Chuyển đến nội dung chính
OpenClaw tích hợp với API gốc của Ollama (/api/chat) cho các mô hình đám mây được lưu trữ và máy chủ Ollama cục bộ/tự lưu trữ. Bạn có thể dùng Ollama theo ba chế độ: Cloud + Local thông qua một máy chủ Ollama có thể truy cập, Cloud only với https://ollama.com, hoặc Local only với một máy chủ Ollama có thể truy cập. OpenClaw cũng đăng ký ollama-cloud làm id nhà cung cấp được lưu trữ hạng nhất cho việc sử dụng trực tiếp Ollama Cloud. Dùng các ref như ollama-cloud/kimi-k2.5:cloud khi bạn muốn định tuyến chỉ đám mây mà không dùng chung id nhà cung cấp ollama cục bộ. Để xem trang thiết lập riêng cho chế độ chỉ đám mây, hãy xem Ollama Cloud.
Người dùng Ollama từ xa: Không dùng URL tương thích OpenAI /v1 (http://host:11434/v1) với OpenClaw. Điều này làm hỏng việc gọi công cụ và mô hình có thể xuất JSON công cụ thô dưới dạng văn bản thường. Thay vào đó, hãy dùng URL API gốc của Ollama: baseUrl: "http://host:11434" (không có /v1).
Cấu hình nhà cung cấp Ollama dùng baseUrl làm khóa chuẩn. OpenClaw cũng chấp nhận baseURL để tương thích với các ví dụ kiểu OpenAI SDK, nhưng cấu hình mới nên ưu tiên baseUrl.

​
Quy tắc xác thực

Máy chủ Ollama cục bộ và LAN không cần token bearer thật. OpenClaw chỉ dùng dấu hiệu cục bộ ollama-local cho các URL cơ sở Ollama dạng loopback, mạng riêng, .local, và tên máy chủ trần.
Máy chủ công khai từ xa và Ollama Cloud (https://ollama.com) yêu cầu thông tin xác thực thật thông qua OLLAMA_API_KEY, hồ sơ xác thực, hoặc apiKey của nhà cung cấp. Để dùng trực tiếp dịch vụ được lưu trữ, hãy ưu tiên nhà cung cấp ollama-cloud.
Các id nhà cung cấp tùy chỉnh đặt api: "ollama" tuân theo cùng quy tắc. Ví dụ, một nhà cung cấp ollama-remote trỏ đến máy chủ Ollama LAN riêng có thể dùng apiKey: "ollama-local" và các tác nhân phụ sẽ phân giải dấu hiệu đó qua hook nhà cung cấp Ollama thay vì coi nó là thông tin xác thực bị thiếu. Tìm kiếm bộ nhớ cũng có thể đặt agents.defaults.memorySearch.provider thành id nhà cung cấp tùy chỉnh đó để embedding dùng endpoint Ollama tương ứng.
auth-profiles.json lưu thông tin xác thực cho một id nhà cung cấp. Đặt thiết lập endpoint (baseUrl, api, id mô hình, header, timeout) trong models.providers.<id>. Các tệp hồ sơ xác thực phẳng cũ hơn như { "ollama-windows": { "apiKey": "ollama-local" } } không phải là định dạng runtime; chạy openclaw doctor --fix để ghi lại chúng thành hồ sơ khóa API chuẩn ollama-windows:default kèm bản sao lưu. baseUrl trong tệp đó là nhiễu tương thích và nên được chuyển sang cấu hình nhà cung cấp.
Khi Ollama được dùng cho embedding bộ nhớ, xác thực bearer được giới hạn theo máy chủ nơi nó được khai báo:
  • Khóa ở cấp nhà cung cấp chỉ được gửi đến máy chủ Ollama 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 xem là quy ước Ollama Cloud, mặc định không gửi đến máy chủ cục bộ hoặc tự lưu trữ.

​
Bắt đầu

Chọn phương thức thiết lập và chế độ bạn muốn.
Phù hợp nhất cho: đường dẫn nhanh nhất để có một thiết lập Ollama đám mây hoặc cục bộ hoạt động.
1

Chạy hướng dẫn thiết lập

openclaw onboard
Chọn Ollama từ danh sách nhà cung cấp.
2

Chọn chế độ

  • Đám mây + Cục bộ — máy chủ Ollama cục bộ cộng với các mô hình đám mây được định tuyến qua máy chủ đó
  • Chỉ đám mây — các mô hình Ollama được lưu trữ qua https://ollama.com
  • Chỉ cục bộ — chỉ các mô hình cục bộ
3

Chọn mô hình

Cloud only nhắc nhập OLLAMA_API_KEY và đề xuất các mặc định đám mây được lưu trữ. Cloud + Local và Local only yêu cầu URL cơ sở Ollama, khám phá các mô hình có sẵn, và tự động pull mô hình cục bộ đã chọn nếu nó chưa có. Khi Ollama báo cáo một thẻ :latest đã cài đặt như gemma4:latest, phần thiết lập hiển thị mô hình đã cài đặt đó một lần thay vì hiển thị cả gemma4 và gemma4:latest hoặc pull lại alias trần. Cloud + Local cũng kiểm tra xem máy chủ Ollama đó đã đăng nhập để truy cập đám mây chưa.
4

