比起那些号称“永久免费、不限tokens”却偷偷限制请求频率的服务，想真正根治OpenClaw的tokens焦虑，只有一个靠谱办法——接入本地大模型。
有意思的是，在各种OpenClaw的交流群里，还有不少小伙伴压根不知道该怎么接入本地大模型。今天就实操一波，以当下最火的Ollama为例，手把手教大家搞定这件事。
工具简介
这是本文使用的软件版本：
debian: 12
ollama： 0.16.1
openclaw： 2026.2.14
model： glm-4.7-flash
如下：
开始ollama
- 安装必要软件
# 系统必要工具
apt update -y
apt install zstd git curl jq
# 安装ollama
curl -fsSL https://ollama.com/install.sh | sh
- 启动和测试ollama
# 启动ollama
export OLLAMA_HOST=0.0.0.0
nohup ollama serve >/dev/null 2>&1 &
# 检查服务
ollama list
应该输出：
测试一下模型：
ollama run glm-4.7-flash:latest
打个招呼：
接入openclaw
接入openclaw的配置方式有三种：
- 最初只能直接编辑配置文件： openclaw.json
- openclaw支持引导式配置： openclaw config注意：由于ollama目前在引导配置里面，没有提供商，所以第一步选供应商的时候，选所有，然后第一页选择模型的是，可以看到ollama
- ollama支持引导式配置
目前版本中，直接使用ollama的引导式配置是最简单的，下面用这个方式：
执行命令：
ollama launch openclaw --config
然后返回就会看到推荐的列表（不要选，需要下载模型，超大）和本地已经有的列表，选择本地的模型，回车。
然后可以启动或者略过，使用openclaw gateway来启动。
最后，来试试效果：
万事大吉！
最后给一下配置文件关键部分，希望直接修改配置文件的可以参考：
openclaw.json
{
"agents":{
"defaults":{
"compaction":{
"mode":"safeguard"
},
"maxConcurrent":4,
"model":{
"primary":"ollama/glm-4.7-flash:latest"
},
"subagents":{
"maxConcurrent":8
}
}
},
...
"models":{
"providers":{
"ollama":{
"api":"openai-completions",
"apiKey":"ollama-local",
"baseUrl":"http://127.0.0.1:11434/v1",
"models":[
{
"contextWindow":131072,
"cost":{
"cacheRead":0,
"cacheWrite":0,
"input":0,
"output":0
},
"id":"glm-4.7-flash:latest",
"input":[
"text"
],
"maxTokens":16384,
"name":"glm-4.7-flash:latest",
"reasoning":false
}
]
}
}
},
...
}
小结
使用本地大模型，也许是很多企业用户的最终之路吧。
在这个数据就是金钱的时代，越来越多的用户和企业重视自己的数据，部署本地模型既能保护数据，又能解决tokens的顾虑。