手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
现在这大模型圈子卷得厉害，咱们的选择也多得离谱：要么在自家电脑上跑个离线的开源模型，要么去调那些顶尖的闭源接口；可以盯着一家薅羊毛，也能通过聚合平台一次性搞定几十家。不过，模型多了也头疼，每家的接口格式、授权方式、起名规则都不一样，接起来挺费劲的。
OpenClaw 就是专门来帮咱们省心的。它像个全能转换器，把底层的各种差异都给抹平了，还给几个主流平台准备了现成的优化方案。今天咱们就唠唠怎么在 OpenClaw 里把这六个核心渠道给玩转了：

1. Ollama —— 玩本地开源模型的绝佳选择
2. OpenAI —— 经典的 GPT 系列，支持 API Key 和订阅两种搞法
3. NVIDIA —— 想要高性能的 Nemotron 或 NeMo 就找它
4. Moonshot AI —— 懂中文的 Kimi，写代码和日常聊天都能行
5. OpenCode —— 双架构托管，Zen 和 Go 两个目录各司其职
6. OpenRouter —— 真正的“万能钥匙”，一个 Key 通吃上百个模型
   咱们这篇干货挺长，从安装配置到优化避坑全都有，保证能帮你搭出一套既顺手又强大的 AI 助手系统。
   手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

第一部分：自己动手，丰衣足食 —— Ollama 本地集成

1.1 为啥大家都爱 Ollama？

Ollama 算是现在本地跑模型最火的工具了，优点确实硬核：

• 隐私保密：数据都在你电脑里转，不用担心被发到网上。
• 不花冤枉钱：不用买 token，只要你的电脑跑得动就行。
• 操作贼简单：想换模型？一行命令 ollama pull 就搞定。
• 不挑系统：不管是 Mac、Windows 还是 Linux，甚至 M 系列芯片的 Mac 都能跑得飞起。
  对于咱个人开发者或者对数据安全特别在意的团队来说，Ollama 简直就是个完美的“自留地”。

1.2 怎么装、怎么用？

先把 Ollama 装上

去官网把安装包拽下来装好就行。装完后它会在后台默默运行，默认守着 127.0.0.1:11434 这个端口。

拽几个模型下来

代码语言：TXT

# 想要中文好使的，试试这两个
ollama pull glm-4.7-flash
ollama pull qwen2.5-coder:32b
# 英文通用的，选这几个准没错
ollama pull llama3.3
ollama pull mistral
ollama pull gemma2:27b
# 看看自己都攒了哪些模型
ollama list

💡 悄悄话：模型名字后面带个冒号（比如 :32b）是用来选特定版本的，别弄混了。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

1.3 让 OpenClaw 接管 Ollama

OpenClaw 连 Ollama 有两种姿势，一种是“全自动”，一种是“手动挡”。

姿势一：全自动发现（最省事儿）

你只需要随便给个环境变量：
代码语言：TXT

export OLLAMA_API_KEY="ollama-local"

然后直接跑：
代码语言：TXT

openclaw onboard --auth-choice skip

OpenClaw 就会自己顺着端口摸过去，把模型列表扒出来，顺便看看模型懂不懂“分步思考”，还贴心地把花费都记成 0 元。

姿势二：手动配置（适合高级玩家）

如果你的 Ollama 跑在别的机器上，或者你想精细控制，就得写配置文件了：
代码语言：TXT

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://192.168.1.100:11434",
        "apiKey": "ollama-local",
        "api": "ollama",
        "models": [
          {
            "id": "glm-4.7-flash",
            "name": "GLM-4.7 Flash",
            "contextWindow": 32768,
            "maxTokens": 8192,
            "reasoning": false,
            "cost": { "input": 0, "output": 0 }
          },
          {
            "id": "deepseek-r1:32b",
            "name": "DeepSeek R1 32B",
            "contextWindow": 131072,
            "maxTokens": 16384,
            "reasoning": true
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "ollama/glm-4.7-flash" }
    }
  }
}

1.4 ⚠️ 避坑指南：千万别乱加 /v1

这是个大坑！Ollama 的 API 有两种：

• 原生 API：就是普通的端口地址，它支持工具调用，输出也稳。
• OpenAI 兼容 API：地址后面带个 /v1。这玩意儿在工具调用上经常掉链子。
  听我一句劝，用原生 API。 如果你非要加 /v1，模型可能会把代码块直接吐出来，搞得程序不知所措。
  ✅ 这样写是对的：{ "baseUrl": "http://localhost:11434" }
  ❌ 这样写是错的：{ "baseUrl": "http://localhost:11434/v1" }

1.5 进阶小技巧

自动识别“聪明人”

OpenClaw 会盯着模型名字看，只要名字里带 r1、reasoning 或者 think，它就觉得这模型会推理，能在干活时帮你多想几步。

管理记忆力

想让模型读长文章？那你得把 contextWindow 设对。虽然 Ollama 默认只给 4k，但不少厉害模型其实能吞下 128k。你可以用命令查查模型到底有多大肚量。

