必须绕过LiteLLM直接对接Ollama REST API，先运行ollama serve并验证curl http://localhost:11434/api/tags返回模型列表，再通过--llm-model ollama/llama3.2和--llm-base-url http://localhost:11434启动OpenClaw，最后用ollama ps确认模型运行。
☞☞☞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☜☜☜
要在本地运行 OpenClaw 并让它调用你本机已启动的 Ollama 模型，必须绕过其默认的 LiteLLM 代理层，直接对接 Ollama 的 REST API 端点，否则 OpenClaw 会始终尝试连接远程模型服务或报 404 错误。
确认 Ollama 已正确运行并暴露 API
打开终端执行：ollama serve。如果提示 listening on 127.0.0.1:11434，说明服务已就绪。若无输出或报错，请先运行 ollama run llama3.2 触发一次模型加载，再执行 ollama serve。
用 curl 验证接口可用：curl http://localhost:11434/api/tags。返回包含 models 数组的 JSON 即表示 API 可访问——【这一步不通过，后续所有配置都无效】。
修改 OpenClaw 启动时的 LLM 配置
OpenClaw 不读取 .env 文件中的 LLM 设置，必须在启动命令中显式注入参数。
方法一：使用 --llm-model 参数直连
在 OpenClaw 项目根目录下运行：
python main.py --llm-model ollama/llama3.2 --llm-base-url http://localhost:11434
其中 llama3.2 必须是你已 ollama pull 过的模型名，大小写和斜杠不可错；--llm-base-url 是固定格式，不能加 /api 或其他路径后缀。
OpenClaw 跨平台配置备份与网关监控。自动备份 openclaw.json，每分钟检测 gateway 状态，宕机时自动恢复。支持 Linux/macOS/Windows。触发：配置备份、gateway 监控、自动恢复、看门狗、watchdog。
方法二：通过环境变量覆盖（仅适用于从源码启动）
执行前设置：
export LLM_MODEL=ollama/llama3.2export LLM_BASE_URL=http://localhost:11434python main.py
注意：这两个变量名是 OpenClaw 源码中硬编码识别的，写成 OLLAMA_URL 或 MODEL_NAME 会被忽略。
验证模型是否真正被调用
第一步：启动 OpenClaw 后，在 Web UI 输入任意指令（如“列出当前目录”），观察终端日志。
第二步：找到类似 [INFO] Calling LLM: ollama/llama3.2 at http://localhost:11434 的日志行——有这条才代表路由生效。
第三步：立即另开一个终端，执行 ollama ps。若看到 llama3.2 对应的 PID 和状态为 running，说明 OpenClaw 已成功触发 Ollama 实例。
如果日志里出现 Connection refused 或 404 Not Found，请回到第一步检查 ollama serve 是否真的在监听，而不是仅后台运行但未启用 HTTP 服务。