Xác minh mô hình có sẵn

openclaw models list --provider ollama

​
Chế độ không tương tác

openclaw onboard --non-interactive \
  --auth-choice ollama \
  --accept-risk
Tùy chọn chỉ định URL cơ sở hoặc mô hình tùy chỉnh:
openclaw onboard --non-interactive \
  --auth-choice ollama \
  --custom-base-url "http://ollama-host:11434" \
  --custom-model-id "qwen3.5:27b" \
  --accept-risk

​
Mô hình đám mây

Cloud + Local dùng một máy chủ Ollama có thể truy cập làm điểm điều khiển cho cả mô hình cục bộ và đám mây. Đây là luồng kết hợp mà Ollama ưu tiên.Dùng Đám mây + Cục bộ trong quá trình thiết lập. OpenClaw nhắc nhập URL cơ sở Ollama, khám phá các mô hình cục bộ từ máy chủ đó, và kiểm tra xem máy chủ đã đăng nhập để truy cập đám mây bằng ollama signin chưa. Khi máy chủ đã đăng nhập, OpenClaw cũng đề xuất các mặc định đám mây được lưu trữ như kimi-k2.5:cloud, minimax-m2.7:cloud, và glm-5.1:cloud.Nếu máy chủ chưa đăng nhập, OpenClaw giữ thiết lập ở chế độ chỉ cục bộ cho đến khi bạn chạy ollama signin.

​
Khám phá mô hình (nhà cung cấp ngầm định)

Khi bạn đặt OLLAMA_API_KEY (hoặc hồ sơ xác thực) và không định nghĩa models.providers.ollama hoặc nhà cung cấp từ xa tùy chỉnh khác với api: "ollama", OpenClaw khám phá mô hình từ phiên bản Ollama cục bộ tại http://127.0.0.1:11434.
Hành viChi tiết
Truy vấn catalogTruy vấn /api/tags
Phát hiện năng lựcDùng các tra cứu /api/show theo nỗ lực tối đa để đọc contextWindow, các tham số Modelfile num_ctx mở rộng, và các năng lực bao gồm thị giác/công cụ
Mô hình thị giácCác mô hình có năng lực vision được /api/show báo cáo được đánh dấu là có khả năng xử lý ảnh (input: ["text", "image"]), nên OpenClaw tự động chèn ảnh vào prompt
Phát hiện suy luậnDùng năng lực /api/show khi có, bao gồm thinking; quay về heuristic theo tên mô hình (r1, reasoning, think) khi Ollama bỏ qua năng lực
Giới hạn tokenĐặt maxTokens thành mức trần max-token Ollama mặc định mà OpenClaw dùng
Chi phíĐặt mọi chi phí thành 0
Điều này tránh phải nhập mô hình thủ công trong khi vẫn giữ catalog khớp với phiên bản Ollama cục bộ. Bạn có thể dùng ref đầy đủ như ollama/<pulled-model>:latest trong infer model run cục bộ; OpenClaw phân giải mô hình đã cài đặt đó từ catalog trực tiếp của Ollama mà không cần mục models.json viết tay. Với các máy chủ Ollama đã đăng nhập, một số mô hình :cloud có thể dùng được qua /api/chat và /api/show trước khi chúng xuất hiện trong /api/tags. Khi bạn chọn rõ ràng một ref đầy đủ ollama/<model>:cloud, OpenClaw xác thực chính xác mô hình còn thiếu đó bằng /api/show và chỉ thêm nó vào catalog runtime nếu Ollama xác nhận siêu dữ liệu mô hình. Lỗi gõ sai vẫn thất bại dưới dạng mô hình không xác định thay vì được tự động tạo. 
# See what models are available
ollama list
openclaw models list
Để thực hiện smoke test sinh văn bản hẹp tránh toàn bộ bề mặt công cụ của tác nhân, hãy dùng infer model run cục bộ với ref mô hình Ollama đầy đủ: 
OLLAMA_API_KEY=ollama-local \
  openclaw infer model run \
    --local \
    --model ollama/llama3.2:latest \
    --prompt "Reply with exactly: pong" \
    --json
Đường dẫn đó vẫn dùng nhà cung cấp, xác thực, và transport Ollama gốc đã cấu hình của OpenClaw, nhưng nó không bắt đầu lượt chat-agent hoặc tải ngữ cảnh MCP/công cụ. Nếu đường dẫn này thành công trong khi phản hồi tác nhân bình thường thất bại, tiếp theo hãy khắc phục sự cố về prompt tác nhân/năng lực công cụ của mô hình. Để thực hiện smoke test mô hình thị giác hẹp trên cùng đường dẫn gọn, thêm một hoặc nhiều tệp ảnh vào infer model run. Điều này gửi prompt và ảnh trực tiếp đến mô hình thị giác Ollama đã chọn mà không tải công cụ chat, bộ nhớ, hoặc ngữ cảnh phiên trước đó: 
OLLAMA_API_KEY=ollama-local \
  openclaw infer model run \
    --local \
    --model ollama/qwen2.5vl:7b \
    --prompt "Describe this image in one sentence." \
    --file ./photo.jpg \
    --json
model run --file chấp nhận các tệp được phát hiện là image/*, bao gồm các đầu vào PNG, JPEG và WebP phổ biến. Các tệp không phải hình ảnh bị từ chối trước khi gọi Ollama. Để nhận dạng giọng nói, hãy dùng openclaw infer audio transcribe thay vào đó. Khi bạn chuyển một cuộc trò chuyện bằng /model ollama/<model>, OpenClaw xem đó là lựa chọn chính xác của người dùng. Nếu baseUrl Ollama đã cấu hình không truy cập được, phản hồi tiếp theo sẽ thất bại với lỗi nhà cung cấp thay vì âm thầm trả lời từ một mô hình dự phòng đã cấu hình khác. Các cron job cô lập thực hiện thêm một bước kiểm tra an toàn cục bộ trước khi bắt đầu lượt agent. Nếu mô hình được chọn phân giải thành nhà cung cấp Ollama cục bộ, mạng riêng, hoặc .local và không truy cập được /api/tags, OpenClaw ghi nhận lần chạy cron đó là skipped với ollama/<model> đã chọn trong văn bản lỗi. Bước kiểm tra trước endpoint được lưu cache trong 5 phút, nên nhiều cron job trỏ vào cùng một daemon Ollama đã dừng sẽ không cùng khởi chạy các yêu cầu mô hình thất bại. Xác minh trực tiếp đường dẫn văn bản cục bộ, đường dẫn luồng gốc, và embeddings với Ollama cục bộ bằng: 
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 các kiểm thử smoke bằng khóa API Ollama Cloud, trỏ kiểm thử trực tiếp tới https://ollama.com và chọn một mô hình hosted từ catalog hiện tại: 
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
Smoke trên cloud chạy văn bản, luồng gốc, và tìm kiếm web. Theo mặc định, nó bỏ qua embeddings cho https://ollama.com vì khóa API Ollama Cloud có thể không được phép dùng /api/embed. Đặt OPENCLAW_LIVE_OLLAMA_EMBEDDINGS=1 khi bạn chủ động muốn kiểm thử trực tiếp thất bại nếu khóa cloud đã cấu hình không thể dùng endpoint embed. Để thêm một mô hình mới, chỉ cần pull nó bằng Ollama: 
ollama pull mistral
Mô hình mới sẽ được tự động phát hiện và có sẵn để dùng.
Nếu bạn đặt models.providers.ollama một cách tường minh, hoặc cấu hình một nhà cung cấp từ xa tùy chỉnh như models.providers.ollama-cloud với api: "ollama", tự động phát hiện sẽ bị bỏ qua và bạn phải định nghĩa mô hình thủ công. Các nhà cung cấp tùy chỉnh loopback như http://127.0.0.2:11434 vẫn được xem là cục bộ. Xem phần cấu hình tường minh bên dưới.

