Ollama

OpenClaw giao tiếp với API gốc của Ollama (/api/chat), không phải endpoint tương thích với OpenAI /v1. Ba chế độ được hỗ trợ:

Chế độ	Nội dung sử dụng
Đám mây + Cục bộ	Một máy chủ Ollama có thể truy cập, phục vụ các mô hình cục bộ và (nếu đã đăng nhập) các mô hình :cloud
Chỉ đám mây	Trực tiếp https://ollama.com, không có daemon cục bộ
Chỉ cục bộ	Một máy chủ Ollama có thể truy cập, chỉ các mô hình cục bộ

Để thiết lập chỉ dùng đám mây với id nhà cung cấp chuyên biệt ollama-cloud, hãy xem Ollama Cloud. Sử dụng các tham chiếu ollama-cloud/<model> khi bạn muốn định tuyến đám mây tách biệt với nhà cung cấp ollama cục bộ.

Không sử dụng URL tương thích với OpenAI /v1 (http://host:11434/v1). URL này làm hỏng việc gọi công cụ và các mô hình có thể xuất JSON gọi công cụ thô dưới dạng văn bản thuần. Hãy sử dụng URL gốc: baseUrl: "http://host:11434" (không có /v1).

Khóa cấu hình chuẩn là baseUrl. baseURL cũng được chấp nhận cho các ví dụ theo kiểu OpenAI SDK, nhưng cấu hình mới nên sử dụng baseUrl.

​

Quy tắc xác thực

Máy chủ cục bộ và LAN

Các URL Ollama dạng loopback, mạng riêng, .local và tên máy chủ trần không cần bearer token thực. OpenClaw sử dụng dấu mốc ollama-local cho các trường hợp này.

Máy chủ từ xa và Ollama Cloud

Các máy chủ từ xa công khai và https://ollama.com yêu cầu thông tin xác thực thực: OLLAMA_API_KEY, một hồ sơ xác thực hoặc apiKey của nhà cung cấp. Để sử dụng trực tiếp dịch vụ được lưu trữ, nên dùng nhà cung cấp ollama-cloud.

Id nhà cung cấp tùy chỉnh

Nhà cung cấp tùy chỉnh có api: "ollama" tuân theo cùng các quy tắc. Ví dụ: nhà cung cấp ollama-remote trỏ đến máy chủ LAN riêng có thể sử dụng apiKey: "ollama-local"; các tác tử con phân giải dấu mốc đó thông qua hook nhà cung cấp Ollama thay vì coi đó là thông tin xác thực bị thiếu. agents.defaults.memorySearch.provider cũng có thể trỏ đến một id nhà cung cấp tùy chỉnh để các embedding sử dụng endpoint Ollama đó.

Hồ sơ xác thực

auth-profiles.json lưu trữ thông tin xác thực cho một id nhà cung cấp; đặt các thiết lập endpoint (baseUrl, api, mô hình, header, thời gian chờ) trong models.providers.<id>. Các tệp phẳng cũ như { "ollama-windows": { "apiKey": "ollama-local" } } không phải là định dạng thời gian chạy; openclaw doctor --fix ghi lại chúng thành một hồ sơ khóa API ollama-windows:default chuẩn kèm bản sao lưu. Giá trị baseUrl trong tệp cũ đó là dữ liệu nhiễu và nên được chuyển sang cấu hình nhà cung cấp.

Phạm vi embedding bộ nhớ

Xác thực bearer cho embedding bộ nhớ Ollama được giới hạn trong máy chủ mà nó được khai báo:

• Khóa cấp nhà cung cấp chỉ được gửi đến máy chủ của nhà cung cấp đó.
• agents.*.memorySearch.remote.apiKey chỉ được gửi đến máy chủ embedding từ xa của nó.
• Giá trị env OLLAMA_API_KEY thuần túy được coi là quy ước Ollama Cloud và theo mặc định không được gửi đến các máy chủ cục bộ/tự lưu trữ.

​

Bắt đầu

Hướng dẫn thiết lập ban đầu (khuyến nghị)

1. Chạy hướng dẫn thiết lập ban đầu

   openclaw onboard
   

   Chọn Ollama, sau đó chọn một chế độ: Đám mây + Cục bộ, Chỉ đám mây hoặc Chỉ cục bộ.

   Trong lần thiết lập có hướng dẫn mới, trước tiên OpenClaw kiểm tra máy chủ Ollama mặc định hoặc đã cấu hình. Một mô hình đã cài đặt chỉ được tự động đề xuất khi /api/show xác nhận hỗ trợ công cụ và cửa sổ ngữ cảnh ít nhất 16K; siêu dữ liệu ngữ cảnh bị thiếu hoặc nhỏ hơn sẽ tiếp tục theo quy trình thiết lập thủ công. Quy trình thiết lập CLI/macOS dùng chung vẫn xác minh tuyến đã chọn bằng một lượt hoàn thành thực trước khi lưu. Việc kiểm tra tự động này không bao giờ tải về mô hình; nếu không có mô hình phù hợp đã cài đặt, hướng dẫn thiết lập ban đầu sẽ tiếp tục đến trình chọn Ollama thông thường.

2. Chọn mô hình

   Cloud only nhắc nhập OLLAMA_API_KEY và đề xuất các giá trị mặc định đám mây được lưu trữ. Cloud + Local và Local only nhắc nhập URL cơ sở Ollama, khám phá các mô hình có sẵn và tự động tải về mô hình cục bộ đã chọn nếu còn thiếu. Thẻ :latest đã cài đặt như gemma4:latest được hiển thị một lần thay vì lặp lại gemma4. Cloud + Local cũng kiểm tra xem máy chủ đã đăng nhập để truy cập đám mây hay chưa.

3. Xác minh

   openclaw models list --provider ollama
   

Không tương tác:

openclaw onboard --non-interactive \
  --auth-choice ollama \
  --custom-base-url "http://ollama-host:11434" \
  --custom-model-id "qwen3.5:27b" \
  --accept-risk

--custom-base-url và --custom-model-id là tùy chọn; nếu bỏ qua, hệ thống sử dụng máy chủ cục bộ mặc định và mô hình được đề xuất gemma4.

Thiết lập thủ công

1. Cài đặt và khởi động Ollama

   Tải xuống từ ollama.com/download, sau đó tải về một mô hình:

   ollama pull gemma4
   

   Để truy cập đám mây kết hợp, hãy chạy ollama signin trên cùng máy chủ.

