【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

FPGA纯verilog实现JESD204B协议,基于AD9208数据接收,提供工程源码和技术支持

FPGA纯verilog实现JESD204B协议,基于AD9208数据接收,提供工程源码和技术支持

目录 * 1、前言 * 什么是JESD204B协议? * 官方有Example,为何要用你这个? * 工程概述 * 免责声明 * 2、相关方案推荐 * 我已有的所有工程源码总目录----方便你快速找到自己喜欢的项目 * 我这里已有的 GT 高速接口解决方案 * 我这里已有的 JESD204 高速AD接口解决方案 * 3、工程详细设计方案 * 工程设计原理框图 * JESD204B 硬件设计架构 * 信号输入设备 * AD9208芯片解读 * 纯verilog实现的JESD204B 物理层方案 * 纯verilog实现的JESD204B 数据链路层方案 * 纯verilog实现的JESD204B 传输层方案 * PL端逻辑工程源码架构 * PS端软件工程源码架构 * 4、vivado工程源码1详解-->VU9P版本 * 5、工程移植说明 * vivado版本不一致处理 * FPGA型号不一致处理 * 其他注意事项 * 6、上板调试验证 * 准备工作

大疆无人机 Mavic3 Pro 百亿像素拍摄方案

大疆无人机 Mavic3 Pro 百亿像素拍摄方案

目录 1.      拍摄设备... 1 2.      飞行操作... 1 3.      全景拍摄... 2 4.      后期处理... 3 4.1拷贝数据... 3 4.2调色... 3 4.3导出照片... 5 4.4拼接照片... 5 4.5补天... 8 4.6添加蒙版... 9 4.7创建全景... 9 5.      拆分全景... 9 6.      发布全景... 10 1.拍摄设备 百亿像素全景拍摄使用大疆(Dji_Mavic3 Pro)御3pro无人机。 2.飞行操作 外挂操作:

Clawdbot+Qwen3-32B多场景落地:HR问答机器人、IT运维助手案例

Clawdbot+Qwen3-32B多场景落地:HR问答机器人、IT运维助手案例 1. 为什么需要一个“能真正干活”的AI助手? 你有没有遇到过这些情况: * HR同事每天重复回答“五险一金怎么交”“年假怎么算”“入职材料有哪些”,同一问题被问几十遍; * IT支持群消息刷屏:“打印机连不上”“VPN登不进去”“邮箱收不到邮件”,但没人能立刻响应; * 每次上线新系统,员工第一反应不是看手册,而是@IT或@HR发一串“这个怎么用?”——而回复往往要等半小时。 这些问题背后,不是人不够努力,而是信息分散、流程固化、响应链路过长。传统知识库查不到上下文,客服机器人答非所问,人工响应又跟不上节奏。 Clawdbot + Qwen3-32B 的组合,不是又一个“能聊天”的Demo,而是一套可嵌入真实工作流、能理解业务语境、会调用内部规则、还能持续反馈优化的轻量级智能助手方案。它不依赖公有云API,不上传敏感数据,所有推理在内网完成;它不追求“万能”,但专注把HR政策解读、

有图有真相 MATLAB实现基于ACO-DRL 蚁群算法(ACO)结合深度强化学习(DRL)进行无人机三维路径规划(代码已调试成功,可一键运行,每一行都有详细注释) 还请多多点一下关注 加油 谢谢 你

有图有真相 MATLAB实现基于ACO-DRL 蚁群算法(ACO)结合深度强化学习(DRL)进行无人机三维路径规划(代码已调试成功,可一键运行,每一行都有详细注释) 还请多多点一下关注 加油 谢谢 你

有图有真相 请注意所有代码结构内容都在这里了 这个只是有些汉字和字母做了替代 未替代内容可以详谈 请直接联系博主本人或者访问对应标题的完整文档下载页面 还请多多点一下关注 加油 谢谢 你的鼓励是我前行的动力 谢谢支持 加油 谢谢 有图有真相 代码已调试成功,可一键运行,每一行都有详细注释,运行结果详细见实际效果图 完整代码内容包括(模拟数据生成,数据处理,模型构建,模型训练,预测和评估) 含参数设置和停止窗口,可以自由设置参数,随时停止并保存,避免长时间循环。(轮次越她,预测越准确,输出评估图形也更加准确,但她时间也会增长,可以根据需求合理安排,具体详细情况可参考日志信息) 提供两份代码(运行结果一致,一份已加详细注释,一份为简洁代码) 目录 有图有真相 代码已调试成功,可一键运行,每一行都有详细注释,运行结果详细见实际效果图     1 完整代码内容包括(模拟数据生成,数据处理,模型构建,模型训练,预测和评估)