OpenClaw 的 models.providers.ollama 指向本机 qwen2.5-coder:32bagents.defaults.model.fallbacks 也留了它。去 TaoToken https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建一把 Key就能给主通道换一条云端出口Ollama 原封不动退回兜底。本地跑模型的好处是不出网、不占额度代价是长上下文和连续 tool call 时掉速明显云端通道补的恰恰就是这一段。两条路并存不是二选一——OpenClaw 只会在主模型这次请求失败时按 fallbacks 数组的顺序往下找断网、限流、上游模型临时不可用时都还有活路。这篇不打算重讲 OpenClaw 装什么版本、Ollama 怎么拉模型那些内容原文里已经写过一遍。这里只处理一件事在已经写好的 models.providers.ollama 配置旁边新增一条 provider把 agents.defaults.model.primary 从 ollama/qwen2.5-coder:32b 挪到云端模型上fallbacks 数组保持原样不动。改完之后本地模型照样能被调用工具调用的链路也不用重搭只是在主模型接不住的时候才会轮到它。下面从配置结构拆起再到验证方法、常见报错最后收在下一步该看哪个页面。1. models.providers.ollama 这条配置在 OpenClaw 里到底做了什么1.1 provider 的 key 就是后面引用的名字OpenClaw 的配置里models.providers 是个对象对象里的每个 key 就是一个 provider 名。原来那条 ollama 之所以能在别处被引用成 ollama/qwen2.5-coder:32b靠的就是「provider 名 斜杠 模型 id」这套写法。provider 名不一定非得叫 ollama你写成 local 也完全可以但一旦改名agents.defaults.model 里所有引用它的地方都得跟着换漏掉一处启动时就会提示找不到模型。字段的分工大致是这样baseUrl 指服务地址api 指上游用哪套协议apiKey 是鉴权串models 数组列出这个 provider 下具体能被引用的条目。本地服务通常不校验 Key写个占位字符串也能过云端通道就完全相反Key 错一位就是 401。1.2 本地 Ollama 的 baseUrl 和 api 字段写法本地 Ollama 暴露的 OpenAI 兼容入口一般是 http://127.0.0.1:11434/v1注意这里有 /v1。api 字段决定 OpenClaw 用哪套请求体去调它开源模型走 openai-completions 这套最稳。很多人配完之后会把这条习惯顺手带到云端通道上结果请求打出去直接 404后面第 5 节会专门讲这个。还有个小地方值得提醒models 数组里的 id 必须和 Ollama 端真实拉的模型标签完全一致。qwen2.5-coder:32b 和 qwen2.5-coder:32b-instruct 在 Ollama 里是两个不同的标签写错了本地服务会回 404OpenClaw 那边看到的却是「模型不可用」容易误判成配置没生效。1.3 工具调用在本地模型上能走到哪一步qwen2.5-coder 系列本身支持 function calling。OpenClaw 会把工具的 JSON Schema 一起下发给模型模型返回 tool_calls 结构OpenClaw 负责执行再把执行结果塞回对话继续下一轮。协议这条链路本地和云端走的是一模一样的流程差别在模型扛不扛得住。32B 这一档单轮工具调用基本没问题一轮里连着调五六次、每次还带着几个文件的内容上下文很快顶到窗口上限。表现出来不是报错而是生成质量往下掉前面读过的文件内容记混、参数拼错、回答忽然变短。这也是为什么值得再挂一条云端 provider而不是把本地那条删掉。本地模型的价值在于「随时能用」云端通道的价值在于「扛得住大活」两件事本来就不冲突。2. 在 models.providers 里新增一条 TaoToken 配置2.1 先去把 YOUR_API_KEY 拿到打开 TaoToken注册登录之后进控制台在 API Keys 页面创建一把新 Key。创建完立刻复制走页面刷新之后不保证还能看全。这把 Key 后面要填进 openclaw.json 的 apiKey 字段。别把它提交进 Git 仓库也不要在聊天记录里贴出来如果 OpenClaw 当前版本支持从环境变量取用环境变量引用更安全。顺手在同一个站点上看一眼模型广场把准备用的模型 id 记下来。模型 id 以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 上当时列出的为准不要凭印象拼后缀。