跳轉到主要內容
LM Studio 可在本機執行 llama.cpp (GGUF) 或 MLX 模型，可作為圖形介面應用程式，或無頭的 llmster 常駐程式執行。安裝與產品文件請見 lmstudio.ai。

​
快速開始

1

Install and start the server

安裝 LM Studio（桌面版）或 llmster（無頭版），然後啟動伺服器：
lms server start --port 1234
或執行無頭常駐程式：
lms daemon up
如果使用桌面應用程式，請啟用 JIT 以順暢載入模型；請參閱 LM Studio JIT 與 TTL 指南。
2

Set an API key if auth is enabled

export LM_API_TOKEN="your-lm-studio-api-token"
如果 LM Studio 驗證已停用，設定期間請將 API 金鑰留空。請參閱 LM Studio 驗證。
3

Run onboarding

openclaw onboard
選擇 LM Studio，然後在 Default model 提示中挑選模型。
稍後變更預設模型： 
openclaw models set lmstudio/qwen/qwen3.5-9b
LM Studio 模型金鑰使用 author/model-name 格式（例如 qwen/qwen3.5-9b）；OpenClaw 模型參照 會加上提供者前綴：lmstudio/qwen/qwen3.5-9b。若要尋找模型的確切金鑰，請執行下列 命令並查看 key 欄位： 
curl http://localhost:1234/api/v1/models

​
非互動式上線設定

openclaw onboard --non-interactive --accept-risk --auth-choice lmstudio
或明確指定基底 URL、模型與 API 金鑰： 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio \
  --custom-base-url http://localhost:1234/v1 \
  --lmstudio-api-key "$LM_API_TOKEN" \
  --custom-model-id qwen/qwen3.5-9b
--custom-model-id 接受 LM Studio 傳回的模型金鑰（例如 qwen/qwen3.5-9b），不包含 lmstudio/ 提供者前綴。對於需要驗證的伺服器，請傳入 --lmstudio-api-key（或設定 LM_API_TOKEN）； 對於不需要驗證的伺服器則省略它，OpenClaw 會改為儲存本機非機密標記。 --custom-api-key 仍會為了相容性而接受，但建議使用 --lmstudio-api-key。 這會寫入 models.providers.lmstudio，並將預設模型設定為 lmstudio/<custom-model-id>。 提供 API 金鑰也會寫入 lmstudio:default 驗證設定檔。 互動式設定也可以提示輸入偏好的載入內容長度，並將其套用到儲存至設定的 已探索模型。

​
設定

​
串流用量相容性

LM Studio 不一定會在串流回應上發出 OpenAI 形狀的 usage 物件。OpenClaw 會改從 llama.cpp 風格的 timings.prompt_n / timings.predicted_n 中繼資料復原 Token 計數。 任何解析為本機端點（loopback 主機）的 OpenAI 相容端點都會取得相同 備援，涵蓋其他本機後端，例如 vLLM、SGLang、llama.cpp、LocalAI、Jan、TabbyAPI 和 text-generation-webui。

​
Thinking 相容性

當 LM Studio 的 /api/v1/models 探索回報模型專屬推理選項時，OpenClaw 會在模型相容性中繼資料中公開相符的 reasoning_effort 值（none、minimal、low、medium、high、xhigh）。 部分 LM Studio 組建會宣告二元 UI 選項（allowed_options: ["off", "on"]），但在 /v1/chat/completions 上拒絕這些字面值；OpenClaw 會在送出要求前，將該 二元形狀正規化為六級尺度，包括仍具有 off/on 推理對應的較舊已儲存設定。

​
明確設定

{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          {
            id: "qwen/qwen3-coder-next",
            name: "Qwen 3 Coder Next",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

​
停用預先載入

LM Studio 支援即時 (JIT) 模型載入，會在第一次要求時載入模型。OpenClaw 預設會透過 LM Studio 的原生載入端點預先載入模型，這在 JIT 停用時很有幫助。 若要改由 LM Studio 的 JIT、閒置 TTL 與自動驅逐行為擁有模型生命週期， 請停用 OpenClaw 的預先載入步驟： 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        api: "openai-completions",
        params: { preload: false },
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}

​
LAN 或 tailnet 主機

使用 LM Studio 主機可連線的位址，保留 /v1，並確認 LM Studio 在該機器上繫結到 loopback 以外的介面： 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
lmstudio 會自動信任其為模型要求所設定的端點，包括 loopback、 LAN 與 tailnet 主機（metadata/link-local 來源除外）。任何自訂/本機 OpenAI 相容 提供者項目都會取得相同的精確來源信任。對不同私有主機或連接埠的要求仍然 需要 models.providers.<id>.request.allowPrivateNetwork: true；將其設定為 false 可退出 預設信任。

​
疑難排解

​
未偵測到 LM Studio

確認 LM Studio 正在執行： 
lms server start --port 1234
如果已啟用驗證，也請設定 LM_API_TOKEN。確認 API 可連線： 
curl http://localhost:1234/api/v1/models

​
驗證錯誤 (HTTP 401)

  • 檢查 LM_API_TOKEN 是否符合 LM Studio 中設定的金鑰。
  • 請參閱 LM Studio 驗證。
  • 如果伺服器不需要驗證，設定期間請將金鑰留空。

​
相關