​
Suy luận cục bộ trên Node

Agent có thể giao một tác vụ ngắn cho mô hình Ollama được cài trên một desktop hoặc node máy chủ đã ghép cặp. Prompt và phản hồi đi qua kết nối Gateway/node đã xác thực hiện có; yêu cầu mô hình chạy trên node được chọn thông qua endpoint Ollama loopback tiêu chuẩn của nó (http://127.0.0.1:11434).
1

Khởi động Ollama trên node

Pull ít nhất một mô hình chat và giữ Ollama đang chạy:
ollama pull qwen3:0.6b
ollama list
2

Kết nối host node

Trên cùng máy với Ollama, kết nối một host node với Gateway:
openclaw node run \
  --host <gateway-host> \
  --port 18789 \
  --display-name "Local inference"
Phê duyệt thiết bị mới và các lệnh node đã khai báo của nó trên host Gateway, rồi xác minh node:
openclaw devices list
openclaw devices approve <deviceRequestId>
openclaw nodes pending
openclaw nodes approve <nodeRequestId>
openclaw nodes status --connected
Cả lần kết nối đầu tiên và một bản nâng cấp thêm các lệnh Ollama đều có thể kích hoạt phê duyệt lệnh node. Nếu node kết nối mà không quảng bá ollama.models và ollama.chat, hãy kiểm tra lại openclaw nodes pending.
3

Yêu cầu agent dùng suy luận cục bộ

Plugin Ollama đi kèm cung cấp công cụ node_inference. Agent trước tiên dùng action: "discover", rồi action: "run" với node và mô hình được trả về. Nếu đúng một node đủ năng lực đang kết nối, run có thể bỏ qua node.Ví dụ: “Phát hiện các mô hình Ollama trên các node của tôi, rồi dùng mô hình đã tải nhanh nhất để tóm tắt văn bản này.”
Discovery đọc /api/tags, kiểm tra năng lực /api/show, và dùng /api/ps khi có để ưu tiên xếp hạng các mô hình đã được tải. Nó chỉ trả về các mô hình chat cục bộ có khả năng chat: các hàng Ollama Cloud và mô hình chỉ dành cho embedding bị loại trừ. Mỗi lần chạy yêu cầu Ollama tắt suy nghĩ của mô hình và giới hạn đầu ra ở 512 token trừ khi lời gọi công cụ yêu cầu một giá trị maxTokens khác. Một số mô hình, chẳng hạn GPT-OSS, không hỗ trợ tắt suy nghĩ và vẫn có thể dùng token suy luận. Để giữ Ollama chạy trên một node mà không cho agent sử dụng, đặt cấu hình sau trong cấu hình mà host node đó dùng: 
openclaw config set plugins.entries.ollama.config.nodeInference.enabled false
Nếu node dùng lệnh openclaw node run chạy foreground từ phần thiết lập ở trên, dừng tiến trình đó và chạy lại lệnh. Nếu nó dùng một dịch vụ node đã cài, chạy openclaw node restart. Node ngừng quảng bá ollama.models và ollama.chat; bản thân Ollama và nhà cung cấp Ollama của Gateway vẫn không đổi. Đặt giá trị thành true và khởi động lại node để quảng bá suy luận cục bộ lần nữa. Một bề mặt lệnh đã thay đổi có thể cần được phê duyệt qua openclaw nodes pending sau khi kết nối lại. Bạn có thể xác minh cùng các lệnh node mà không cần lượt 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
Suy luận cục bộ trên node chủ ý không tái sử dụng models.providers.ollama.baseUrl từ xa hoặc cloud. Khởi động Ollama trên endpoint loopback tiêu chuẩn của node. Các lệnh node có sẵn theo mặc định trên host node macOS, Linux, và Windows, đồng thời vẫn chịu chính sách ghép cặp node và lệnh thông thường.

