【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理
------【独家】🦞 OpenClaw + LM Studio 本地模型稳定 CUDA GPU 加速推理配置指南（源码部署版）
目标 ：让 OpenClaw 调用本地 LM Studio 运行的模型，代替 Ollama 实现稳定的 CUDA GPU 推理，体验极速的本地模型服务
部署方式 ：从源代码部署 （非 npm 全局安装）
环境 ：Windows + WSL2（推荐）或原生 Windows
版本：OpenClaw 2026.2.13 (a2b45e1)
前置篇：
【OpenClaw 本地实战 Ep.1】抛弃 Ollama？转向 LM Studio！Windows 下用 NVIDIA 显卡搭建 OpenClaw 本地极速推理服务
目录
[【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理](#【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理)
[------【独家】🦞 OpenClaw + LM Studio 本地模型稳定 CUDA GPU 加速推理配置指南（源码部署版）](#——【独家】🦞 OpenClaw + LM Studio 本地模型稳定 CUDA GPU 加速推理配置指南（源码部署版）)
[⚠️ 重要区别：源码部署 vs 全局安装](#⚠️ 重要区别：源码部署 vs 全局安装)
[LM Studio - Local AI on your computer](#LM Studio - Local AI on your computer)
[LM Studio - GitHub](#LM Studio - GitHub)
[安装 LM Studio 并启动本地服务器](#安装 LM Studio 并启动本地服务器)
[openclaw · GitHub](#openclaw · GitHub)
[安装 - OpenClaw](#安装 - OpenClaw)
[第四步：确认 QuickStart 配置](#第四步：确认 QuickStart 配置)
[第六步：配置 API 基础地址](#第六步：配置 API 基础地址)
[第七步：配置 API 密钥](#第七步：配置 API 密钥)
[第九步：指定模型 ID](#第九步：指定模型 ID)
[第十四步：配置外部 API 密钥（可选）](#第十四步：配置外部 API 密钥（可选）)
[⚠️ 关键步骤：手动启动网关服务（易漏！）](#⚠️ 关键步骤：手动启动网关服务（易漏！）)
[🔑 获取带 Token 的完整链接（易漏！）](#🔑 获取带 Token 的完整链接（易漏！）)
[获取当前 Token](#获取当前 Token)
[🧪 测试对话](#🧪 测试对话)
[📋 完整流程图（源码部署版）](#📋 完整流程图（源码部署版）)
[🔧 关键配置回顾](#🔧 关键配置回顾)
[🐛 常见问题：网关相关](#🐛 常见问题：网关相关)
[问题 1：Error: connect ECONNREFUSED 127.0.0.1:18789](#问题 1：Error: connect ECONNREFUSED 127.0.0.1:18789)
[问题 2：Unauthorized 或空白页面](#问题 2：Unauthorized 或空白页面)
[问题 3：端口被占用](#问题 3：端口被占用)
[问题 4：源码修改后网关不更新](#问题 4：源码修改后网关不更新)
[问题 5：对话报错](#问题 5：对话报错)
[🚀 后台运行网关（进阶）](#🚀 后台运行网关（进阶）)
[📝 下一篇预告](#📝 下一篇预告)
[《强制修改 openclaw.json 解锁 32k 上下文记忆》](#《强制修改 openclaw.json 解锁 32k 上下文记忆》)
[《配置固定浏览器 Token，方便切换任意浏览器》](#《配置固定浏览器 Token，方便切换任意浏览器》)
[💡 给源码部署者的额外提示](#💡 给源码部署者的额外提示)
摘要 ： OpenClaw 本地化部署第二弹。告别枯燥的 JSON 文件修改！本文演示如何利用 OpenClaw 自带的 CLI 交互式向导 ，像安装游戏一样，通过简单的问答，零代码将网关连接到本地 LM Studio + NVIDIA 显卡 的推理服务。
标签 ： OpenClaw LM Studio 零代码 本地部署 CLI工具 AI Agent
写在前面：从"大脑"到"身体"
在 Ep.1 抛弃 Ollama？转向 LM Studio！ 中，我们已经成功利用 NVIDIA RTX 3090 的强大算力，在本地 http://127.0.0.1:1234 搭建起了一个兼容 OpenAI 协议的推理服务。
现在的状态是：大脑（LM Studio）已经觉醒，正在等待身体（OpenClaw）的指令。
很多硬核教程会让你直接去修改 json 配置文件，容易出错且劝退。其实，OpenClaw 内置了一个非常人性化的 "初次启动向导" (Onboarding Wizard)。今天我们就用最轻松的方式，把它们连起来！
⚠️ 重要区别：源码部署 vs 全局安装
如果你是通过 git clone 下载源码并在本地开发的，所有命令都需要加 pnpm （或 npm/yarn，取决于你的包管理器）：
| 操作 | 全局安装 (npm ) | 源码部署 (pnpm) |
|---|---|---|
| 启动配置向导 | openclaw onboard --install-daemon |
pnpm openclaw onboard --install-daemon |
| 启动网关服务 | openclaw gateway |
pnpm openclaw gateway |
| 其他子命令 | openclaw <command> |
pnpm openclaw <command> |