2. Đặt thông tin xác thực

   export OLLAMA_API_KEY="ollama-local"    # máy chủ cục bộ/LAN, giá trị bất kỳ đều dùng được
   export OLLAMA_API_KEY="your-real-key"   # chỉ https://ollama.com
   

   Hoặc trong cấu hình: openclaw config set models.providers.ollama.apiKey "OLLAMA_API_KEY".

3. Chọn mô hình

   openclaw models list
   openclaw models set ollama/gemma4
   

   Hoặc trong cấu hình:

   {
     agents: {
       defaults: {
         model: { primary: "ollama/gemma4" },
       },
     },
   }
   

​

Mô hình đám mây thông qua máy chủ cục bộ

Cloud + Local định tuyến cả mô hình cục bộ và mô hình :cloud thông qua một máy chủ Ollama có thể truy cập — đây là luồng kết hợp của Ollama và là chế độ cần chọn trong quá trình thiết lập khi bạn muốn sử dụng cả hai.

OpenClaw nhắc nhập URL cơ sở, khám phá các mô hình cục bộ và kiểm tra trạng thái ollama signin. Khi đã đăng nhập, hệ thống đề xuất các giá trị mặc định được lưu trữ (kimi-k2.5:cloud, minimax-m2.7:cloud, glm-5.1:cloud, glm-5.2:cloud). Nếu chưa đăng nhập, quá trình thiết lập vẫn chỉ dùng cục bộ cho đến khi bạn chạy ollama signin.

Để chỉ truy cập đám mây mà không có daemon cục bộ, hãy sử dụng openclaw onboard --auth-choice ollama-cloud và xem Ollama Cloud — đường dẫn đó không cần ollama signin hoặc máy chủ đang chạy:

openclaw onboard --auth-choice ollama-cloud
openclaw models set ollama-cloud/kimi-k2.5:cloud

Danh sách mô hình đám mây hiển thị trong openclaw onboard được lấy trực tiếp từ https://ollama.com/api/tags, giới hạn ở 500 mục, vì vậy trình chọn phản ánh danh mục được lưu trữ hiện tại. Nếu ollama.com không thể truy cập hoặc không trả về mô hình nào tại thời điểm thiết lập, OpenClaw quay về danh sách đề xuất được mã hóa cứng để hướng dẫn thiết lập ban đầu vẫn hoàn tất.

​

Khám phá mô hình (nhà cung cấp ngầm định)

Khi OLLAMA_API_KEY (hoặc một hồ sơ xác thực) được đặt và cả models.providers.ollama lẫn một nhà cung cấp tùy chỉnh khác có api: "ollama" đều không được định nghĩa, OpenClaw khám phá mô hình từ http://127.0.0.1:11434:

Hành vi	Chi tiết
Truy vấn danh mục	/api/tags
Phát hiện khả năng	/api/show theo phương thức nỗ lực tối đa đọc contextWindow, các tham số Modelfile num_ctx và các khả năng (thị giác/công cụ/suy luận)
Mô hình thị giác	Khả năng vision từ /api/show đánh dấu mô hình có khả năng xử lý hình ảnh (input: ["text", "image"])
Phát hiện suy luận	Sử dụng khả năng thinking từ /api/show khi có; nếu Ollama bỏ qua các khả năng, hệ thống quay về quy tắc phỏng đoán theo tên (r1, reason, reasoning, think). glm-5.2:cloud và deepseek-v4-flash|pro:cloud luôn được coi là có khả năng suy luận bất kể khả năng được báo cáo.
Giới hạn token	maxTokens mặc định là mức trần token tối đa Ollama của OpenClaw
Chi phí	Tất cả chi phí đều là 0

ollama list
openclaw models list

Việc đặt models.providers.ollama với một mảng models rõ ràng, hoặc một nhà cung cấp tùy chỉnh có api: "ollama" và baseUrl không phải loopback, sẽ vô hiệu hóa tự động khám phá; khi đó các mô hình phải được định nghĩa thủ công (xem Cấu hình). Mục models.providers.ollama trỏ đến https://ollama.com được lưu trữ cũng bỏ qua việc khám phá, vì các mô hình Ollama Cloud do nhà cung cấp quản lý. Các nhà cung cấp tùy chỉnh dạng loopback như http://127.0.0.2:11434 vẫn được coi là cục bộ và tiếp tục tự động khám phá.

Bạn có thể sử dụng tham chiếu đầy đủ như ollama/<pulled-model>:latest mà không cần mục models.json viết thủ công; OpenClaw phân giải trực tiếp. Với các máy chủ đã đăng nhập, việc chọn tham chiếu ollama/<model>:cloud không có trong danh sách sẽ xác thực chính xác mô hình đó bằng /api/show và chỉ thêm mô hình vào danh mục thời gian chạy nếu Ollama xác nhận siêu dữ liệu — lỗi chính tả vẫn thất bại vì mô hình không xác định.

​

Kiểm thử nhanh

Để thực hiện phép thăm dò văn bản hẹp, bỏ qua toàn bộ bề mặt công cụ của tác tử:

OLLAMA_API_KEY=ollama-local \
  openclaw infer model run \
    --local \
    --model ollama/llama3.2:latest \
    --prompt "Chỉ trả lời chính xác: pong" \
    --json

Thêm --file cùng một hình ảnh để thực hiện phép thăm dò gọn nhẹ cho mô hình thị giác (chấp nhận PNG/JPEG/WebP; các tệp không phải hình ảnh bị từ chối trước khi gọi Ollama — sử dụng openclaw infer audio transcribe cho âm thanh):

OLLAMA_API_KEY=ollama-local \
  openclaw infer model run \
    --local \
    --model ollama/qwen2.5vl:7b \
    --prompt "Mô tả hình ảnh này trong một câu." \
    --file ./photo.jpg \
    --json

Cả hai đường dẫn đều không tải công cụ trò chuyện, bộ nhớ hoặc ngữ cảnh phiên. Nếu phép thử thành công trong khi phản hồi thông thường của tác tử thất bại, vấn đề có khả năng nằm ở khả năng dùng công cụ/tác tử của mô hình, không phải endpoint.

Việc chọn một mô hình bằng /model ollama/<model> là lựa chọn chính xác của người dùng: nếu baseUrl đã cấu hình không thể truy cập được, phản hồi tiếp theo sẽ thất bại với lỗi của nhà cung cấp thay vì âm thầm chuyển sang một mô hình đã cấu hình khác.