​
Vision và mô tả hình ảnh

Plugin Ollama đi kèm đăng ký Ollama làm nhà cung cấp hiểu media có khả năng xử lý hình ảnh. Điều này cho phép OpenClaw định tuyến các yêu cầu mô tả hình ảnh tường minh và mặc định mô hình hình ảnh đã cấu hình qua các mô hình vision Ollama cục bộ hoặc hosted. Đối với vision cục bộ, pull một mô hình hỗ trợ hình ảnh: 
ollama pull qwen2.5vl:7b
export OLLAMA_API_KEY="ollama-local"
Sau đó xác minh bằng infer CLI: 
openclaw infer image describe \
  --file ./photo.jpg \
  --model ollama/qwen2.5vl:7b \
  --json
--model phải là một ref <provider/model> đầy đủ. Khi được đặt, openclaw infer image describe thử mô hình đó trước thay vì bỏ qua mô tả vì mô hình hỗ trợ vision gốc. Nếu lời gọi mô hình thất bại, OpenClaw có thể tiếp tục qua agents.defaults.imageModel.fallbacks đã cấu hình; lỗi chuẩn bị tệp hoặc URL vẫn thất bại trước các lần thử dự phòng. Dùng infer image describe khi bạn muốn luồng nhà cung cấp hiểu hình ảnh của OpenClaw, agents.defaults.imageModel đã cấu hình, và hình dạng đầu ra mô tả hình ảnh. Dùng infer model run --file khi bạn muốn một probe mô hình đa phương thức thô với prompt tùy chỉnh và một hoặc nhiều hình ảnh. Để đặt Ollama làm mô hình hiểu hình ảnh mặc định cho media gửi đến, cấu hình agents.defaults.imageModel: 
{
  agents: {
    defaults: {
      imageModel: {
        primary: "ollama/qwen2.5vl:7b",
      },
    },
  },
}
Ưu tiên ref đầy đủ ollama/<model>. Nếu cùng mô hình được liệt kê trong models.providers.ollama.models với input: ["text", "image"] và không có nhà cung cấp hình ảnh đã cấu hình nào khác cung cấp ID mô hình trần đó, OpenClaw cũng chuẩn hóa một ref imageModel trần như qwen2.5vl:7b thành ollama/qwen2.5vl:7b. Nếu có nhiều hơn một nhà cung cấp hình ảnh đã cấu hình có cùng ID trần, hãy dùng tiền tố nhà cung cấp một cách tường minh. Các mô hình vision cục bộ chậm có thể cần timeout hiểu hình ảnh dài hơn mô hình cloud. Chúng cũng có thể crash hoặc dừng khi Ollama cố cấp phát toàn bộ context vision đã quảng bá trên phần cứng hạn chế. Đặt timeout năng lực, và giới hạn num_ctx trên mục mô hình khi bạn chỉ cần một lượt mô tả hình ảnh bình thường: 
{
  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 }],
      },
    },
  },
}
Timeout này áp dụng cho hiểu hình ảnh gửi đến và công cụ image tường minh mà agent có thể gọi trong một lượt. models.providers.ollama.timeoutSeconds ở cấp nhà cung cấp vẫn kiểm soát guard yêu cầu HTTP Ollama bên dưới cho các lời gọi mô hình bình thường. Xác minh trực tiếp công cụ hình ảnh tường minh với Ollama cục bộ bằng: 
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 thủ công, hãy đánh dấu các mô hình vision có hỗ trợ đầu vào hình ảnh: 
{
  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 phát hiện ngầm định, OpenClaw đọc thông tin này từ Ollama khi /api/show báo cáo năng lực vision.

​
Cấu hình

Đường dẫn kích hoạt chỉ cục bộ đơn giản nhất là qua biến môi trường:
export OLLAMA_API_KEY="ollama-local"
Nếu OLLAMA_API_KEY được đặt, bạn có thể bỏ qua apiKey trong mục nhà cung cấp và OpenClaw sẽ điền nó cho các kiểm tra tính khả dụng.

