要在Qoder中完全本地运行大模型（如Ollama加载的Qwen2.5或DeepSeek-Coder）并跳过云端计费，必须切断默认HTTP请求链路，将LLM调用重定向至本机Ollama服务（http://127.0.0.1:11434/v1），否则仍会消耗Credits。
☞☞☞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Qoder中跳过云端计费、完全使用本地运行的大模型（如Ollama加载的Qwen2.5或DeepSeek-Coder），必须切断其默认HTTP请求链路，将LLM调用重定向至本机服务端口。这一步不做，所有推理请求仍会发往Qoder云API，Credits持续消耗。
CLI临时直连Ollama服务
适合快速验证模型可用性或多模型切换场景，不改动任何配置文件。
第一步：确保Ollama已后台运行且目标模型已加载，例如执行ollama run qwen2.5:7b触发首次拉取与缓存；若未启动，ollama serve手动启服务。
第二步：确认Ollama监听地址为http://127.0.0.1:11434——这是默认值，但若你改过OLLAMA_HOST环境变量，此处必须同步更新。
第三步：在项目根目录终端中执行：qoderclicn --ollama http://127.0.0.1:11434/v1 --model qwen2.5:7b。注意--ollama参数必须带/v1后缀，否则Qoder会因路径不匹配返回404错误。
第四步：启动成功后，终端首行将显示Using local LLM provider at http://127.0.0.1:11434/v1，此后所有Agent决策、工具调用均走本地通道，【不再扣除任何Credits】。
修改config.yaml强制全局走本地
适用于长期本地开发，让Quest、TUI、Memory等所有子模块统一生效。
打开用户级配置文件：~/.qoder/config.yaml（Windows路径为%USERPROFILE%\.qoder\config.yaml）。
定位到llm:区块，若不存在则从空行开始手动写入以下四行，缩进必须为两个空格：
llm:<br> base_url: "http://127.0.0.1:11434/v1"<br> api_key: "sk-ollama"<br> model: "deepseek-coder:6.7b-instruct-q4_K_M"
保存后关闭所有Qoder进程，重新启动CLI或桌面端——旧进程不会自动重载配置，必须彻底退出再进。
OpenClaw专家 — 用于任何OpenClaw问题或需求，包括配置错误、网关崩溃、网关未启动、斜杠指令、频道路由等。
通过MCP协议注入自定义LLM插件
当你的本地模型服务不兼容OpenAI标准格式（比如带JWT校验、返回字段非choices[0].message.content结构），此法可绕过Qoder内置适配器，完全掌控请求映射逻辑。
方法一：创建插件目录结构
在项目根目录执行：mkdir -p ./mcp-providers/local-ollama，进入该目录。
方法二：编写provider.py
新建provider.py，核心需包含discovery()返回元信息、call()封装HTTP POST到http://127.0.0.1:11434/api/chat，且必须将Qoder传入的messages数组按Ollama要求转为{"messages": [...], "model": "xxx"}格式。
方法三：启用插件
启动Qoder时追加--mcp-provider ./mcp-providers/local-ollama参数，Qoder会自动扫描并注册该Provider。
这一步操作起来很简单，直接把文件拖进去就行。但要注意：【provider.py中必须处理Ollama的流式响应chunk解析，否则交互模式下会卡死】。
离线环境下预置模型与依赖
针对无网络的封闭开发环境（如军工内网、航空电子舱），所有组件必须提前打包验证，部署时零联网。
① 在有网机器上执行：mkdir -p qoder-offline/{models,libs,venv,bin}，然后用modelscope download --model qwen/Qwen2.5-1.5B拉取完整模型权重。
② 将下载好的模型文件夹整体复制进qoder-offline/models/，同时执行pip wheel --no-deps --wheel-dir qoder-offline/libs/wheels -r requirements.txt打包全部Python依赖轮子。
③ 在离线机解压后，先运行python3 -m venv qoder-offline/venv建虚拟环境，再激活并执行：pip install --no-index --find-links=./qoder-offline/libs/wheels --upgrade pip。
④ 安装本地模型框架：pip install ./qoder-offline/libs/openclaw，最后验证：python -c "from transformers import AutoTokenizer; t = AutoTokenizer.from_pretrained('./qoder-offline/models/Qwen2.5-1.5B'); print(t.encode('hello'))"输出数字列表即成功。