Các tác vụ cron cô lập bổ sung một bước kiểm tra an toàn cục bộ trước khi bắt đầu lượt của agent: nếu mô hình đã chọn được phân giải thành nhà cung cấp Ollama cục bộ/mạng riêng/.local và /api/tags không thể truy cập được, OpenClaw ghi nhận lần chạy đó là skipped, với mô hình xuất hiện trong nội dung lỗi. Việc kiểm tra endpoint này được lưu vào bộ nhớ đệm trong 5 phút cho mỗi máy chủ, nhờ đó các tác vụ cron lặp lại nhắm đến một daemon đã dừng sẽ không đồng loạt khởi chạy các yêu cầu chắc chắn thất bại.

Xác minh trực tiếp:

OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OLLAMA=1 OPENCLAW_LIVE_OLLAMA_WEB_SEARCH=0 \
  pnpm test:live -- extensions/ollama/ollama.live.test.ts

Đối với Ollama Cloud, hãy trỏ cùng bài kiểm thử trực tiếp đó đến endpoint được lưu trữ (mặc định bỏ qua embedding; buộc bật bằng OPENCLAW_LIVE_OLLAMA_EMBEDDINGS=1 vì khóa đám mây có thể không cấp quyền cho /api/embed):

export OLLAMA_API_KEY='<your-ollama-cloud-api-key>'
OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OLLAMA=1 \
OPENCLAW_LIVE_OLLAMA_BASE_URL=https://ollama.com \
OPENCLAW_LIVE_OLLAMA_MODEL=glm-5.1:cloud \
OPENCLAW_LIVE_OLLAMA_WEB_SEARCH=1 \
pnpm test:live -- extensions/ollama/ollama.live.test.ts

Để thêm một mô hình, hãy tải mô hình đó xuống và hệ thống sẽ tự động phát hiện:

ollama pull mistral

​

Suy luận cục bộ trên Node

Các agent có thể ủy quyền một tác vụ ngắn cho mô hình Ollama trên máy tính để bàn hoặc Node máy chủ đã ghép nối. Prompt và phản hồi đi qua kết nối Gateway/Node đã xác thực hiện có; yêu cầu chạy trên endpoint Ollama loopback của chính Node đó (http://127.0.0.1:11434).

1. Khởi động Ollama trên Node

   ollama pull qwen3:0.6b
   ollama list
   
2. Kết nối máy chủ Node

   openclaw node run \
     --host <gateway-host> \
     --port 18789 \
     --display-name "Local inference"
   

   Phê duyệt thiết bị và các lệnh Node của thiết bị đó trên máy chủ Gateway, sau đó xác minh:

   openclaw devices list
   openclaw devices approve <deviceRequestId>
   openclaw nodes pending
   openclaw nodes approve <nodeRequestId>
   openclaw nodes status --connected
   

   Lần kết nối đầu tiên hoặc một bản nâng cấp bổ sung các lệnh Ollama có thể kích hoạt yêu cầu phê duyệt lệnh Node. Nếu Node kết nối nhưng không quảng bá ollama.models và ollama.chat, hãy kiểm tra lại openclaw nodes pending.

3. Sử dụng từ một agent

   Plugin Ollama đi kèm cung cấp công cụ node_inference. Các agent gọi action: "discover" trước, sau đó gọi action: "run" với một Node và mô hình từ kết quả đó (run có thể bỏ qua Node khi chỉ có đúng một Node có khả năng được kết nối). Ví dụ: “Khám phá các mô hình Ollama trên các Node của tôi, sau đó sử dụng mô hình đã tải nhanh nhất để tóm tắt văn bản này.”

Quá trình khám phá đọc /api/tags, kiểm tra các khả năng của /api/show và sử dụng /api/ps khi có thể để ưu tiên xếp hạng các mô hình đã tải. Quá trình này chỉ trả về các mô hình cục bộ mà Ollama báo cáo là có khả năng trò chuyện (khả năng completion) — các hàng Ollama Cloud và mô hình chỉ dành cho embedding bị loại trừ. Mỗi lần chạy đều tắt chế độ suy nghĩ của mô hình và mặc định giới hạn đầu ra ở 512 token (giới hạn cứng 8192), trừ khi lệnh gọi công cụ yêu cầu một maxTokens khác; một số mô hình (ví dụ GPT-OSS) không hỗ trợ tắt chế độ suy nghĩ và vẫn có thể tạo ra token suy luận.

Để Ollama tiếp tục chạy trên một Node mà không cung cấp cho các agent:

openclaw config set plugins.entries.ollama.config.nodeInference.enabled false

Khởi động lại Node (openclaw node restart, hoặc dừng/chạy lại openclaw node run đối với phiên chạy ở foreground). Node ngừng quảng bá ollama.models và ollama.chat; bản thân Ollama và nhà cung cấp Ollama của Gateway không bị ảnh hưởng. Đặt lại giá trị thành true và khởi động lại để bật lại; bề mặt lệnh đã thay đổi có thể cần phê duyệt lại openclaw nodes pending sau khi kết nối lại.

Xác minh trực tiếp các lệnh Node mà không cần lượt của agent:

openclaw nodes invoke \
  --node "Local inference" \
  --command ollama.models \
  --params '{}' \
  --invoke-timeout 90000 \
  --timeout 100000

openclaw nodes invoke \
  --node "Local inference" \
  --command ollama.chat \
  --params '{"model":"qwen3:0.6b","prompt":"Reply with exactly: pong","maxTokens":32,"timeoutMs":120000}' \
  --invoke-timeout 130000 \
  --timeout 140000

--invoke-timeout giới hạn thời gian Node được phép chạy lệnh; --timeout giới hạn toàn bộ lệnh gọi Gateway và phải lớn hơn.

Suy luận cục bộ trên Node luôn sử dụng endpoint loopback của chính Node đó — không tái sử dụng models.providers.ollama.baseUrl từ xa/đám mây đã cấu hình. Các lệnh Node mặc định khả dụng trên máy chủ Node macOS, Linux và Windows, đồng thời vẫn tuân theo chính sách ghép nối/lệnh Node thông thường.