​
Công thức thường dùng

Dùng những phần này làm điểm khởi đầu và thay ID mô hình bằng đúng tên từ ollama list hoặc openclaw models list --provider ollama.
Dùng phần này khi Ollama chạy trên cùng máy với Gateway và bạn muốn OpenClaw tự động phát hiện các mô hình đã cài đặt.
ollama serve
ollama pull gemma4
export OLLAMA_API_KEY="ollama-local"
openclaw models list --provider ollama
openclaw models set ollama/gemma4
Đường dẫn này giữ cấu hình ở mức tối thiểu. Không thêm khối models.providers.ollama trừ khi bạn muốn định nghĩa mô hình theo cách thủ công.
Dùng URL Ollama gốc cho các máy chủ LAN. Không thêm /v1.
{
  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 phía OpenClaw. params.num_ctx được gửi tới Ollama cho yêu cầu. Giữ chúng đồng bộ khi phần cứng của bạn không thể chạy toàn bộ ngữ cảnh được mô hình quảng bá.
Dùng phần này khi bạn không chạy daemon cục bộ và muốn dùng trực tiếp các mô hình Ollama 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" },
    },
  },
}
Dùng phần này khi daemon Ollama cục bộ hoặc trong LAN đã đăng nhập bằng ollama signin và cần phục vụ cả mô hình cục bộ lẫn mô hình :cloud.
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"],
      },
    },
  },
}
Dùng ID nhà cung cấp tùy chỉnh khi bạn có nhiều hơn một máy chủ Ollama. Mỗi nhà cung cấp có máy chủ, mô hình, xác thực, thời gian chờ và tham chiếu mô hình 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"],
      },
    },
  },
}
Khi OpenClaw gửi yêu cầu, tiền tố nhà cung cấp đang hoạt động sẽ bị loại bỏ, vì vậy ollama-large/qwen3.5:27b đến Ollama dưới dạng qwen3.5:27b.
Một số mô hình cục bộ có thể trả lời các prompt đơn giản nhưng gặp khó khăn với toàn bộ bề mặt công cụ của agent. Hãy bắt đầu bằng cách giới hạn công cụ và ngữ cảnh trước khi thay đổi các thiết lập 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 dùng compat.supportsTools: false khi mô hình hoặc máy chủ thường xuyên lỗi với schema công cụ. Việc này đánh đổi năng lực của agent để lấy sự ổn định. localModelLean loại bỏ trình duyệt, cron và công cụ nhắn tin khỏi bề mặt agent trực tiếp, đồng thời mặc định đặt các danh mục lớn hơn phía sau các điều khiển Tìm kiếm công cụ có cấu trúc, trừ khi một lần chạy phải giữ ngữ nghĩa gửi tin nhắn trực tiếp; nhưng nó không thay đổi ngữ cảnh runtime hoặc chế độ suy nghĩ của Ollama. Kết hợp nó với params.num_ctx rõ ràng và params.thinking: false cho các mô hình suy nghĩ kiểu Qwen nhỏ có xu hướng lặp hoặc dùng hết ngân sách phản hồi cho suy luận ẩn.

​
Chọn mô hình

Sau khi cấu hình, tất cả mô hình Ollama của bạn đều khả dụng: 
{
  agents: {
    defaults: {
      model: {
        primary: "ollama/gpt-oss:20b",
        fallbacks: ["ollama/llama3.3", "ollama/qwen2.5-coder:32b"],
      },
    },
  },
}
ID nhà cung cấp Ollama tùy chỉnh cũng được hỗ trợ. Khi tham chiếu mô hình dùng tiền tố nhà cung cấp đang hoạt động, chẳng hạn như ollama-spark/qwen3:32b, OpenClaw chỉ loại bỏ tiền tố đó trước khi gọi Ollama để máy chủ nhận qwen3:32b. Với các mô hình cục bộ chậm, hãy ưu tiên tinh chỉnh yêu cầu theo phạm vi nhà cung cấp trước khi tăng thời gian chờ runtime của toàn bộ agent: 
{
  models: {
    providers: {
      ollama: {
        timeoutSeconds: 300,
        models: [
          {
            id: "gemma4:26b",
            name: "gemma4:26b",
            params: { keep_alive: "15m" },
          },
        ],
      },
    },
  },
}
timeoutSeconds áp dụng cho yêu cầu HTTP của mô hình, bao gồm thiết lập kết nối, header, truyền body theo luồng và toàn bộ lần hủy guarded-fetch. params.keep_alive được chuyển tiếp tới Ollama dưới dạng keep_alive cấp cao nhất trên các yêu cầu /api/chat gốc; thiết lập theo từng mô hình khi thời gian tải ở lượt đầu là nút thắt.

​
Xác minh nhanh

# Ollama daemon visible to this machine
curl http://127.0.0.1:11434/api/tags

# OpenClaw catalog and selected model
openclaw models list --provider ollama
openclaw models status

# Direct model smoke
openclaw infer model run \
  --model ollama/gemma4 \
  --prompt "Reply with exactly: ok"
Với máy chủ từ xa, thay 127.0.0.1 bằng máy chủ được dùng trong baseUrl. Nếu curl hoạt động nhưng OpenClaw thì không, hãy kiểm tra xem Gateway có chạy trên máy, container hoặc tài khoản dịch vụ khác hay không.