💡 新手提示 ：如果你在源码目录下，运行命令后看到
command not found: openclaw错误，说明你忘记加pnpm前缀了！
前置准备
LM Studio - Local AI on your computer
LM Studio - GitHub
安装 LM Studio 并启动本地服务器
-
下载并安装 LM Studio
-
下载一个模型（本文使用
openai/gpt-oss-20b作为示例） -
点击左侧的 "Local Server" 标签
-
启用本地 LLM 服务
-
确保顶部的状态显示为绿色的 Status: Running
-
点击 "Start Server" ，保持默认端口
1234 -
GPU detected with CUDA ：务必勾选 ON
【OpenClaw 本地实战 Ep.1】抛弃 Ollama？转向 LM Studio！Windows 下用 NVIDIA 显卡搭建 OpenClaw 本地极速推理服务
💡 关键检查 ：在浏览器中访问http://127.0.0.1:1234/v1/models，如果能看到 JSON 响应（模型列表），说明 LM Studio 服务器已就绪。
第一步：启动配置向导（源码部署版）
源代码仓库
openclaw · GitHub
全局安装官方文档
安装 - OpenClaw
git clone https://github.com/openclaw/openclaw.git
cd openclaw
pnpm install
pnpm ui:build # auto-installs UI deps on first run
pnpm build本地构建完成之后进入 OpenClaw 源码目录，运行：
pnpm openclaw onboard --install-daemon实际输出：
OpenClaw 2026.2.13 (a2b45e1) --- Ah, the fruit tree company! 🍎
Windows detected --- OpenClaw runs great on WSL2!
Native Windows might be trickier.
Quick setup: wsl --install (one command, one reboot)
Guide: https://docs.openclaw.ai/windows
▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄▄
██░▄▄▄░██░▄▄░██░▄▄▄██░▀██░██░▄▄▀██░████░▄▄▀██░███░██
██░███░██░▀▀░██░▄▄▄██░█░█░██░█████░████░▀▀░██░█░█░██
██░▀▀▀░██░█████░▀▀▀██░██▄░██░▀▀▄██░▀▀░█░██░██▄▀▄▀▄██
▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀▀
🦞 OPENCLAW 🦞 📝 操作解析 ：--install-daemon 参数会安装系统服务（Windows 下是计划任务，Linux 下是 systemd 服务），让网关可以后台运行。对于源码部署，必须在命令前加 pnpm。
第二步：安全警告确认
交互式配置 ， 命令提示符保持为 [pnpm openclaw 上下文]
┌ OpenClaw onboarding
│
◇ Security ──────────────────────────────────────────────────────────────────────────────╮
│ │
│ Security warning --- please read. │
│ │
│ OpenClaw is a hobby project and still in beta. Expect sharp edges. │
│ This bot can read files and run actions if tools are enabled. │
│ A bad prompt can trick it into doing unsafe things. │
│ │
│ If you're not comfortable with basic security and access control, don't run OpenClaw. │
│ Ask someone experienced to help before enabling tools or exposing it to the internet. │
│ │
│ Recommended baseline: │
│ - Pairing/allowlists + mention gating. │
│ - Sandbox + least-privilege tools. │
│ - Keep secrets out of the agent's reachable filesystem. │
│ - Use the strongest available model for any bot with tools or untrusted inboxes. │
│ │
│ Run regularly: │
│ openclaw security audit --deep │
│ openclaw security audit --fix │
│ │
│ Must read: https://docs.openclaw.ai/gateway/security │
│ │
├─────────────────────────────────────────────────────────────────────────────────────────╯
│
◇ I understand this is powerful and inherently risky. Continue?