​

Thị giác và mô tả hình ảnh

Plugin Ollama đi kèm đăng ký Ollama làm nhà cung cấp hiểu nội dung đa phương tiện có khả năng xử lý hình ảnh, nhờ đó OpenClaw có thể định tuyến các yêu cầu mô tả hình ảnh tường minh và các giá trị mặc định của mô hình hình ảnh đã cấu hình qua các mô hình thị giác Ollama cục bộ hoặc được lưu trữ.

ollama pull qwen2.5vl:7b
export OLLAMA_API_KEY="ollama-local"
openclaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --json

--model phải là tham chiếu <provider/model> đầy đủ; khi được đặt, infer image describe sẽ thử mô hình đó trước thay vì bỏ qua bước mô tả đối với các mô hình đã hỗ trợ thị giác gốc. Nếu lệnh gọi thất bại, OpenClaw có thể tiếp tục qua agents.defaults.imageModel.fallbacks; lỗi chuẩn bị tệp/URL sẽ khiến quy trình thất bại trước khi thử phương án dự phòng. Sử dụng infer image describe cho luồng hiểu hình ảnh của OpenClaw và imageModel đã cấu hình; sử dụng infer model run --file cho phép thử đa phương thức thô với prompt tùy chỉnh.

Để đặt Ollama làm nhà cung cấp hiểu hình ảnh mặc định cho nội dung đa phương tiện đến:

{
  agents: {
    defaults: {
      imageModel: {
        primary: "ollama/qwen2.5vl:7b",
      },
    },
  },
}

Ưu tiên tham chiếu ollama/<model> đầy đủ. Một tham chiếu imageModel trần như qwen2.5vl:7b chỉ được chuẩn hóa thành ollama/qwen2.5vl:7b khi đúng mô hình đó được liệt kê trong models.providers.ollama.models với input: ["text", "image"] và không có nhà cung cấp hình ảnh nào khác đã cấu hình cung cấp cùng ID trần; nếu không, hãy sử dụng tiền tố nhà cung cấp một cách tường minh.

Các mô hình thị giác cục bộ chậm có thể cần thời gian chờ hiểu hình ảnh dài hơn các mô hình đám mây và có thể gặp sự cố trên phần cứng hạn chế nếu Ollama cố phân bổ toàn bộ ngữ cảnh thị giác được mô hình quảng bá. Hãy đặt thời gian chờ khả năng và giới hạn num_ctx:

{
  models: {
    providers: {
      ollama: {
        models: [
          {
            id: "qwen2.5vl:7b",
            name: "qwen2.5vl:7b",
            input: ["text", "image"],
            params: { num_ctx: 2048, keep_alive: "1m" },
          },
        ],
      },
    },
  },
  tools: {
    media: {
      image: {
        timeoutSeconds: 180,
        models: [{ provider: "ollama", model: "qwen2.5vl:7b", timeoutSeconds: 300 }],
      },
    },
  },
}

Thời gian chờ này áp dụng cho việc hiểu hình ảnh đầu vào và công cụ image tường minh. models.providers.ollama.timeoutSeconds vẫn kiểm soát cơ chế bảo vệ yêu cầu HTTP Ollama nền tảng cho các lệnh gọi mô hình thông thường.

Xác minh trực tiếp:

OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OLLAMA_IMAGE=1 \
  pnpm test:live -- src/agents/tools/image-tool.ollama.live.test.ts

Nếu bạn định nghĩa models.providers.ollama.models theo cách thủ công, hãy đánh dấu tường minh các mô hình thị giác:

{
  id: "qwen2.5vl:7b",
  name: "qwen2.5vl:7b",
  input: ["text", "image"],
  contextWindow: 128000,
  maxTokens: 8192,
}

OpenClaw từ chối các yêu cầu mô tả hình ảnh đối với mô hình không được đánh dấu là có khả năng xử lý hình ảnh. Với khám phá ngầm định, thông tin này đến từ khả năng thị giác của /api/show.

​

Cấu hình

Cơ bản (khám phá ngầm định)

export OLLAMA_API_KEY="ollama-local"

Nếu OLLAMA_API_KEY đã được đặt, bạn có thể bỏ qua apiKey trong mục nhập nhà cung cấp; OpenClaw sẽ tự điền để kiểm tra tính khả dụng.

Tường minh (mô hình thủ công)

Sử dụng cấu hình tường minh cho thiết lập đám mây được lưu trữ, máy chủ/cổng không mặc định, ngữ cảnh bắt buộc hoặc danh sách mô hình hoàn toàn thủ công:

{
  models: {
    providers: {
      ollama: {
        baseUrl: "https://ollama.com",
        apiKey: "OLLAMA_API_KEY",
        api: "ollama",
        models: [
          {
            id: "kimi-k2.5:cloud",
            name: "kimi-k2.5:cloud",
            reasoning: false,
            input: ["text", "image"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192
          }
        ]
      }
    }
  }
}

URL cơ sở tùy chỉnh

Cấu hình tường minh sẽ tắt khám phá tự động, vì vậy phải liệt kê các mô hình:

{
  models: {
    providers: {
      ollama: {
        apiKey: "ollama-local",
        baseUrl: "http://ollama-host:11434", // Không có /v1 - URL API Ollama gốc
        api: "ollama", // Tường minh: đảm bảo hành vi gọi công cụ gốc
        timeoutSeconds: 300, // Tùy chọn: ngân sách kết nối/truyền luồng dài hơn cho các mô hình cục bộ chưa được tải
        models: [
          {
            id: "qwen3:32b",
            name: "qwen3:32b",
            params: {
              keep_alive: "15m", // Tùy chọn: giữ mô hình được tải giữa các lượt
            },
          },
        ],
      },
    },
  },
}

Không thêm /v1. Đường dẫn đó chọn chế độ tương thích OpenAI, trong đó việc gọi công cụ không đáng tin cậy.

​

Công thức thường dùng

Thay thế ID mô hình bằng tên chính xác từ ollama list hoặc openclaw models list --provider ollama.

Mô hình cục bộ với khám phá tự động

Ollama trên cùng máy với Gateway, được phát hiện tự động:

ollama serve
ollama pull gemma4
export OLLAMA_API_KEY="ollama-local"
openclaw models list --provider ollama
openclaw models set ollama/gemma4

Không thêm khối models.providers.ollama trừ khi bạn cần các mô hình thủ công.