​
Tìm kiếm Web Ollama

OpenClaw hỗ trợ Tìm kiếm Web Ollama dưới dạng nhà cung cấp web_search đi kèm.
Thuộc tínhChi tiết
Máy chủDùng máy chủ Ollama đã cấu hình của bạn (models.providers.ollama.baseUrl khi được đặt, nếu không thì http://127.0.0.1:11434); https://ollama.com dùng trực tiếp API được lưu trữ
Xác thựcKhông cần khóa đối với máy chủ Ollama 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 máy chủ được bảo vệ bằng xác thực
Yêu cầuMáy chủ cục bộ/tự lưu trữ phải đang chạy và đã đăng nhập bằng ollama signin; tìm kiếm trực tiếp được lưu trữ yêu cầu baseUrl: "https://ollama.com" cùng khóa API Ollama thật
Chọn Tìm kiếm Web Ollama trong openclaw onboard hoặc openclaw configure --section web, hoặc đặt: 
{
  tools: {
    web: {
      search: {
        provider: "ollama",
      },
    },
  },
}
Để tìm kiếm trực tiếp được lưu trữ 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" },
    },
  },
}
Với daemon cục bộ đã đăng nhập, OpenClaw dùng proxy /api/experimental/web_search của daemon. Với https://ollama.com, nó gọi trực tiếp endpoint /api/web_search được lưu trữ.
Để xem đầy đủ chi tiết thiết lập và hành vi, hãy xem Tìm kiếm Web Ollama.

​
Cấu hình nâng cao

Gọi công cụ không đáng tin cậy trong chế độ tương thích OpenAI. Chỉ dùng chế độ này nếu bạn cần định dạng OpenAI cho proxy và không phụ thuộc vào hành vi gọi công cụ gốc.
Nếu bạn cần dùng endpoint tương thích OpenAI thay thế (ví dụ, phía sau proxy chỉ hỗ trợ định dạng OpenAI), hãy đặt rõ api: "openai-completions":
{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434/v1",
        api: "openai-completions",
        injectNumCtxForOpenAICompat: true, // default: 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 tắt truyền luồng bằng params: { streaming: false } trong cấu hình mô hình.Khi api: "openai-completions" được dùng với Ollama, OpenClaw mặc định chèn options.num_ctx để Ollama không âm thầm quay về cửa sổ ngữ cảnh 4096. Nếu proxy/upstream của bạn từ chối các trường options không xác định, hãy tắt hành vi này:
{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434/v1",
        api: "openai-completions",
        injectNumCtxForOpenAICompat: false,
        apiKey: "ollama-local",
        models: [...]
      }
    }
  }
}
Với các mô hình được tự động phát hiện, OpenClaw dùng cửa sổ ngữ cảnh do Ollama báo cáo khi có, bao gồm các giá trị PARAMETER num_ctx lớn hơn từ Modelfile tùy chỉnh. Nếu không, nó quay về cửa sổ ngữ cảnh Ollama mặc định mà OpenClaw dùng.Bạn có thể đặt các giá trị mặc định contextWindow, contextTokens và maxTokens ở cấp nhà cung cấp cho mọi mô hình dưới nhà cung cấp Ollama đó, rồi ghi đè theo từng mô hình khi cần. contextWindow là ngân sách prompt và Compaction của OpenClaw. Các yêu cầu Ollama gốc để trống options.num_ctx trừ khi bạn cấu hình rõ params.num_ctx, để Ollama có thể áp dụng mặc định theo mô hình, OLLAMA_CONTEXT_LENGTH, hoặc dựa trên VRAM của chính nó. Để giới hạn hoặc ép ngữ cảnh runtime theo từng yêu cầu của Ollama mà không cần dựng lại Modelfile, hãy đặt params.num_ctx; các giá trị không hợp lệ, bằng không, âm và không hữu hạn sẽ bị bỏ qua. Nếu bạn đã nâng cấp một cấu hình cũ chỉ dùng contextWindow hoặc maxTokens để ép ngữ cảnh yêu cầu Ollama gốc, hãy chạy openclaw doctor --fix để sao chép các ngân sách rõ ràng ở cấp nhà cung cấp hoặc mô hình đó vào params.num_ctx. Bộ chuyển đổi Ollama tương thích OpenAI vẫn mặc định chèn options.num_ctx từ params.num_ctx hoặc contextWindow đã cấu hình; tắt hành vi đó bằng injectNumCtxForOpenAICompat: false nếu upstream của bạn từ chối options.Các mục mô hình Ollama gốc cũng chấp nhận các tùy chọn runtime Ollama phổ biến trong params, gồm temperature, top_p, top_k, min_p, num_predict, stop, repeat_penalty, num_batch, num_thread và use_mmap. OpenClaw chỉ chuyển tiếp các khóa yêu cầu Ollama, nên các tham số runtime của OpenClaw như streaming không bị rò rỉ sang Ollama. Dùng params.think hoặc params.thinking để gửi think cấp cao nhất của Ollama; false tắt suy luận ở cấp API cho các mô hình suy luận 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. Nếu cả hai đều được cấu hình, mục mô hình rõ ràng của nhà cung cấp sẽ thắng giá trị mặc định của agent.
