openclaw 支持Azure OpenAI 密钥和 endpoint https://xxx.openai.azure.com

Ne0inhk

— 5 min read

OpenClaw 支持这种格式的 Azure OpenAI 密钥和 endpoint（如 https://xxx.openai.azure.com/），但不是原生直接支持，而是通过一些配置或代理方式实现兼容。当前（2026年3月）社区主流结论如下：

当前官方支持情况

  • OpenClaw 的官方模型提供者（providers）主要包括：OpenAI、Anthropic、Google、Groq、DeepSeek 等标准 OpenAI 兼容 API。
  • Azure OpenAI（包括你这种 https://xxx.openai.azure.com/ 格式的 endpoint）没有内置的 “azure” 或 “azure-openai” provider。GitHub 上有多个 feature request issue（如 #6056、#2280）在讨论添加原生支持，但截至 2026 年 3 月，还没完全落地（部分用户报告在最新版本中通过 hack 能用，但不稳定）。

实际能用的几种方式（社区验证有效）

  1. 最推荐：用 LiteLLM 做代理（丝滑、无需改 OpenClaw 源码）
    • LiteLLM 是 OpenAI 兼容的万能代理，支持 Azure OpenAI 一键桥接。
    • 步骤简要：
      • 安装 LiteLLM（pip install litellm）
      • 启动代理：litellm --config litellm_config.yaml
    • 这样 OpenClaw 以为自己在用普通 OpenAI，但实际走你的 Azure endpoint。大量中文教程和 Medium 文章都用这个，成功率很高。
  2. 直接 hack base_url（部分版本可行，无需代理）
    • 如果你的 OpenClaw 版本支持自定义 baseUrl + OpenAI provider：
      • 把 provider 设置为 “openai”
      • baseUrl 改成：https://xxx.openai.azure.com/openai/v1 （注意加 /openai/v1，这是 Azure 的 v1 兼容路径）
      • apiKey 填你的 Azure OpenAI key
      • deployment 名通常需要在 model 名里指定，如 model: “gpt-4o” 但实际走你的 deployment。
    • 社区有人在 issue 里说加 /openai/v1 后直接能用（尤其是 Foundry 模型），但稳定性因版本而异——如果报 404 或格式错误，就切回 LiteLLM。
  3. 其他变通
    • 用环境变量注入：部分教程提到在 .env 加 AZURE_OPENAI_ENDPOINT、AZURE_OPENAI_API_KEY 等，然后 onboard 时选 Azure（但这更适用于某些 fork 或特定部署脚本）。
    • 如果你是企业用户或有 MSDN 订阅，Azure 社区有专门的 OpenClaw + Azure 部署指南，基本都绕不过 LiteLLM 或自定义 endpoint。

在 OpenClaw 的 config（~/.openclaw/openclaw.json 或 UI 设置）把模型 provider 指向 LiteLLM 的本地地址：

"models": { "providers": { "openai": { // 或自定义 provider 名 "baseUrl": "http://localhost:4000/v1", "apiKey": "sk-xxx" // LiteLLM 可设虚拟 key 或留空 } } }

配置 litellm_config.yaml 或环境变量：

model_list: - model_name: gpt-4o litellm_params: model: azure/gpt-4o api_base: https://xxx.openai.azure.com/ api_key: your-azure-openai-key api_version: 2024-02-15-preview # 或最新版，根据你的部署 deployment_name: gpt-4o-deployment # 你的实际 deployment 名

是的，以下是使用 LiteLLM 作为代理来桥接你的 Azure OpenAI endpoint（https://xxx.openai.azure.com/）的完整配置示例。LiteLLM 的配置文件是 YAML 格式，不是 Python 代码，但你可以用 Python 方式启动代理（通过命令行或脚本）。

步骤 1: 安装 LiteLLM

pip install litellm # 如果想支持代理服务器完整功能，建议再装这些（可选但推荐） pip install'litellm[proxy]'

步骤 2: 创建配置文件 litellm_config.yaml

在当前目录下新建文件 litellm_config.yaml，内容如下（已针对你的 endpoint 调整）：

model_list:-model_name: gpt-4o # 你在 OpenClaw 里想用的模型别名（可以随便取，OpenClaw 配置时就用这个名字）litellm_params:model: azure/gpt-4o-deployment # 格式必须是 azure/ + 你在 Azure 门户创建的实际 Deployment 名称api_base: https://xxx.openai.azure.com/ # 你的 endpoint（注意结尾不加 /openai/deployments/...）api_key:"your-azure-openai-api-key-here"# 从 Azure 门户 "Keys and Endpoint" 复制的 KEYapi_version:"2024-10-21"# 推荐使用较新的版本，根据你的部署支持情况可改成 "2024-02-15-preview" 或 "2025-04-01-preview" 等# 可选：如果需要额外参数# temperature: 0.7# max_tokens: 4096-model_name: gpt-4o-mini # 可以加多个模型/Deploymentlitellm_params:model: azure/gpt-4o-mini-deployment api_base: https://xxx.openai.azure.com/ api_key:"your-azure-openai-api-key-here"api_version:"2024-10-21"# 可选：全局设置（如果多个模型共用 api_key / api_version，可以提到外面）general_settings:master_key: sk-1234567890abcdef # 强烈推荐设置一个 master key，OpenClaw 连接时用这个作为 apiKey# 可选：如果想用环境变量（更安全，不把 key 写死在 yaml 里）# litellm_params:# api_key: os.environ/AZURE_OPENAI_KEY