Máy chủ Ollama trong LAN với các mô hình thủ công

{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://gpu-box.local:11434",
        apiKey: "ollama-local",
        api: "ollama",
        timeoutSeconds: 300,
        contextWindow: 32768,
        maxTokens: 8192,
        models: [
          {
            id: "qwen3.5:9b",
            name: "qwen3.5:9b",
            reasoning: true,
            input: ["text"],
            params: {
              num_ctx: 32768,
              thinking: false,
              keep_alive: "15m",
            },
          },
        ],
      },
    },
  },
  agents: {
    defaults: {
      model: { primary: "ollama/qwen3.5:9b" },
    },
  },
}

contextWindow là ngân sách ngữ cảnh của OpenClaw; params.num_ctx được gửi đến Ollama. Hãy giữ chúng đồng bộ khi phần cứng không thể chạy toàn bộ ngữ cảnh được mô hình quảng bá.

Chỉ Ollama Cloud

Không có daemon cục bộ, sử dụng trực tiếp các mô hình được lưu trữ:

export OLLAMA_API_KEY="your-ollama-api-key"

{
  models: {
    providers: {
      ollama: {
        baseUrl: "https://ollama.com",
        apiKey: "OLLAMA_API_KEY",
        api: "ollama",
        models: [
          {
            id: "kimi-k2.5:cloud",
            name: "kimi-k2.5:cloud",
            reasoning: false,
            input: ["text", "image"],
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
  agents: {
    defaults: {
      model: { primary: "ollama/kimi-k2.5:cloud" },
    },
  },
}

Để sử dụng id nhà cung cấp chuyên biệt ollama-cloud thay cho cấu trúc này, hãy xem Ollama Cloud.

Đám mây kết hợp cục bộ thông qua daemon đã đăng nhập

ollama signin
ollama pull gemma4

{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://127.0.0.1:11434",
        apiKey: "ollama-local",
        api: "ollama",
        timeoutSeconds: 300,
        models: [
          { id: "gemma4", name: "gemma4", input: ["text"] },
          { id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", input: ["text", "image"] },
        ],
      },
    },
  },
  agents: {
    defaults: {
      model: {
        primary: "ollama/gemma4",
        fallbacks: ["ollama/kimi-k2.5:cloud"],
      },
    },
  },
}

Nhiều máy chủ Ollama

Sử dụng các ID nhà cung cấp tùy chỉnh khi chạy nhiều máy chủ Ollama; mỗi máy chủ có host, mô hình, thông tin xác thực và thời gian chờ riêng.

{
  models: {
    providers: {
      "ollama-fast": {
        baseUrl: "http://mini.local:11434",
        apiKey: "ollama-local",
        api: "ollama",
        contextWindow: 32768,
        models: [{ id: "gemma4", name: "gemma4", input: ["text"] }],
      },
      "ollama-large": {
        baseUrl: "http://gpu-box.local:11434",
        apiKey: "ollama-local",
        api: "ollama",
        timeoutSeconds: 420,
        contextWindow: 131072,
        maxTokens: 16384,
        models: [{ id: "qwen3.5:27b", name: "qwen3.5:27b", input: ["text"] }],
      },
    },
  },
  agents: {
    defaults: {
      model: {
        primary: "ollama-fast/gemma4",
        fallbacks: ["ollama-large/qwen3.5:27b"],
      },
    },
  },
}

OpenClaw loại bỏ tiền tố nhà cung cấp đang hoạt động (nếu không có thì dùng tiền tố trần ollama/) trước khi gọi Ollama, vì vậy ollama-large/qwen3.5:27b đến Ollama dưới dạng qwen3.5:27b.

Hồ sơ mô hình cục bộ tinh gọn

Một số mô hình cục bộ xử lý tốt các prompt đơn giản nhưng gặp khó khăn với toàn bộ bề mặt công cụ của agent. Hãy giới hạn công cụ và ngữ cảnh trước khi thay đổi các cài đặt runtime toàn cục:

{
  agents: {
    list: [
      {
        id: "local",
        experimental: {
          localModelLean: true,
        },
        model: { primary: "ollama/gemma4" },
      },
    ],
  },
  models: {
    providers: {
      ollama: {
        baseUrl: "http://127.0.0.1:11434",
        apiKey: "ollama-local",
        api: "ollama",
        contextWindow: 32768,
        models: [
          {
            id: "gemma4",
            name: "gemma4",
            input: ["text"],
            params: { num_ctx: 32768 },
            compat: { supportsTools: false },
          },
        ],
      },
    },
  },
}

Chỉ sử dụng compat.supportsTools: false khi mô hình hoặc máy chủ thường xuyên gặp lỗi với schema công cụ — tùy chọn này đánh đổi khả năng của agent để lấy sự ổn định. localModelLean loại bỏ các công cụ nặng về trình duyệt, cron, tin nhắn, tạo nội dung đa phương tiện, giọng nói và PDF khỏi bề mặt trực tiếp của agent trừ khi được yêu cầu rõ ràng, đồng thời đặt các danh mục lớn hơn phía sau Tìm kiếm công cụ. Tùy chọn này không thay đổi ngữ cảnh runtime hoặc chế độ suy nghĩ của Ollama. Hãy kết hợp với params.num_ctx và params.thinking: false cho các mô hình suy nghĩ nhỏ kiểu Qwen thường lặp vô hạn hoặc tiêu tốn ngân sách vào quá trình suy luận ẩn.

​

Chọn mô hình

{
  agents: {
    defaults: {
      model: {
        primary: "ollama/gpt-oss:20b",
        fallbacks: ["ollama/llama3.3", "ollama/qwen2.5-coder:32b"],
      },
    },
  },
}

Các ID nhà cung cấp tùy chỉnh hoạt động theo cách tương tự: đối với một tham chiếu sử dụng tiền tố nhà cung cấp đang hoạt động, chẳng hạn như ollama-spark/qwen3:32b, OpenClaw loại bỏ tiền tố đó trước khi gọi Ollama và gửi qwen3:32b.

Đối với các mô hình cục bộ chậm, nên ưu tiên tinh chỉnh theo phạm vi nhà cung cấp trước khi tăng thời gian chờ của toàn bộ runtime agent:

{
  models: {
    providers: {
      ollama: {
        timeoutSeconds: 300,
        models: [
          {
            id: "gemma4:26b",
            name: "gemma4:26b",
            params: { keep_alive: "15m" },
          },
        ],
      },
    },
  },
}

timeoutSeconds bao quát yêu cầu HTTP của mô hình: thiết lập kết nối, header, truyền luồng nội dung và thao tác hủy guarded-fetch tổng thể. params.keep_alive được chuyển tiếp dưới dạng keep_alive cấp cao nhất trên các yêu cầu /api/chat gốc; hãy đặt theo từng mô hình khi thời gian tải ở lượt đầu tiên là điểm nghẽn.