Với các mô hình Ollama gốc, OpenClaw chuyển tiếp điều khiển suy luận đúng như Ollama mong đợi: think cấp cao nhất, không phải options.think. Các mô hình tự động phát hiện có phản hồi /api/show chứa năng lực thinking sẽ hiển thị /think low, /think medium, /think high và /think max; các mô hình không suy luận chỉ hiển thị /think off.
openclaw agent --model ollama/gemma4 --thinking off
openclaw agent --model ollama/gemma4 --thinking low
Bạn cũng có thể đặt mặc định cho mô hình:
{
  agents: {
    defaults: {
      models: {
        "ollama/gemma4": {
          thinking: "low",
        },
      },
    },
  },
}
params.think hoặc params.thinking theo từng mô hình có thể tắt hoặc ép suy luận API Ollama cho một mô hình được cấu hình cụ thể. OpenClaw giữ nguyên các tham số mô hình rõ ràng đó khi lượt chạy đang hoạt động chỉ có mặc định ngầm định off; các lệnh runtime khác off như /think medium vẫn ghi đè lượt chạy đang hoạt động.
OpenClaw mặc định coi các mô hình có tên như deepseek-r1, reasoning hoặc think là có khả năng suy luận.
ollama pull deepseek-r1:32b
Không cần cấu hình bổ sung. OpenClaw tự động đánh dấu chúng.
Ollama miễn phí và chạy cục bộ, nên tất cả chi phí mô hình được đặt thành $0. Điều này áp dụng cho cả mô hình tự động phát hiện và mô hình được định nghĩa thủ công.
Plugin Ollama đi kèm đăng ký một nhà cung cấp embedding bộ nhớ cho tìm kiếm bộ nhớ. Nó dùng URL cơ sở Ollama và khóa API đã cấu hình, gọi endpoint /api/embed hiện tại của Ollama, và gom nhóm nhiều đoạn bộ nhớ vào một yêu cầu input khi có thể.Khi proxy.enabled=true, các yêu cầu embedding bộ nhớ Ollama tới đúng gốc host-local loopback được suy ra từ baseUrl đã cấu hình sẽ dùng đường trực tiếp có bảo vệ của OpenClaw thay vì proxy chuyển tiếp được quản lý. Tên máy chủ đã cấu hình tự nó phải là localhost hoặc một địa chỉ IP loopback dạng literal; các tên DNS chỉ phân giải về loopback vẫn dùng đường proxy được quản lý. Các máy chủ Ollama trên LAN, tailnet, mạng riêng và công khai cũng tiếp tục đi qua đường proxy được quản lý. Chuyển hướng sang máy chủ hoặc cổng khác không kế thừa độ tin cậy. Người vận hành vẫn có thể đặt thiết lập toàn cục proxy.loopbackMode: "proxy" để gửi lưu lượng loopback qua proxy, hoặc proxy.loopbackMode: "block" để từ chối kết nối loopback trước khi mở kết nối; xem Proxy được quản lý để biết hiệu lực trên toàn tiến trình của thiết lập này.
Thuộc tínhGiá trị
Mô hình mặc địnhnomic-embed-text
Tự động pullCó — mô hình embedding được tự động pull nếu chưa có cục bộ
Embedding tại thời điểm truy vấn dùng tiền tố truy xuất cho các mô hình yêu cầu hoặc khuyến nghị chúng, gồm nomic-embed-text, qwen3-embedding và mxbai-embed-large. Các lô tài liệu bộ nhớ giữ nguyên dạng thô để các chỉ mục hiện có không cần di chuyển định dạng.Để chọn Ollama làm nhà cung cấp embedding tìm kiếm bộ nhớ:
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama",
        remote: {
          // Default for Ollama. Raise on larger hosts if reindexing is too slow.
          nonBatchConcurrency: 1,
        },
      },
    },
  },
}
Với máy chủ embedding từ xa, giữ xác thực giới hạn trong phạm vi máy chủ đó:
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama",
        model: "nomic-embed-text",
        remote: {
          baseUrl: "http://gpu-box.local:11434",
          apiKey: "ollama-local",
          nonBatchConcurrency: 2,
        },
      },
    },
  },
}
Tích hợp Ollama của OpenClaw mặc định dùng API Ollama gốc (/api/chat), hỗ trợ đầy đủ streaming và gọi công cụ đồng thời. Không cần cấu hình đặc biệt.Với các yêu cầu /api/chat gốc, OpenClaw cũng chuyển tiếp điều khiển suy luận trực tiếp tới Ollama: /think off và openclaw agent --thinking off gửi think: false cấp cao nhất trừ khi giá trị mô hình rõ ràng params.think/params.thinking được cấu hình, còn /think low|medium|high gửi chuỗi nỗ lực think cấp cao nhất tương ứng. /think max ánh xạ tới nỗ lực gốc cao nhất của Ollama, think: "high".
Nếu bạn cần dùng endpoint tương thích OpenAI, hãy xem phần “Chế độ tương thích OpenAI cũ” ở trên. Streaming và gọi công cụ có thể không hoạt động đồng thời trong chế độ đó.