关键替换点：

  • 把 gpt-4o-deployment 改成你在 Azure AI Studio / Azure OpenAI 里实际创建的 Deployment Name（不是模型名，是你自己命名的 deployment，例如 “my-gpt4o-2025”）。
  • 把 your-azure-openai-api-key-here 替换成真实的 API Key。
  • api_version：去 Azure 门户看你的部署支持的版本，或者用最新稳定版（2026 年常用 2024-10-21 或更高）。

步骤 3: 启动 LiteLLM 代理（两种方式）

方式 A：直接命令行启动（最简单）
litellm --config litellm_config.yaml --port4000# 或加 --detailed_debug 看详细日志 litellm --config litellm_config.yaml --detailed_debug

启动后，它会在 http://0.0.0.0:4000 （或 http://localhost:4000）运行。

方式 B：用 Python 脚本启动（更灵活，可放进代码里自动化）

新建一个文件 start_litellm_proxy.py：

# start_litellm_proxy.pyimport litellm from litellm.proxy import proxy_server # 加载配置文件（相对路径或绝对路径） config_path ="litellm_config.yaml"# 启动 proxy 服务器 proxy_server.run_server( config=config_path, port=4000,# 可改端口# host="0.0.0.0", # 默认就是 0.0.0.0# detailed_debug=True, # 调试日志)# 如果想在代码里直接运行（不推荐生产环境）# litellm.proxy.proxy_cli.run() # 但通常用上面方式

然后执行：

python start_litellm_proxy.py

步骤 4: 在 OpenClaw 中配置使用这个代理

在 OpenClaw 的配置文件（~/.openclaw/openclaw.json 或 UI 设置）中，把模型 provider 指向 LiteLLM：

{"models":{"providers":{"openai":{"baseUrl":"http://localhost:4000/v1",// 注意 /v1 结尾"apiKey":"sk-1234567890abcdef"// 如果你设了 master_key，就用它；没设可以留空或用任意值}}}}
  • 模型名用你在 yaml 里定义的 model_name，如 “gpt-4o” 或 “gpt-4o-mini”。
  • 测试：让 OpenClaw 跑一个简单任务，看是否能正常调用你的 Azure 模型。

Read more

马年“码”上发力：用Manacher“马拉车”算法，拉平最长回文难题

马年“码”上发力：用Manacher“马拉车”算法，拉平最长回文难题

💗博主介绍：计算机专业的一枚大学生 来自重庆 @燃于AC之乐✌专注于C++技术栈，算法，竞赛领域，技术学习和项目实战✌ 💗根据博主的学习进度更新（可能不及时） 💗后续更新主要内容：C语言，数据结构，C++、linux（系统编程和网络编程）、MySQL、Redis、QT、Python、Git、爬虫、数据可视化、小程序、AI大模型接入，C++实战项目与学习分享。 👇🏻 精彩专栏 推荐订阅👇🏻 点击进入🌌作者专栏🌌： 算法画解 ✅ C++ ✅ 🌟算法相关题目点击即可进入实操🌟 感兴趣的可以先收藏起来，请多多支持，还有大家有相关问题都可以给我留言咨询，希望希望共同交流心得，一起进步，你我陪伴，学习路上不孤单！ 文章目录 * 前言 * Manacher（马拉车）算法 * 问题： * 1.相关概念引入

By Ne0inhk
【算法】【动态规划】斐波那契数模型

【算法】【动态规划】斐波那契数模型

目录 * 一、动态规划解题模版 * 二、第N个泰波那契数 * 三、⾯试题 08.01. 三步问题 * 四、746. 使⽤最⼩花费爬楼梯（easy） * 五、91.解码⽅法 一、动态规划解题模版 1. 状态表示：我们一般创建一个一维数组dp，把dp表填满，其中的某一个值就是结果。而状态表示就是指这个dp表中元素的含义； 1.1. 来源：题目要求，经验+题目要求 ，分析问题的过程中的重复子问题 2. 状态转移方程：dp[ i ] = ? 3. 初始化：保证根据状态转移方程填表时不越界 4. 填表顺序：为了填写当前状态的时候，所需要的状态已经计算过了 5. 返回值：题目要求 + 状态表示

By Ne0inhk
实现Python将csv数据导入到Neo4j

实现Python将csv数据导入到Neo4j

目录 一、获取数据集 1.1 获取数据集 1.2 以“记事本”方式打开文件 1.3  另存为“UTF-8”格式文件 1.4 选择“是” 二、 打开Neo4j并运行 2.1 创建新的Neo4j数据库 2.2 分别设置数据库名和密码 编辑 2.3 启动Neo4j数据库 2.4 打开Neo4j数据库  2.5 运行查看该数据库是否为空 三、打开Python创建项目  3.1 创建一个包，存项目 3.2 创建一个项目 3.3 检查自己的依赖是否完全

By Ne0inhk
【算法通关指南：算法基础篇】二分答案专题：1.木材加工 2.砍树

【算法通关指南：算法基础篇】二分答案专题：1.木材加工 2.砍树

🔥小龙报：个人主页 🎬作者简介：C++研发，嵌入式，机器人方向学习者 ❄️个人专栏：《算法通关指南 》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、二分答案 * 二、二分答案经典算题 * 2.1 木材加工 * 2.1.1题目 * 2.1.2 算法原理 * 2.1.3 代码 * 2.2 砍树 * 2.2.1 题目 * 2.2.2 算法原理 * 2.2.3 代码 * 总结与每日励志 前言 二分答案是算法竞赛与笔试中极具技巧性的高分解法，核心思路是将复杂求解转化为简洁的二分+判定，

By Ne0inhk