2.2 在 providers 下加一段和 ollama 平级的配置在 models.providers 里跟 ollama 平级地加一个新 key名字按自己习惯起这里叫 taotoken。baseUrl 填 https://taotoken.net/api末尾不要带 /v1这是它和本地 Ollama 那条最容易搞混的地方。api 字段保持 openai-completionsapiKey 填 YOUR_API_KEYmodels 数组里写一个模型条目。{ taotoken: { baseUrl: https://taotoken.net/api, api: openai-completions, apiKey: YOUR_API_KEY, models: [ { id: YOUR_MODEL_ID, name: TaoToken Cloud, toolCall: true } ] } }这段是嵌在 models.providers 对象里的子结构不是独立文件。写的时候别把它放到 models 外面去否则 OpenClaw 读配置时会直接忽略这一段表现就是「配了但一直没生效」。2.3 模型 id 不要自己拼后缀模型 id 这个字段特别容易翻车。有的同学看到别人写 gpt-4o-mini 就跟着写但其实模型广场上列出的名字可能完全不一样。更忌讳的是自己加 -latest、-preview、日期后缀这类尾巴。写错的表现不一定是显式报错有些通道会把不存在的模型名当成空响应返回最后你在 OpenClaw 里看到的是「答非所问」或者界面一直转圈排查半天才发现是 id 写错了。还有一个细节models 数组里 name 字段只是展示名随便写不影响调用id 字段才是真正发给上游的值一个字都不能错。id 和 name 分清楚能省掉很多来回试错的时间。3. primary 指向 TaoTokenollama 留在 fallbacks3.1 agents.defaults.model 的结构agents.defaults.model 下面一般有两三个位置primary 是主模型fallbacks 是一个数组按顺序列出备选另外可能还有给轻量任务用的小模型位。切换主通道本质上就是改 primary 这一个字符串fallbacks 那一行不用动因为它引用的是 provider 名加模型 id跟你新加的 provider 没关系。有两种常见组合。想要「云端优先、本地兜底」primary 写 taotoken/YOUR_MODEL_IDfallbacks 里保留 ollama/qwen2.5-coder:32b。想要「本地优先、云端备用」就是把这两个位置对调。第二种更适合网络不稳、或者想省额度的场景但主通道的体验会回到本地模型那档。这篇按第一种走。3.2 fallbacks 是顺序列表不是负载均衡这一点要讲清楚否则容易期待错。OpenClaw 不是在两个模型之间平均分配请求也不会因为主模型「慢」就提前切过去。它只有在主模型这次请求失败、或者被明确标记为不可用时才会按 fallbacks 的顺序往下找。所以 fallbacks 里写两三个模型实际意义是「第一备胎、第二备胎」不是「三个一起用」。明白这个语义之后配置取舍就清楚了本地模型只有在云端那条真出错的时候才会被叫起来日常的绝大多数请求都会走 primary。如果你希望本地模型承担更多活那就把本地放到 primary把云端放到 fallbacks别指望它俩同时干活。3.3 合并后的完整配置参考把上面几段拼起来整个 openclaw.json 的相关部分长这样。字段名以你本地 OpenClaw 版本的 schema 为准结构是对的直接照着改{ models: { providers: { ollama: { baseUrl: http://127.0.0.1:11434/v1, api: openai-completions, apiKey: ollama, models: [ { id: qwen2.5-coder:32b, name: Qwen2.5 Coder 32B (local), toolCall: true } ] }, taotoken: { baseUrl: https://taotoken.net/api, api: openai-completions, apiKey: YOUR_API_KEY, models: [ { id: YOUR_MODEL_ID, name: TaoToken Cloud, toolCall: true } ] } } }, agents: { defaults: { model: { primary: taotoken/YOUR_MODEL_ID, fallbacks: [ ollama/qwen2.5-coder:32b ] } } } }保存之后重启 OpenClaw。