何，要一起看模型、量化、上下文、内存和推理后端。不要给每台机器照填同一个大窗口。Ollama 对 OpenClaw 用本地模型的建议是上下文至少 64k，而显存不到 24 GiB 时它的默认上下文只有 4k，要自己调大，调法在显存/内存不够跑本地模型？6 个办法里讲上下文的那一条；按显存怎么选见跑 OpenClaw 要什么配置。机器资源够不够，对照本地部署AI 最低配置。
云端 API 和本地模型在成本、隐私、速度上差在哪
| 对比项 | 云端 API | 本地模型 |
|---|---|---|
| 前期投入 | 不用先买硬件，注册拿 key 即用 | 先看已有电脑的内存、显存和推理后端能跑多大的模型、什么量化；不够再考虑加硬件 |
| 长期成本 | 按服务商用量计费 | 硬件、电费与维护时间；是否更省取决于利用率和任务 |
| 隐私 | 模型请求发到服务商，数据怎么处理看服务商的数据政策 | 纯本地推理可留在本机；联网工具、云模型和回退仍需单独检查 |
| 模型能力 | 可用到各家最新的大模型，工具调用表现要按模型和任务试 | 取决于模型大小、量化和上下文，载入之后还要拿自己的任务试 |
| 速度 | 取决于网络和服务商负载、并发限制 | 取决于硬件、推理后端和并发 |
| 联网依赖 | 调用远端服务需要网络 | 已下载模型可本地推理；网页搜索等联网任务仍需要网络 |
| 上手难度 | 低，填一个 key | 较高，要会拉模型、选量化、配后端和上下文 |
用得不多、不想折腾部署的走 API；数据必须留在本机、手上又有够用显卡的上本地。拿不准就从 API 开始。两条路都配了的，拿前面那份测试 CSV 各跑一遍，比一比有没有选错列、耗时和用量。
云端和本地一起配：fallbacks 写法与切换命令
云端和本地的 provider 可以同时配着。日常用的写进 primary，另一个放进 fallbacks，主模型不可用时按列表顺序往下试（模型名换成你自己的）：
{
agents: {
defaults: {
model: {
primary: "anthropic/claude-opus-5-5",
fallbacks: ["ollama/gemma4"]
}
}
}
}换默认模型用 openclaw models set 服务商/模型名，只换当前会话就在聊天里发 /model 服务商/模型名；当前的备用列表用 openclaw models fallbacks list 看。用 /model 手动选的模型连不上时会直接报错，不走 fallbacks。两边的凭据、模型 ID 和上下文各配各的，各自跑通一次再串起来。任务要求数据留在本机的，fallbacks 里别放云端模型。