​

Xác minh nhanh

# Daemon Ollama hiển thị với máy này
curl http://127.0.0.1:11434/api/tags

# Danh mục OpenClaw và mô hình đã chọn
openclaw models list --provider ollama
openclaw models status

# Kiểm tra nhanh mô hình trực tiếp
openclaw infer model run \
  --model ollama/gemma4 \
  --prompt "Chỉ trả lời chính xác: ok"

Đối với host từ xa, hãy thay 127.0.0.1 bằng host baseUrl. Nếu curl hoạt động nhưng OpenClaw thì không, hãy kiểm tra xem Gateway có chạy trên một máy, container hoặc tài khoản dịch vụ khác hay không.

​

Tìm kiếm web Ollama

OpenClaw tích hợp sẵn Tìm kiếm web Ollama dưới dạng nhà cung cấp web_search.

Thuộc tính	Chi tiết
Host	models.providers.ollama.baseUrl khi được đặt, nếu không thì http://127.0.0.1:11434; https://ollama.com sử dụng trực tiếp API được lưu trữ
Xác thực	Không cần khóa đối với host cục bộ đã đăng nhập; OLLAMA_API_KEY hoặc xác thực nhà cung cấp đã cấu hình cho tìm kiếm trực tiếp qua https://ollama.com hoặc các host được bảo vệ bằng xác thực
Yêu cầu	Các host cục bộ/tự lưu trữ phải đang chạy và được đăng nhập bằng ollama signin; tìm kiếm trực tiếp được lưu trữ cần baseUrl: "https://ollama.com" cùng một khóa API thực

Chọn tùy chọn này trong openclaw onboard hoặc openclaw configure --section web, hoặc đặt:

{
  tools: {
    web: {
      search: {
        provider: "ollama",
      },
    },
  },
}

Đối với tìm kiếm được lưu trữ trực tiếp thông qua Ollama Cloud:

{
  models: {
    providers: {
      ollama: {
        baseUrl: "https://ollama.com",
        apiKey: "OLLAMA_API_KEY",
        api: "ollama",
        models: [{ id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", input: ["text"] }],
      },
    },
  },
  tools: {
    web: {
      search: { provider: "ollama" },
    },
  },
}

Đối với host tự lưu trữ, OpenClaw trước tiên thử proxy /api/experimental/web_search cục bộ, sau đó chuyển sang đường dẫn /api/web_search được lưu trữ trên cùng host; một daemon cục bộ đã đăng nhập thường phản hồi thông qua proxy cục bộ. Các lệnh gọi trực tiếp https://ollama.com luôn sử dụng endpoint /api/web_search được lưu trữ.

Để biết đầy đủ về thiết lập và hành vi, hãy xem Tìm kiếm web Ollama.

​

Cấu hình nâng cao

Chế độ tương thích OpenAI cũ

Việc gọi công cụ không đáng tin cậy trong chế độ này. Chỉ sử dụng khi proxy cần định dạng OpenAI và bạn không phụ thuộc vào cơ chế gọi công cụ gốc.

Đặt api: "openai-completions" một cách rõ ràng cho proxy phía sau /v1/chat/completions:

{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434/v1",
        api: "openai-completions",
        injectNumCtxForOpenAICompat: true, // mặc định: true
        apiKey: "ollama-local",
        models: [...]
      }
    }
  }
}

Chế độ này có thể không hỗ trợ đồng thời truyền luồng và gọi công cụ; bạn có thể cần params: { streaming: false } trên mô hình.

OpenClaw mặc định chèn options.num_ctx trong chế độ này để Ollama không âm thầm quay về ngữ cảnh 4096 token. Nếu proxy từ chối các trường options không xác định, hãy tắt tùy chọn này:

{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434/v1",
        api: "openai-completions",
        injectNumCtxForOpenAICompat: false,
        apiKey: "ollama-local",
        models: [...]
      }
    }
  }
}

Cửa sổ ngữ cảnh

Đối với các mô hình được tự động phát hiện, OpenClaw sử dụng cửa sổ ngữ cảnh mà /api/show báo cáo, bao gồm các giá trị PARAMETER num_ctx lớn hơn từ Modelfile tùy chỉnh; nếu không, OpenClaw sẽ dùng cửa sổ ngữ cảnh Ollama mặc định của mình.

contextWindow, contextTokens và maxTokens ở cấp nhà cung cấp đặt giá trị mặc định cho mọi mô hình thuộc nhà cung cấp đó và có thể được ghi đè theo từng mô hình. contextWindow là ngân sách prompt/Compaction riêng của OpenClaw. Các yêu cầu /api/chat gốc để options.num_ctx ở trạng thái chưa đặt trừ khi bạn đặt params.num_ctx một cách rõ ràng, vì vậy Ollama áp dụng giá trị mặc định dựa trên mô hình, OLLAMA_CONTEXT_LENGTH hoặc VRAM của chính nó; các giá trị params.num_ctx không hợp lệ, bằng không, âm hoặc không hữu hạn sẽ bị bỏ qua. Nếu một cấu hình cũ chỉ sử dụng contextWindow/maxTokens để buộc ngữ cảnh yêu cầu gốc, hãy chạy openclaw doctor --fix để sao chép các giá trị đó vào params.num_ctx. Bộ chuyển đổi tương thích OpenAI vẫn mặc định chèn options.num_ctx từ params.num_ctx hoặc contextWindow đã cấu hình; hãy tắt bằng injectNumCtxForOpenAICompat: false nếu upstream từ chối options.

Các mục mô hình gốc cũng chấp nhận các tùy chọn runtime Ollama phổ biến trong params, được chuyển tiếp dưới dạng /api/chat options gốc: num_keep, seed, num_predict, top_k, top_p, min_p, typical_p, repeat_last_n, temperature, repeat_penalty, presence_penalty, frequency_penalty, stop, num_batch, num_gpu, main_gpu, use_mmap và num_thread. Một số khóa (format, keep_alive, truncate, shift) được chuyển tiếp dưới dạng các trường yêu cầu cấp cao nhất thay vì nằm trong options. OpenClaw chỉ chuyển tiếp các khóa yêu cầu Ollama này, vì vậy các tham số chỉ dành cho runtime như streaming không bao giờ được gửi đến Ollama. Sử dụng params.think (hoặc params.thinking) để đặt think cấp cao nhất; false tắt chế độ suy nghĩ ở cấp API cho các mô hình suy nghĩ kiểu Qwen.