只改配置文件不重启进程里还是旧的那份配置很容易以为改动没生效。3.4 toolCall 这一位别顺手删掉toolCall 这个标记是告诉 OpenClaw这个模型能接住下发的工具 schema。删掉之后不是不能聊天而是工具调用会被整体跳过表现出来就像「模型忽然变笨了」——该读文件的步骤不读该执行的函数不调回答全靠猜。如果新换的云端模型本身不支持 function calling那这一位就该老实写 false或者干脆别把需要工具的 Agent 挂到它上面。4. 改完配置后怎么确认 fallback 真能接上4.1 先确认主通道是通的重启之后随便发一句需要它读本地文件的话看 OpenClaw 的日志里这次请求落到哪个 provider。能正常读到文件、正常回答说明 primary 那条通了。接着去 TaoToken 模型对话 用同一把 Key 发一条测试消息两边的反应如果一致说明 Key、Base URL、模型 id 这三样都没填错。这一步花不了一分钟但能省掉后面大量「到底哪个环节出问题」的猜测。4.2 故意把 Key 改错一次看它掉不掉想验证 fallback 是否真的生效别去拔网线最容易的方式是临时把 apiKey 改成 YOUR_API_KEY_INVALID保存、重启再发一条请求。如果日志里第一次请求失败、紧接着第二次落到 ollama那就说明 fallbacks 配对了。验证完记得改回来再发一次确认主通道恢复。要注意这一步只影响配置里那一处不会动到你在 TaoToken 上的 Key 本身。改错一次的成本很低比事后线上真的遇到限流才发现 fallback 没配好要划算得多。4.3 回控制台核对这次调用拿 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 登录后进控制台翻一下用量记录看刚才那几次正常请求有没有被计上。故意写错 Key 的那一次不会记账这是正常的别因此以为 Key 有问题。如果你同时在跑好几个 Agent用量页还能帮你判断到底是哪个 Agent 在消耗通道——这种信息比在本地日志里翻半天靠谱。5. 排障对照401、404 和 fallback 不触发5.1 401Key 没被读到最常见的三种原因apiKey 前后带了空格从网页复制时特别容易带上换行改完文件没重启 OpenClawKey 在控制台里被删除或轮换了。判断方法很直接把同一把 Key 拿到模型对话页发一条消息。那边也 401问题在 Key 本身那边正常问题就在本地配置。5.2 404baseUrl 多写了 /v1填云端通道的地址时写完 https://taotoken.net/api 就停手不要在末尾再补 /v1。本地 Ollama 那条是需要 /v1 的两条地址长得像但规则相反复制粘贴的时候特别容易带错。看到 404 先去看这一条比翻半天日志快。5.3 fallback 不触发provider 名对不上fallbacks 数组里写的是 ollama/qwen2.5-coder:32b。这里斜杠前面那一段必须和 models.providers 里的 key 完全一致。如果你把 provider 改名成了 local但引用还写着 ollamaOpenClaw 找不到这个 provider整条 fallback 就等于没写。改完 provider 名之后全局搜一遍旧名字别漏。另外一种情况是模型 id 写错provider 名对了但 id 拼错也会导致引用解析不到。这时候日志里通常会提示模型未找到翻一下就知道。5.4 工具调用被跳过如果对话正常但模型该调工具的时候不调先检查 toolCall 是不是被误删。确认没问题的话再看模型本身——不是所有模型都支持 function calling把不支持工具调用的模型放到需要工具的 Agent 上会得到「回答看起来挺对但什么都没做」的效果。遇到这种情况换一个支持工具调用的模型 id 再试。6. 跑通之后下一步去哪里配置改完、主通道和 fallback 都验证过一轮之后建议先去 TaoToken 模型对话 用同一把 Key 发条测试消息确认模型 id 和 Base URL 对得上这一步能排掉大部分「配置看起来没问题但请求打不通」的情况。如果打算把 OpenClaw 当日常主力写代码可以看看 Coding Plan 的套餐是否够用Key 随时能在 控制台 API Keys 里重建或轮换。想顺带把命令行里的 Claude Code 也接到同一条通道上环境变量怎么写见 Claude Code 接入文档。最后提一句容易忽略的事本地那条 ollama provider 不要因为有了云端通道就删掉。它的存在不是冗余而是断网、上游抖动、额度临时不够时的退路。OpenClaw 的 fallbacks 机制本来就是为这种场景准备的配好之后你可以很久不去看它但它一直在那儿。