需通过vLLM/Ollama后端启用sampling_params，再在opencode.json或任务配置中设置temperature值，并用logprobs分布或服务日志验证是否生效。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在OpenClaw中为免费模型（如Qwen2.5-7B-Instruct、Qwen3-4B-Claude等本地可部署模型）精准配置temperature参数，必须绕过云端API的黑盒限制，直接干预本地推理链路中的采样控制层——这决定了输出是稳定可靠还是天马行空。
确认当前模型是否支持temperature动态控制
执行命令检查模型能力声明：openclaw config get agents.defaults.models."qwen2.5-7b-instruct".capabilities。若返回中不含"sampling_params": true字段，则该模型镜像未启用采样参数注入功能，强行设置temperature将被静默忽略。
此时需切换至支持vLLM或Ollama后端的部署方式——只有这些运行时环境才暴露temperature接口。OpenClaw默认的fastapi代理模式对GGUF量化模型不支持runtime温度调节。
通过opencode.json统一配置免费模型温度
此方法适用于所有基于vLLM/Ollama部署的免费模型，且一次配置全局生效。
第一步：用文本编辑器打开~/.openclaw/opencode.json（Linux/macOS）或%USERPROFILE%\.openclaw\opencode.json（Windows）。
第二步：定位到providers节点下的对应后端，例如"local-vllm"或"ollama"，在其modelConfigs子对象中找到目标模型名（如"Qwen/Qwen2.5-7B-Instruct"）。
第三步：插入"temperature": 0.3字段，注意逗号位置与JSON语法正确性。若该模型同时用于代码补全和文档生成，建议拆分为两个别名配置，避免任务混用导致精度下降。
【关键前提】必须确保模型在vLLM启动时已加载--enable-sampling参数，否则opencode.json中的temperature字段不会被读取。
按任务类型动态覆盖temperature值
当同一模型需服务多种任务（如文件整理+创意文案），静态配置会顾此失彼。此时应采用任务级覆盖策略。
方法一：命令行动态写入
执行openclaw config set tasks."file-sorting".modelParams.temperature 0.25，该值优先级高于全局配置，且无需重启服务。
方法二：Prompt内嵌强制参数
构造请求体时直接携带params字段：{"prompt":"把日志目录下所有access.log按日期重命名","params":{"temperature":0.15}}。这种方式适用于单次调试或A/B测试，【不可逆操作】一旦发送，该次请求完全脱离配置文件约束，无法通过config get回溯。
方法三：环境变量全局注入
在启动OpenClaw前设置OPENCLAW_DEFAULT_TEMPERATURE=0.4，该值将作为所有未显式指定temperature的任务兜底值。注意：它不覆盖已存在的config set值，仅作用于空白配置项。
验证temperature是否真正生效
不要依赖config get返回值——它只说明参数写入成功，不代表模型实际接收。
启动OpenClaw服务后，向/v1/chat/completions端点发送一个带"logprobs": true的请求，观察响应中choices[0].logprobs.top_logprobs数组的分布形态：若temperature=0.1，前3个token的logprob差值应大于3.0；若temperature=0.8，差值应小于0.8。这是唯一能确认参数穿透到推理层的实证方式。
执行openclaw service logs --tail 50 | grep "sampling temperature"，查看服务启动日志中是否有Applied temperature=0.35 for model qwen3-4b-claude类记录。没有则说明配置路径错误或模型未识别该参数。
