必须完成端到端执行测试才能验证本地模型配置成功：先运行ollama list确认模型loaded，再修改config.yaml中base_url和model字段（须与ollama list输出完全一致），最后通过CLI命令、HTTP API或Web UI提交任务，观察是否返回正确结果及沙盒日志中是否存在合法JSON action指令。
☞☞☞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中验证本地模型是否配置成功并能正常响应任务，必须完成模型接入后的端到端执行测试，不能只检查配置文件是否保存或API是否通。
确认本地模型服务已就绪
先确保你本地运行的模型服务（如Ollama、vLLM或llama.cpp）已启动且监听指定端口。例如Ollama默认监听http://localhost:11434，运行ollama list确认目标模型（如qwen3:32b）处于loaded状态。若服务未启动，后续所有测试都会卡在连接超时。
这一步不可跳过——OpenClaw不会自动拉起模型服务，它只负责调用。
修改OpenClaw配置文件指向本地模型
打开config.yaml，定位到llm节点，将base_url设为本地服务地址，model填入Ollama中实际注册的模型名（不是文件名），api_key留空或填任意非空字符串（Ollama不校验key）：
llm: base_url: "http://localhost:11434/v1" model: "qwen3:32b" api_key: "sk-xxx"
【model字段必须与ollama list输出完全一致，大小写、冒号、版本号都不能错】
运行最小可验证任务测试
方法一：使用内置CLI命令快速验证
执行python -m openclaw.cli test --task "print('hello')" --max-steps 1。该命令会绕过Web UI，直接触发Agent执行单步Python打印任务，并输出完整日志。若看到✅ Action executed successfully和返回值hello，说明模型推理链路通畅。
方法二：通过HTTP API手动触发
用curl发送POST请求：curl -X POST http://localhost:8000/agent/run -H "Content-Type: application/json" -d '{"task":"计算2+2的结果","model":"qwen3:32b"}'。注意：此处model字段值必须与config.yaml中一致，否则会fallback到默认模型。
方法三：启动Web UI后人工提交
运行python -m openclaw.webui → 浏览器打开http://localhost:8000 → 在输入框提交“列出当前目录下的所有.py文件” → 观察右侧执行面板是否出现ls *.py命令并返回真实文件列表。若长时间显示“thinking…”且无任何action输出，大概率是模型响应为空或格式错误。
查看沙盒容器内执行痕迹
第一步：找到OpenClaw启动时创建的沙盒容器名，通常以openclaw-sandbox-开头，运行docker ps | grep openclaw确认。
第二步：进入容器内部查看日志：docker exec -it [CONTAINER_ID] cat /tmp/openclaw/last_action.log。该文件记录了模型输出的原始JSON action指令，可判断是否生成了合法的{"action": "execute", "args": {"command": "ls"}} 结构。
第三步：若日志为空或报json decode error，说明模型返回了非JSON文本（比如带markdown格式或解释性语句），需调整系统提示词或启用strict mode。
第四步：检查/tmp/openclaw/execution_output.log，确认命令是否真实执行并捕获stdout。这里能看到main.py、utils.py等真实文件名，而非“找不到命令”的报错。