1.6 遇到问题怎么办？

症状	药方
找不到模型	查查 OLLAMA_API_KEY 设了没，或者配置写岔了
连不上	看看 ollama serve 到底开了没有
调不动工具	赶紧把地址里的 /v1 删掉
反应太慢	换个参数少点的模型，比如 flash 版的
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

第二部分：正牌军 —— OpenAI 的两种玩法

2.1 搞清楚你的号是哪种

OpenAI 给咱们准备了两条路，别走错了：

玩法	谁能玩	怎么收钱	模型前缀
API Key	开发者或公司	用多少给多少	openai/...
Codex 订阅	Plus 会员	只要按月交钱	openai-codex/...
这两者不能混着用，各走各的道。

2.2 搞开发的推荐用 API Key

怎么配置

1. 先去 OpenAI 后台捞一个 Key。
2. 运行 openclaw onboard --auth-choice openai-api-key。
3. 把模型填进配置里就行：{ "env": { "OPENAI_API_KEY": "sk-..." }, "agents": { "defaults": { "model": { "primary": "openai/gpt-5.4" } } } }

高级玩法

• WebSocket 预热：能让模型秒回，建议开着。
• 优先通道：如果你是尊贵的付费用户，能进高优先级队列。
• 上下文压缩：聊太长了它会自动帮你省空间，防止超标。

2.3 个人用户选 Codex 订阅

怎么搞

1. 运行 openclaw onboard --auth-choice openai-codex 扫码登录。
2. 模型前缀记得带上 -codex。

🔑 这种方式最大的好处就是不用盯着余额看，随便造。

2.4 怎么传数据

OpenClaw 默认挺聪明的，它会先试 WebSocket，不行再换 SSE。你也可以在配置里强制它只用其中一种。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

第三部分：大厂风范 —— NVIDIA 模型集成

3.1 凭啥选 NVIDIA？

英伟达的 NGC 平台出的模型，主打一个稳：

• Nemotron：大名鼎鼎的 Llama 3 优化版，企业首选。
• 胃口极大：默认就能处理 13 万个 token 的超长文本。
• 无缝衔接：接口跟 OpenAI 的一模一样，换起来毫无压力。

3.2 怎么接

去 NGC 申请个以 nvapi- 开头的 Key，设置好环境变量，在 OpenClaw 配置文件里把模型指向 nvidia/llama-3.1-nemotron-70b-instruct 就行了。

第四部分：最懂中文的 —— Moonshot AI

4.1 Kimi 也分两类

月之暗面给咱们提供了两种选择，大家各取所需：

种类	干啥用	前缀
Kimi 通用	聊天、读长文档	moonshot/...
Kimi Coding	专门写代码	kimi-coding/...
注意啊，这两边的 Key 不通用，得分别去领。

4.2 配置 Kimi

流程差不多，先认证，再写配置。Kimi 的优势是吞吐量大，最高能支持 25 万的上下文，非常夸张。

4.3 开启思考模式

Kimi 有个“深度思考”的开关，你可以通过 /think on 或 off 随时在聊天里切换，让它更稳重或者更活泼。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

第五部分：高效省心 —— OpenCode 双目录

5.1 Zen 和 Go 怎么选？

OpenCode 搞了个很有意思的双目录结构：

• Zen：全是国外的顶尖货，像 Claude、GPT 什么的都在这。
• Go：专门放国内的高手，比如 Kimi 或者 GLM。
  虽然是一个 Key，但你想调哪边的模型，前缀得写对。

5.2 混着用的示例

你可以配置一个主力模型，再配一个备用的。比如主力用 opencode/claude-opus-4-6，万一挂了，立马让 opencode-go/glm-5 顶上。

第六部分：终极杀招 —— OpenRouter 聚合网关

6.1 为什么要用 OpenRouter？

这玩意儿简直是懒人福音：

• 一劳永逸：一个 Key 能调上百个模型。
• 对比价格：它会帮你挑最便宜的线路。
• 配置简单：也是全兼容 OpenAI 格式。

6.2 怎么引用模型

你只要按照 openrouter/厂家/模型名 的格式写就行。比如想用最新的 Claude，就写 openrouter/anthropic/claude-sonnet-4-5。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！

总结：到底该选哪一个？

别纠结，看这个表就行：

你的需求	推荐方案
怕泄密、不想花钱	Ollama (本地跑)
企业办公、要稳	NVIDIA 或 OpenCode Go
追求全球最强智力	OpenAI 或 OpenCode Zen
读几万字的长文档	Moonshot Kimi
啥模型都想试试	OpenRouter
OpenClaw 厉害就厉害在，它允许你“全都要”。你完全能在这个系统里根据不同的活儿，自动派发最合适的模型去干。
手把手教你一键部署OpenClaw，连接微信、QQ、飞书、钉钉等，1分钟全搞定！
行了，别光看着了，赶紧动手搭一个属于你自己的 AI 帝国吧！