​
Khắc phục sự cố

Trên WSL2 với NVIDIA/CUDA, trình cài đặt Ollama Linux chính thức tạo một unit systemd ollama.service với Restart=always. Nếu dịch vụ đó tự khởi động và tải một mô hình dùng GPU trong lúc WSL2 khởi động, Ollama có thể ghim bộ nhớ máy chủ trong khi mô hình tải. Cơ chế thu hồi bộ nhớ của Hyper-V không phải lúc nào cũng thu hồi được các trang đã ghim đó, nên Windows có thể chấm dứt VM WSL2, systemd khởi động lại Ollama, và vòng lặp lặp lại.Bằng chứng thường gặp:
  • WSL2 khởi động lại hoặc bị chấm dứt lặp lại từ phía Windows
  • CPU cao trong app.slice hoặc ollama.service ngay sau khi WSL2 khởi động
  • SIGTERM từ systemd thay vì sự kiện OOM-killer của Linux
OpenClaw ghi cảnh báo khởi động khi phát hiện WSL2, ollama.service được bật với Restart=always, và các dấu hiệu CUDA nhìn thấy được.Cách giảm thiểu:
sudo systemctl disable ollama
Thêm phần này vào %USERPROFILE%\.wslconfig ở phía Windows, rồi chạy wsl --shutdown:
[experimental]
autoMemoryReclaim=disabled
Đặt keep-alive ngắn hơn trong môi trường dịch vụ Ollama, hoặc chỉ khởi động Ollama thủ công khi bạn cần:
export OLLAMA_KEEP_ALIVE=5m
ollama serve
Xem ollama/ollama#11317.
Hãy bảo đảm Ollama đang chạy, bạn đã đặt OLLAMA_API_KEY (hoặc hồ sơ xác thực), và bạn không định nghĩa mục models.providers.ollama rõ ràng:
ollama serve
Xác minh API có thể truy cập được:
curl http://localhost:11434/api/tags
Nếu mô hình của bạn không được liệt kê, hãy pull mô hình cục bộ hoặc định nghĩa nó rõ ràng trong models.providers.ollama.
ollama list  # See what's installed
ollama pull gemma4
ollama pull gpt-oss:20b
ollama pull llama3.3     # Or another model
Kiểm tra Ollama đang chạy trên đúng cổng:
# Check if Ollama is running
ps aux | grep ollama

# Or restart Ollama
ollama serve
Xác minh từ cùng máy và runtime đang chạy Gateway:
openclaw gateway status --deep
curl http://ollama-host:11434/api/tags
Nguyên nhân thường gặp:
  • baseUrl trỏ tới localhost, nhưng Gateway chạy trong Docker hoặc trên máy chủ khác.
  • URL dùng /v1, khiến hành vi tương thích OpenAI được chọn thay vì Ollama gốc.
  • Máy chủ từ xa cần thay đổi tường lửa hoặc binding LAN ở phía Ollama.
  • Mô hình có mặt trên daemon của laptop bạn nhưng không có trên daemon từ xa.
Điều này thường có nghĩa nhà cung cấp đang dùng chế độ tương thích OpenAI hoặc mô hình không xử lý được schema công cụ.Ưu tiên chế độ Ollama gốc:
{
  models: {
    providers: {
      ollama: {
        baseUrl: "http://ollama-host:11434",
        api: "ollama",
      },
    },
  },
}
Nếu một mô hình cục bộ nhỏ vẫn thất bại với schema công cụ, đặt compat.supportsTools: false trên mục mô hình đó rồi kiểm thử lại.
Các phản hồi Kimi/GLM được lưu trữ có dạng chuỗi ký hiệu dài, phi ngôn ngữ sẽ được xử lý như đầu ra nhà cung cấp thất bại thay vì câu trả lời assistant thành công. Điều đó cho phép cơ chế thử lại, fallback hoặc xử lý lỗi thông thường tiếp quản mà không lưu văn bản hỏng vào phiên.Nếu điều này xảy ra lặp lại, hãy ghi lại tên mô hình thô, tệp phiên hiện tại, và liệu lượt chạy dùng Cloud + Local hay Cloud only, rồi thử một phiên mới và một mô hình fallback:
openclaw infer model run --model ollama/kimi-k2.5:cloud --prompt "Reply with exactly: ok" --json
openclaw models set ollama/gemma4
Các mô hình cục bộ lớn có thể cần lần tải đầu tiên rất lâu trước khi streaming bắt đầu. Giữ thời gian chờ giới hạn trong phạm vi nhà cung cấp Ollama, và tùy chọn yêu cầu Ollama giữ mô hình đã tải giữa các lượt:
{
  models: {
    providers: {
      ollama: {
        timeoutSeconds: 300,
        models: [
          {
            id: "gemma4:26b",
            name: "gemma4:26b",
            params: { keep_alive: "15m" },
          },
        ],
      },
    },
  },
}
Nếu chính máy chủ chậm chấp nhận kết nối, timeoutSeconds cũng kéo dài thời gian chờ kết nối Undici được bảo vệ cho nhà cung cấp này.
Nhiều mô hình Ollama công bố ngữ cảnh lớn hơn mức phần cứng của bạn có thể chạy thoải mái. Ollama gốc dùng mặc định ngữ cảnh runtime riêng của Ollama trừ khi bạn đặt params.num_ctx. Giới hạn cả ngân sách của OpenClaw và ngữ cảnh yêu cầu của Ollama khi bạn muốn độ trễ token đầu tiên có thể dự đoán:
{
  models: {
    providers: {
      ollama: {
        contextWindow: 32768,
        maxTokens: 8192,
        models: [
          {
            id: "qwen3.5:9b",
            name: "qwen3.5:9b",
            params: { num_ctx: 32768, thinking: false },
          },
        ],
      },
    },
  },
}
Trước tiên hãy giảm contextWindow nếu OpenClaw đang gửi quá nhiều lời nhắc. Giảm params.num_ctx nếu Ollama đang tải một ngữ cảnh runtime quá lớn so với máy. Giảm maxTokens nếu quá trình sinh chạy quá lâu.
Trợ giúp thêm: Khắc phục sự cố và Câu hỏi thường gặp.

​
Liên quan

Nhà cung cấp mô hình

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

Chọn mô hình

Cách chọn và cấu hình mô hình.

Tìm kiếm Web Ollama

Thiết lập đầy đủ và chi tiết hành vi cho tìm kiếm web do Ollama hỗ trợ.

Cấu hình

Tài liệu tham khảo cấu hình đầy đủ.