│ Yes📝 操作解析 ：OpenClaw 是一个功能强大的自动化工具，可以执行代码、访问文件系统。这里要求你确认理解安全风险。使用方向键选择 Yes 并按回车继续。
⚠️ 新手提示：建议先阅读一下给出的安全文档链接，了解如何安全地使用这个工具，特别是当你计划开启工具执行功能时。
第三步：选择配置模式
│
◇ Onboarding mode
│ QuickStart📝 操作解析 ：OpenClaw 提供多种配置模式。QuickStart 是最快上手的选项，会自动配置基础设置。按回车选择即可。
第四步：确认 QuickStart 配置
◇ QuickStart ─────────────────────────╮
│ │
│ Gateway port: 18789 │
│ Gateway bind: Loopback (127.0.0.1) │
│ Gateway auth: Token (default) │
│ Tailscale exposure: Off │
│ Direct to chat channels. │
│ │
├──────────────────────────────────────╯📝 操作解析：这是 OpenClaw 网关的基础配置：
-
Gateway port : 本地服务端口
18789，Web 界面将通过这个端口访问 -
Gateway bind: 绑定到本地回环地址，意味着只有本机能访问（安全）
-
Gateway auth: 使用 Token 认证，防止未授权访问
-
Tailscale exposure: 关闭，不暴露到公网
直接按回车确认这些默认设置。
第五步：选择模型提供商（关键步骤）
│
◇ Model/auth provider
│ Custom Provider📝 操作解析 ：这里要选择模型提供商。因为我们要连接 本地 LM Studio ，而不是 OpenAI、Anthropic 等云服务，所以选择 Custom Provider（自定义提供商）。
使用方向键选中 Custom Provider 后按回车。
第六步：配置 API 基础地址
│
◇ API Base URL
│ http://127.0.0.1:1234/v1 📝 操作解析：这是连接本地 LM Studio 的关键配置！
-
格式 ：
http://127.0.0.1:1234/v1-
127.0.0.1：本地地址（localhost） -
1234：LM Studio 默认端口（如果你改了端口，这里也要改） -
/v1：OpenAI 兼容的 API 路径
-
💡 新手提示：这个地址就是 LM Studio 本地服务器的地址。在 LM Studio 界面左侧 "Local Server" 里能看到这个地址。确保 LM Studio 的服务器已经启动，否则后续会连接失败。
输入地址后按回车。
第七步：配置 API 密钥
│
◇ API Key (leave blank if not required)
│ lm-studio📝 操作解析：LM Studio 本地服务器通常不需要 API 密钥，但有些版本会要求填入任意字符作为占位符。
-
如果 LM Studio 没设置密钥：可以直接回车留空，或填入
lm-studio作为标识 -
如果 LM Studio 设置了密钥：填入你设置的密钥
这里我填入了 lm-studio 作为标识，方便区分这是本地模型。
第八步：选择端点兼容性模式
│
◇ Endpoint compatibility
│ Unknown (detect automatically)📝 操作解析 ：OpenClaw 需要知道你的 API 端点类型。选择 Unknown (detect automatically) 让 OpenClaw 自动检测 LM Studio 的 OpenAI 兼容模式。
第九步：指定模型 ID
│
◇ Model ID
│ openai/gpt-oss-20b📝 操作解析 ：这里要填入你在 LM Studio 中加载的模型标识符。
-
格式 ：
提供商/模型名，例如openai/gpt-oss-20b、lmstudio/llama-3.2等 -
怎么知道填什么？：在 LM Studio 的模型卡片上查看，或使用 LM Studio 默认的标识格式
💡 新手提示：这个 ID 主要是给 OpenClaw 内部识别用的。LM Studio 实际上会忽略这个值，直接运行你当前加载的模型。但为了保持一致性，建议填写你实际加载的模型名称。
第十步：确认自动检测结果
│
◇ Detected OpenAI-compatible endpoint.