{
  models: {
    providers: {
      ollama: {
        contextWindow: 32768,
        models: [
          {
            id: "llama3.3",
            contextWindow: 131072,
            maxTokens: 65536,
            params: {
              num_ctx: 32768,
              temperature: 0.7,
              top_p: 0.9,
              thinking: false,
            },
          }
        ]
      }
    }
  }
}

agents.defaults.models["ollama/<model>"].params.num_ctx theo từng mô hình cũng hoạt động; mục mô hình nhà cung cấp được chỉ định rõ sẽ được ưu tiên nếu cả hai đều được thiết lập.

Kiểm soát suy luận

OpenClaw chuyển tiếp chế độ suy luận theo cách Ollama mong đợi: think ở cấp cao nhất, không phải options.think. Các mô hình được tự động phát hiện mà /api/show báo cáo khả năng thinking sẽ cung cấp /think low, /think medium, /think high và /think max; các mô hình không suy luận chỉ cung cấp /think off.

openclaw agent --model ollama/gemma4 --thinking off
openclaw agent --model ollama/gemma4 --thinking low

Hoặc đặt giá trị mặc định cho mô hình:

{
  agents: {
    defaults: {
      models: {
        "ollama/gemma4": {
          thinking: "low",
        },
      },
    },
  },
}

params.think/params.thinking theo từng mô hình có thể tắt hoặc buộc suy luận qua API cho một mô hình cụ thể. OpenClaw giữ nguyên cấu hình tường minh đó khi lượt chạy đang hoạt động chỉ có giá trị mặc định ngầm định off; một lệnh thời gian chạy không phải off như /think medium vẫn ghi đè lên cấu hình này. Yêu cầu suy luận có giá trị đúng sẽ không bao giờ được gửi đến mô hình được đánh dấu rõ ràng là reasoning: false; yêu cầu think: false luôn được gửi bất kể cấu hình.

Mô hình suy luận

Các mô hình có tên deepseek-r1, reasoning, reason hoặc think được mặc định xem là có khả năng suy luận — không cần cấu hình thêm:

ollama pull deepseek-r1:32b

Chi phí mô hình

Ollama chạy cục bộ và miễn phí, vì vậy mọi chi phí mô hình đều là 0 đối với cả mô hình được tự động phát hiện và mô hình được định nghĩa thủ công.

Embedding bộ nhớ

Plugin Ollama đi kèm đăng ký một nhà cung cấp embedding bộ nhớ cho tìm kiếm bộ nhớ. Plugin sử dụng URL cơ sở và khóa API Ollama đã cấu hình, gọi /api/embed và gộp nhiều đoạn bộ nhớ vào một yêu cầu input khi có thể.

Khi proxy.enabled=true, các yêu cầu embedding đến chính xác nguồn loopback cục bộ trên máy được suy ra từ baseUrl đã cấu hình sẽ sử dụng đường dẫn trực tiếp được bảo vệ của OpenClaw thay vì proxy chuyển tiếp được quản lý. Tên máy đã cấu hình phải là localhost hoặc một địa chỉ IP loopback dạng chữ — các tên DNS chỉ phân giải thành loopback vẫn sử dụng đường dẫn proxy được quản lý. Các máy chủ Ollama trên LAN, tailnet, mạng riêng và mạng công cộng luôn đi qua đường dẫn proxy được quản lý, đồng thời chuyển hướng đến máy chủ/cổng khác không kế thừa độ tin cậy. proxy.loopbackMode: "proxy" vẫn định tuyến lưu lượng loopback qua proxy; proxy.loopbackMode: "block" từ chối lưu lượng đó trước khi kết nối — xem Proxy được quản lý.

Thuộc tính	Giá trị
Mô hình mặc định	nomic-embed-text
Tự động tải xuống	Có, nếu chưa tồn tại cục bộ
Mức đồng thời nội tuyến mặc định	1 (các nhà cung cấp khác mặc định cao hơn; tăng bằng nonBatchConcurrency nếu máy chủ có thể xử lý)

Embedding tại thời điểm truy vấn sử dụng các tiền tố truy xuất cho những mô hình yêu cầu hoặc khuyến nghị chúng: nomic-embed-text, qwen3-embedding và mxbai-embed-large. Các lô tài liệu vẫn giữ nguyên dữ liệu thô, vì vậy các chỉ mục hiện có không cần di chuyển định dạng.

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama",
        remote: {
          // Mặc định cho Ollama. Tăng trên các máy chủ lớn hơn nếu việc lập lại chỉ mục quá chậm.
          nonBatchConcurrency: 1,
        },
      },
    },
  },
}

Đối với máy chủ embedding từ xa, hãy giới hạn phạm vi xác thực ở máy chủ đó:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama",
        model: "nomic-embed-text",
        remote: {
          baseUrl: "http://gpu-box.local:11434",
          apiKey: "ollama-local",
          nonBatchConcurrency: 2,
        },
      },
    },
  },
}

Cấu hình phát trực tuyến

Ollama mặc định sử dụng API gốc (/api/chat), hỗ trợ đồng thời phát trực tuyến và gọi công cụ — không cần cấu hình đặc biệt.

Đối với các yêu cầu gốc, chế độ kiểm soát suy luận được chuyển tiếp trực tiếp: /think off và openclaw agent --thinking off gửi think: false ở cấp cao nhất trừ khi params.think/params.thinking được cấu hình tường minh; /think low|medium|high gửi chuỗi mức độ tương ứng; /think max ánh xạ tới mức độ cao nhất của Ollama là think: "high".

Để sử dụng điểm cuối tương thích OpenAI, hãy xem “Chế độ tương thích OpenAI cũ” ở trên — phát trực tuyến và gọi công cụ có thể không hoạt động đồng thời tại đó.

​

Khắc phục sự cố

Vòng lặp sự cố WSL2 (khởi động lại liên tục)

Trên WSL2 với NVIDIA/CUDA, trình cài đặt Ollama Linux chính thức tạo một đơn vị systemd ollama.service với Restart=always. Nếu dịch vụ đó tự động khởi động và tải một mô hình sử dụng GPU trong lúc WSL2 khởi động, Ollama có thể giữ chặt bộ nhớ máy chủ khi tải; cơ chế thu hồi bộ nhớ của Hyper-V không phải lúc nào cũng có thể thu hồi các trang đó, vì vậy Windows có thể chấm dứt máy ảo WSL2, systemd khởi động lại Ollama và vòng lặp tiếp diễn.

