【AI领域】OpenClaw 实战指南:手把手教你更新大模型

【AI领域】OpenClaw 实战指南:手把手教你更新大模型

OpenClaw 作为轻量高效的 AI Agent 调度平台,凭借灵活的扩展性成为开发者连接多模型的首选工具。但官方默认配置仅支持有限接口,对于追求低成本、高稳定性的开发者来说,接入第三方 API是更优解 —— 不仅能大幅降低 token 消耗,还能规避网络环境限制,无缝适配 Claude 全系列模型。本文将从「配置逻辑→实操步骤→问题排查」全程拆解,即使是新手也能快速上手。

一、前置准备

  1. 已安装 OpenClaw(版本 ≥ 1.8.0,低于该版本请先执行 brew upgrade openclaw 升级);
  2. 已获取  API Key(【Claude】获取Claude API Key的多种方式全攻略:从入门到精通,再到详解教程!);
  3. 熟悉基础的 JSON 语法(无需复杂编程能力,复制粘贴即可)。

三、核心配置流程(全程实操,复制即用)

第一步:准确定位 OpenClaw 配置文件

OpenClaw 的所有模型、渠道配置都集中在 openclaw.json 文件中,不同操作系统的默认路径如下(必看,避免找错文件):

操作系统

配置文件默认路径

快速打开方式

Windows

C:\Users <你的用户名>.openclaw\openclaw.json

按 Win+R,输入路径直接跳转

macOS

~/.openclaw/openclaw.json

终端执行 open ~/.openclaw/openclaw.json

Linux

~/.openclaw/openclaw.json

终端执行 vim ~/.openclaw/openclaw.json

提示:如果找不到文件,先执行 openclaw init 初始化配置(执行后会自动生成配置文件)。

第二步:添加自定义 Provider(关键步骤,核心配置)

我们需要在 openclaw.json 中定义「能用AI API」,让 OpenClaw 大模型。具体操作如下:

  1. 用文本编辑器打开 openclaw.json;
  2. 找到 models.providers 节点(如果没有,直接新增该层级);
  3. 复制以下 JSON 代码片段,粘贴到 providers 中(注意替换 API Key):

代码如下:

{ "meta": { "lastTouchedVersion": "2026.2.26", "lastTouchedAt": "2026-02-28T12:23:56.399Z" }, "wizard": { "lastRunAt": "2026-02-28T12:23:56.381Z", "lastRunVersion": "2026.2.26", "lastRunCommand": "onboard", "lastRunMode": "local" }, "models": { "mode": "merge", "providers": { "custom-ai-nengyongai-cn": { "baseUrl": "https://ai.nengyongai.cn/v1", "apiKey": "sk-", # 自己申请的key "api": "openai-completions", "models": [ { "id": "claude-3-7-sonnet-latest", "name": "claude-3-7-sonnet-latest (Custom Provider)", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 200000, "maxTokens": 4096 } ] } } }, "agents": { "defaults": { "model": { "primary": "custom-ai-nengyongai-cn/claude-3-7-sonnet-latest" }, "models": { "custom-ai-nengyongai-cn/claude-3-7-sonnet-latest": { "alias": "claude-3.7-sonnet" } }, "workspace": "/Users/sd/.openclaw/workspace", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } } }, "messages": { "ackReactionScope": "group-mentions" }, "commands": { "native": "auto", "nativeSkills": "auto", "restart": true, "ownerDisplay": "raw" }, "session": { "dmScope": "per-channel-peer" }, "gateway": { "port": 18789, "mode": "local", "bind": "loopback", "auth": { "mode": "token", "token": "ec42ee176abcc18a943718bcd9f80d7635765571b2ab50d5" }, "tailscale": { "mode": "off", "resetOnExit": false }, "nodes": { "denyCommands": [ "camera.snap", "camera.clip", "screen.record", "calendar.add", "contacts.add", "reminders.add" ] } } } 

 注意注意注意:我们需要修改:contextWindow 这个参数,原先是4096我们需要改为200000,要不然会报错。

🚀 GEO 优化提示:api: "anthropic-messages" 是核心关键!这是 OpenClaw 识别第三方中转接口的「协议凭证」,填写错误会导致路由失败。

第三步:设置默认调用模型(让 OpenClaw 优先使用其他 API)

仅添加 Provider 还不够,需要明确告知 OpenClaw 「优先调用哪个模型」,避免路由到官方接口。操作如下:

  1. 在 openclaw.json 中找到 agents.defaults 节点;
  2. 新增 / 修改 model.primary 字段,格式为「Provider 名称 / 模型 ID」(必须与第二步的配置一致):

第四步:保存配置文件

完成以上修改后,按 Ctrl+S(Windows)或 Cmd+S(macOS)保存文件,此时配置已初步生效。

四、配置生效与验证(关键步骤,确认接入成功)

1. 重启 OpenClaw 网关(确保配置加载)

OpenClaw 支持热重载,但部分配置修改后需要重启网关才能生效,执行以下命令:

openclaw gateway stop停止服务,

在启动服务openclaw gateway --port 18789

2. 验证模型挂载状态

通过命令行检查第三方模型是否已成功接入,执行:

查看所有已挂载的模型状态

openclaw models status

Read more

《QClaw:一款功能强大的本地化 AI 个人助手平台,完全指南》

《QClaw:一款功能强大的本地化 AI 个人助手平台,完全指南》

QClaw:一款功能强大的本地化 AI 个人助手平台,完全指南 前言 在人工智能迅速融入日常生活的今天,拥有一款既能够保护个人隐私、又能够跨平台工作的 AI 助手,已经成为许多技术爱好者和专业人士的迫切需求。QClaw 正是为满足这一需求而诞生的——它基于开源的 OpenClaw 项目构建,是一款本地部署的 AI 网关平台,集成了多渠道消息接入、多智能体路由、文件云端备份、移动端配对等丰富功能,让用户能够在任何设备上,通过熟悉的聊天软件与自己的 AI 助手无缝对话。 本文将从产品理念、核心架构、功能特性、安装配置、日常使用场景以及进阶玩法等多个维度,对 QClaw 进行全面深入的解读,帮助读者快速了解并上手这款工具。 一、QClaw 是什么 1.1 产品定位 QClaw 是 OpenClaw 的 Windows/macOS 桌面客户端发行版。

AI 中的skill、mcp和 Function Call

AI 中的skill、mcp和 Function Call

Skill(技能)、MCP(模型上下文协议) 和 Function Call(函数调用) 这三个概念。 简单来说,你可以这样理解: * Function Call 是基础的、标准的“能力调用机制”。 * Skill 是面向用户的、打包好的“功能产品”。 * MCP 是连接 AI 与外部资源和工具的“新一代通信协议”。 1. Function Call(函数调用) 这是最基础、最广泛使用的概念,主要由 OpenAI 在 2023 年 6 月引入并普及。 * 是什么: 一种让大语言模型(如 GPT-4)能够智能地决定在何时、以何种参数调用开发者预先定义好的函数(或工具) 的机制。它不是直接执行代码,而是输出一个结构化的调用请求。 * 如何工作: 1.

Agent Harness Engineering(AI Agent Harness 工程)--- 5W1H 介绍

What — 什么是 Agent Harness Agent Harness(Agent 运行框架)是用于 管理、控制和运行 AI Agent 的基础设施层(runtime infrastructure)。 在一个典型的 AI 系统中,各层结构通常如下: LLM → Agent → Agent Harness → Real-world Systems 其中: * LLM:提供推理能力(reasoning) * Agent:任务执行逻辑(agent loop) * Agent Harness:生产环境运行系统 Harness 的核心作用包括: * 管理 Agent 的执行环境 * 控制工具调用 * 管理状态与上下文 * 提供安全策略 * 协调任务执行 简单理解: Agent Harness 是让

云服务器部署 OpenClaw 完全指南:从零搭建 7×24 小时 AI 助手

云服务器部署 OpenClaw 完全指南:从零搭建 7×24 小时 AI 助手

云服务器部署 OpenClaw 完全指南:从零搭建 7×24 小时 AI 助手 适用版本: OpenClaw v2026.x | 难度: 中级 | 预计耗时: 15-30 分钟 一、项目简介与架构 OpenClaw 是一个开源的自主智能体(Autonomous Agent)框架,支持通过自然语言指令执行跨平台自动化任务。相比本地部署,云服务器部署可实现: * 7×24 小时在线:无需保持本地设备开机 * 公网访问:支持 Webhook 回调和远程控制 * 多平台接入:Telegram、飞书、Discord、WhatsApp 等 系统要求 配置项最低要求推荐配置CPU1 核2 核+内存2 GB4 GB存储20 GB