OpenClaw + Ollama：在 macOS 上部署本地大模型的完整实践指南
**摘要**：本文详细记录了在 MacBook Pro（M1 Pro / 32GB）上，通过 Ollama 部署本地大模型并接入 OpenClaw AI 平台的全过程。涵盖环境准备、Ollama 安装与模型拉取、OpenClaw 配置修改、模型性能基准测试，以及本地模型与 OpenClaw 的通信架构原理。
一、背景与目标
1.1 为什么要本地部署？
| 维度 | 云端 API | 本地部署 |
|----------------------|---------------------------------------------|-------------------------------|
| **隐私性** | ⚠️ 数据上传到云端 | ✅ 数据完全不出本机 |
| **网络依赖** | 需要稳定网络 + 可能需要代理 | 无需网络，离线可用 |
| **延迟** | 100-500ms 网络延迟 | ~0ms 网络延迟 |
| **成本** | 按 token 计费 | 一次下载，永久免费推理 |
| **模型规模** | 无限制 | 受限于本地硬件 |
1.2 硬件环境
| 项目 | 配置 |
|------------|---------------------------------------------------------|
| **设备** | MacBook Pro (2021) |
| **芯片** | Apple M1 Pro（10核 CPU + 16核 GPU） |
| **内存** | 32GB 统一内存（CPU/GPU 共享） |
| **存储** | 1TB SSD |
| **系统** | macOS Sonoma 14.5 |
1.3 软件环境
| 组件 | 版本 |
|--------------------|-----------------|
| **OpenClaw** | v2026.2.15 |
| **Ollama** | v0.16.1 |
| **Node.js** | v22.x |
| **pnpm** | v10.x |
二、Ollama 安装与模型准备
2.1 安装 Ollama
推荐使用 Homebrew 安装，便于后续升级管理：
```bash # 安装 Homebrew（如果尚未安装） /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" # 通过 Homebrew 安装 Ollama brew install --cask ollama # 验证安装 ollama --version # 输出: ollama version is 0.16.1> **提示**：国内网络环境下，可使用清华/中科大镜像安装 Homebrew：
> ```bash > /bin/bash -c "$(curl -fsSL https://mirrors.ustc.edu.cn/misc/brew-install.sh)" > ```2.2 拉取模型
根据硬件条件（32GB 统一内存），选择以下两个模型：
```bash # 模型 1：gpt-oss:20b（13GB，支持推理链） ollama pull gpt-oss:20b # 模型 2：qwen3-coder（18GB，擅长编程和中文） ollama pull qwen3-coder ```2.3 验证模型可用性
```bash # 查看已下载的模型 ollama list # 输出： # NAME ID SIZE MODIFIED # gpt-oss:20b xxxxxxxxxxxx 13 GB 2 hours ago # qwen3-coder:latest xxxxxxxxxxxx 18 GB 2 hours ago # 快速测试 ollama run gpt-oss:20b "Say hello" ```### 2.4 验证 API 端点
Ollama 启动后会在 `127.0.0.1:11434` 提供服务，同时暴露 OpenAI 兼容 API：
# 测试 Ollama API curl http://127.0.0.1:11434/api/tags | python3 -m json.tool # 测试 OpenAI 兼容端点 curl http://127.0.0.1:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-oss:20b", "messages": [{"role":"user","content":"Hello"}], "stream": false, "max_tokens": 50 }'三、OpenClaw 配置修改
将本地 Ollama 模型接入 OpenClaw，总共需要修改 **2 个文件、4 处配置**。
3.1 配置文件总览
``` ~/.openclaw/ ├── openclaw.json ← 主配置文件（改 3 处） │ ├── auth.profiles["ollama:default"] ← ① 认证声明 │ ├── models.providers.ollama ← ② 模型提供商定义 │ └── agents.defaults.model ← ③ 默认模型 + 回退链 │ └── agents/main/agent/ └── auth-profiles.json ← 密钥文件（改 1 处） └── profiles["ollama:default"] ← ④ 认证凭据 ```3.2 修改主配置文件 `~/.openclaw/openclaw.json`
① 新增认证 Profile
在 `auth.profiles` 中添加 Ollama 的认证声明：
```json { "auth": { "profiles": { "zai:default": { "provider": "zai", "mode": "api_key" }, "ollama:default": { "provider": "ollama", "mode": "api_key" } } } } ```② 新增模型提供商
在 `models.providers` 中添加 Ollama 提供商及模型定义：
```json { "models": { "mode": "merge", "providers": { "ollama": { "baseUrl": "http://127.0.0.1:11434/v1", "api": "openai-completions", "models": [ { "id": "gpt-oss:20b", "name": "GPT-OSS 20B (Local)", "reasoning": true, "input": ["text"], "contextWindow": 131072, "maxTokens": 8192 }, { "id": "qwen3-coder", "name": "Qwen3 Coder (Local)", "reasoning": false, "input": ["text"], "contextWindow": 131072, "maxTokens": 8192 } **关键字段说明**：