Dấu hiệu: WSL2 liên tục khởi động lại/chấm dứt, mức sử dụng CPU cao trong app.slice hoặc ollama.service ngay sau khi WSL2 khởi động và SIGTERM từ systemd thay vì trình xử lý OOM của Linux.

OpenClaw ghi cảnh báo khởi động khi phát hiện WSL2, ollama.service được bật với Restart=always và có thể thấy các dấu hiệu CUDA.

Biện pháp giảm thiểu:

sudo systemctl disable ollama

Ở phía Windows, thêm nội dung này vào %USERPROFILE%\.wslconfig, sau đó chạy wsl --shutdown:

[experimental]
autoMemoryReclaim=disabled

Hoặc rút ngắn thời gian duy trì kết nối / chỉ khởi động Ollama thủ công khi cần:

export OLLAMA_KEEP_ALIVE=5m
ollama serve

Xem ollama/ollama#11317.

Không phát hiện Ollama

Xác nhận Ollama đang chạy, OLLAMA_API_KEY (hoặc một hồ sơ xác thực) đã được thiết lập, và models.providers.ollama không được định nghĩa rõ ràng:

ollama serve
curl http://localhost:11434/api/tags

Không có mô hình khả dụng

Tải mô hình về máy cục bộ hoặc định nghĩa rõ ràng mô hình đó trong models.providers.ollama:

ollama list  # Xem những gì đã được cài đặt
ollama pull gemma4
ollama pull gpt-oss:20b
ollama pull llama3.3     # Hoặc một mô hình khác

Kết nối bị từ chối

# Kiểm tra xem Ollama có đang chạy không
ps aux | grep ollama

# Hoặc khởi động lại Ollama
ollama serve

Máy chủ từ xa hoạt động với curl nhưng không hoạt động với OpenClaw

Xác minh từ cùng máy và môi trường chạy Gateway:

openclaw gateway status --deep
curl http://ollama-host:11434/api/tags

Các nguyên nhân thường gặp:

• baseUrl trỏ đến localhost, nhưng Gateway chạy trong Docker hoặc trên một máy chủ khác.
• URL sử dụng /v1, chọn hành vi tương thích với OpenAI thay vì Ollama gốc.
• Máy chủ từ xa cần thay đổi cấu hình tường lửa hoặc liên kết LAN.
• Mô hình nằm trên daemon của máy tính xách tay nhưng không có trên daemon từ xa.

Mô hình xuất JSON của công cụ dưới dạng văn bản

Thông thường, nhà cung cấp đang ở chế độ tương thích với OpenAI hoặc mô hình không thể xử lý lược đồ công cụ. Ưu tiên chế độ gốc:

{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434",
        api: "ollama",
      },
    },
  },
}

Nếu một mô hình cục bộ nhỏ vẫn không xử lý được lược đồ công cụ, hãy đặt compat.supportsTools: false trong mục nhập của mô hình đó rồi kiểm thử lại.

Kimi hoặc GLM trả về các ký hiệu bị lỗi

Các phản hồi Kimi/GLM được lưu trữ trên máy chủ chứa chuỗi ký hiệu dài, không mang tính ngôn ngữ được coi là một lệnh gọi nhà cung cấp thất bại thay vì một phản hồi thành công, nhờ đó cơ chế thử lại/chuyển đổi dự phòng/xử lý lỗi thông thường sẽ tiếp quản thay vì lưu văn bản bị hỏng vào phiên.

Nếu sự cố tái diễn, hãy ghi lại tên mô hình, tệp phiên hiện tại và liệu lần chạy có sử dụng Cloud + Local hay Cloud only hay không, sau đó thử một phiên mới và một mô hình dự phòng:

openclaw infer model run --model ollama/kimi-k2.5:cloud --prompt "Chỉ trả lời chính xác: ok" --json
openclaw models set ollama/gemma4

Mô hình cục bộ chưa được tải bị hết thời gian chờ

Các mô hình cục bộ lớn có thể cần nhiều thời gian cho lần tải đầu tiên. Giới hạn phạm vi thời gian chờ cho nhà cung cấp Ollama và tùy chọn duy trì mô hình ở trạng thái đã tải giữa các lượt:

{
  models: {
    providers: {
      ollama: {
        timeoutSeconds: 300,
        models: [
          {
            id: "gemma4:26b",
            name: "gemma4:26b",
            params: { keep_alive: "15m" },
          },
        ],
      },
    },
  },
}

Nếu bản thân máy chủ phản hồi kết nối chậm, timeoutSeconds cũng kéo dài thời gian chờ kết nối được bảo vệ cho nhà cung cấp này.

Mô hình có ngữ cảnh lớn quá chậm hoặc hết bộ nhớ

Nhiều mô hình công bố kích thước ngữ cảnh lớn hơn mức phần cứng có thể chạy ổn định. Ollama gốc sử dụng giá trị mặc định của môi trường chạy riêng trừ khi params.num_ctx được thiết lập. Giới hạn cả ngân sách của OpenClaw và ngữ cảnh yêu cầu của Ollama để có độ trễ token đầu tiên ổn định:

{
  models: {
    providers: {
      ollama: {
        contextWindow: 32768,
        maxTokens: 8192,
        models: [
          {
            id: "qwen3.5:9b",
            name: "qwen3.5:9b",
            params: { num_ctx: 32768, thinking: false },
          },
        ],
      },
    },
  },
}

Giảm contextWindow nếu OpenClaw gửi quá nhiều nội dung nhắc. Giảm params.num_ctx nếu ngữ cảnh môi trường chạy của Ollama quá lớn đối với máy. Giảm maxTokens nếu quá trình tạo nội dung kéo dài quá lâu.

Trợ giúp thêm: Khắc phục sự cố và Câu hỏi thường gặp.

​

Liên quan

Ollama Cloud

Thiết lập chỉ dành cho đám mây với nhà cung cấp ollama-cloud chuyên dụng.

Nhà cung cấp mô hình

Tổng quan về tất cả nhà cung cấp, tham chiếu mô hình và hành vi chuyển đổi dự phòng.

Lựa chọn mô hình

Cách chọn và cấu hình mô hình.

Tìm kiếm web bằng Ollama

Chi tiết đầy đủ về thiết lập và hành vi của tính năng tìm kiếm web do Ollama hỗ trợ.

Cấu hình

Tài liệu tham chiếu cấu hình đầy đủ.