OpenClaw应对免费云模型限流需组合策略：启用双模型自动fallback（JSON/YAML配置）、配置GitHub令牌提升ClawHub安装配额、调高超时并启用流式响应、用Scrapling本地预处理替代高频API调用。
☞☞☞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☜☜☜
OpenClaw调用免费云模型（如硅基流动、七牛云、NVIDIA API）时，在每日10:00–12:00、19:00–21:00等请求高峰期，常出现429 Too Many Requests或1305 该模型当前访问量过大错误，导致Agent任务卡死或返回空结果。这不是配置错误，而是平台级流量管控的正常表现，必须通过组合策略主动应对。
启用双模型自动切换架构
单点依赖免费API是失败根源。OpenClaw原生支持主备模型自动降级，无需改代码，只需配置生效。
方法一：JSON多实例fallback（推荐用于生产环境）
1、编辑~/.openclaw/openclaw.json，定位到model_providers字段；
2、为每个免费服务商添加独立入口，例如同时配置硅基流动Pro版与七牛云Qwen3.5：
→ "siliconflow_qwen35": { "base_url": "https://api.siliconflow.cn/v1", "api_key": "sf_xxx", "timeout": 90 }
→ "qiniu_qwen35": { "base_url": "https://api.qnaigc.com/v1", "api_key": "qn_yyy", "timeout": 120 }；
3、在agents.list中为关键Agent指定fallback链："fallbacks": ["qiniu_qwen35", "siliconflow_qwen35"]；
【注意】fallback顺序决定优先级，把响应延迟更低的服务（如七牛云实测P95延迟2.3s）放在首位。
方法二：YAML全局fallback（适合快速验证）
1、打开~/.openclaw/config.yaml；
2、在agents.defaults.model下设置primary: "siliconflow_qwen35"；
3、添加fallbacks列表，至少含两个不同服务商模型；
4、确保agents.defaults.models白名单中已声明所有备用模型名，否则切换会被跳过。
配置GitHub个人访问令牌提升ClawHub技能安装配额
ClawHub技能包安装阶段频繁触发Rate Limit Exceeded，本质是未认证GitHub API每小时仅60次请求，而一个中型技能集下载需调用超200次接口。
1、访问https://github.com/settings/tokens → 点击“Generate new token” → 选择fine-grained tokens类型；
2、设置Token名称（如openclaw-clawhub），勾选repo和read:packages权限；
3、复制生成的token字符串；
4、Linux/macOS执行：echo 'export GITHUB_TOKEN="ghp_..."' >> ~/.bashrc && source ~/.bashrc；
Windows用户需在系统环境变量中新增GITHUB_TOKEN变量，值为该token字符串。
调整超时参数与启用流式响应
高峰期模型响应变慢，OpenClaw默认60秒超时会直接中断长任务，但实际模型仍在后台生成。启用streaming可边接收边处理，避免整段等待。
第一步：修改openclaw.json中对应模型的timeout值，从60提升至180；
第二步：在model_providers该模型配置内，添加"stream": true字段；
第三步：确认Agent配置中enable_streaming设为true；
第四步：重启网关：systemctl restart openclaw-gateway；
这一步能将原本因超时中断的3000字文档生成任务，转为稳定输出——即使首字节延迟达8秒，后续内容仍持续流入，任务不再失败。
部署Scrapling隐身抓取器替代高频API调用
当某类任务（如批量网页摘要、实时新闻聚合）触发高频限流，且无法通过模型切换缓解时，应剥离AI调用环节，用本地工具预处理。
方法：用Scrapling替代部分API请求
1、安装Scrapling：pip install scrapling；
2、编写Python脚本提取目标网页正文、标题、发布时间等结构化字段；
3、将提取结果作为精简上下文输入OpenClaw，而非原始长网页；
这一步可使单次AI请求token消耗降低60%以上，直接避开平台对“大文本输入”的速率压制。