| 字段 | 值 | 说明 |
|------------------------|------------------------------------|---------------------------------------------------|
| `baseUrl` | `http://127.0.0.1:11434/v1` | Ollama 的 OpenAI 兼容 API 端点 |
| `api` | `openai-completions` | 使用 OpenAI Chat Completions 协议 |
| `reasoning` | `true` / `false` | 模型是否支持推理链（thinking） |
| `contextWindow` | `131072` | 最大上下文窗口（tokens） |
| `maxTokens` | `8192` | 单次生成最大 token 数 |
③ 设置默认模型与回退策略
在 `agents.defaults` 中配置模型优先级：
```json { "agents": { "defaults": { "model": { "primary": "ollama/gpt-oss:20b", "fallbacks": ["ollama/qwen3-coder", "zai/glm-4.5-air"] }, "models": { "ollama/gpt-oss:20b": { "alias": "GPT-OSS 20B (Local)" }, "ollama/qwen3-coder": { "alias": "Qwen3 Coder (Local)" }, "zai/glm-4.5-air": {} } } } }模型回退链**：
gpt-oss:20b (本地) → qwen3-coder (本地) → glm-4.5-air (云端智谱) 主模型 第一备用 第二备用（兜底）3.3 修改密钥文件 `~/.openclaw/agents/main/agent/auth-profiles.json`
④ 新增 Ollama 认证条目
```json { "version": 1, "profiles": { "ollama:default": { "type": "api_key", "provider": "ollama", "key": "ollama" } } } ```**说明**：Ollama 本地运行无需真实 API Key，但 OpenClaw 框架要求每个 provider 都有认证条目，此处 `key` 填写任意非空字符串即可。
3.4 重启 Gateway 使配置生效
```bash # 停止现有 Gateway openclaw gateway stop # 清除旧的会话记录（避免 Context overflow） echo '{}' > ~/.openclaw/agents/main/sessions/sessions.json # 重新启动 Gateway openclaw gateway # 验证健康状态 openclaw health ```> ⚠️ 重要提示**：如果环境中设置了 `http_proxy` / `https_proxy`，在启动 Gateway 前需要清除，否则对本地 Ollama 的请求会被转发到代理导致失败：
> ```bash > unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY > openclaw gateway > ```四、模型性能基准测试
4.1 模型基本信息
4.2 速度测试
4.3 综合对比结论
五、通信架构原理
5.1 整体架构
5.2 通信协议与端口
5.3 请求处理全流程
5.4 Apple Silicon 硬件加速原理
5.5 模型回退（Failover）机制
这种三级回退策略确保了：
**优先本地**：省成本、低延迟、保隐私 - **本地备用**：主模型不可用时切换到另一个本地模型 - **云端兜底**：本地全部不可用时，仍可通过云端 API 提供服务5.6 本地模型 vs 云端模型的数据路径对比
六、常见问题与排障
6.1 Gateway 启动报 "gateway already running"
```bash # 先停止旧进程 openclaw gateway stop # 如果仍然报错，强制 kill kill $(lsof -ti :18789) # 重新启动 openclaw gateway ```6.2 "Context overflow: prompt too large for the model"
会话历史过多导致上下文溢出，清除会话记录：
```bash echo '{}' > ~/.openclaw/agents/main/sessions/sessions.json openclaw gateway stop && openclaw gateway ```6.3 "Failed to discover Ollama models: fetch failed"
通常是因为设置了 `http_proxy` 环境变量，导致对本地 Ollama 的请求被转发到代理：
```bash # 启动 Gateway 前清除代理 unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY openclaw gateway ```6.4 Ollama 版本不匹配（client/server version mismatch）
```bash # 检查版本 ollama --version # 如果提示 server/client 版本不一致，重启 Ollama 服务 pkill -f "ollama serve" # 等待 Ollama 自动重启（macOS LaunchAgent 会自动拉起），或手动启动： ollama serve & ```6.5 如何查看当前 Ollama 运行状态
```bash # 查看正在运行的模型 ollama ps # 查看所有已下载模型 ollama list # 测试 API 连通性 curl -s http://127.0.0.1:11434/api/tags | python3 -m json.tool ```七、关键技术点总结
![[特殊字符]颠覆MCP！Open WebUI新技术mcpo横空出世！支持ollama！轻松支持各种MCP Server！Cline+Claude3.7轻松开发论文检索MCP Server！](https://qiniu.meowparty.cn/coder.2023/2026-03-16/cover_1773625269947_f510eca35cdf4772ab987ff1e7151aa7.png)