│
◇ Endpoint ID
│ custom-127-0-0-1-1234📝 操作解析 ：OpenClaw 成功检测到这是一个 OpenAI 兼容的端点，并自动生成了一个端点 ID custom-127-0-0-1-1234。这个 ID 用于在配置文件中标识这个连接。
直接按回车确认。
第十一步：设置模型别名（可选但推荐）
│
◇ Model alias (optional)
│ local
Configured custom provider: custom-127-0-0-1-1234/openai/gpt-oss-20b📝 操作解析 ：给这个模型配置起一个简单的别名 local，方便后续在命令行或配置文件中引用。
配置完成后，OpenClaw 会显示确认信息：Configured custom provider: custom-127-0-0-1-1234/openai/gpt-oss-20b
第十二步：配置通讯频道（Channels）
│
◇ Channel status ────────────────────────────╮
│ │
│ Telegram: not configured │
│ WhatsApp: not configured │
│ Discord: not configured │
│ IRC: not configured │
│ Google Chat: not configured │
│ Slack: not configured │
│ Signal: not configured │
│ iMessage: not configured │
│ ... │
├─────────────────────────────────────────────╯
│
◇ Select channel (QuickStart)
│ Skip for now📝 操作解析 ：OpenClaw 支持连接多种聊天平台（Telegram、Discord、Slack 等）。作为初次配置，我们选择 Skip for now（暂时跳过），先确保核心功能正常运行。
💡 新手提示：频道配置可以在后续随时添加。建议先通过 Web UI 测试本地模型是否正常工作，再配置具体的聊天平台。
第十三步：配置技能（Skills）
│
◇ Skills status ─────────────╮
│ │
│ Eligible: 6 │
│ Missing requirements: 34 │
│ Missing requirements: 34 │
│ Unsupported on this OS: 8 │
│ Blocked by allowlist: 0 │
│ │
├─────────────────────────────╯
│
◇ Configure skills now? (recommended)
│ Yes
│
◇ Install missing skill dependencies
│ Skip for now📝 操作解析：Skills 是 OpenClaw 的扩展功能（如网页搜索、文件操作、图像生成等）。这里显示有 6 个可用技能，34 个缺少依赖。
选择 Yes 查看技能配置，但先 Skip for now 安装依赖，因为我们主要目标是先让本地模型跑起来。
第十四步：配置外部 API 密钥（可选）
接下来会询问是否为各种技能设置 API 密钥：
◇ Set GOOGLE_PLACES_API_KEY for goplaces?
│ No
│
◇ Set NOTION_API_KEY for notion?
│ No
│
◇ Set OPENAI_API_KEY for openai-image-gen?
│ No
│
◇ Set OPENAI_API_KEY for openai-whisper-api?
│ No
│
◇ Set ELEVENLABS_API_KEY for sag?
│ No📝 操作解析 ：这些都是第三方服务的 API 密钥。因为我们目标是完全离线 使用本地模型，所以全部选择 No。
💡 新手提示：如果你后续需要让 OpenClaw 生成图片（需要 OpenAI API）、语音识别（需要 Whisper API）等，可以之后再配置这些密钥。
第十五步：配置自动化钩子（Hooks）
◇ Hooks ──────────────────────────────────────────────────────────╮
│ │
│ Hooks let you automate actions when agent commands are issued. │
│ Example: Save session context to memory when you issue /new. │
│ │
│ Learn more: https://docs.openclaw.ai/automation/hooks │
│ │
├──────────────────────────────────────────────────────────────────╯
│
◇ Enable hooks?
│ 🚀 boot-md, 📎 bootstrap-extra-files, 📝 command-logger, 💾 session-memory
│
◇ Hooks Configured ────────────────────────────────────────────────────────────────╮
│ │
│ Enabled 4 hooks: boot-md, bootstrap-extra-files, command-logger, session-memory │
│ │
│ You can manage hooks later with: │
│ openclaw hooks list │
│ openclaw hooks enable <name> │
│ openclaw hooks disable <name> │
│ │
├───────────────────────────────────────────────────────────────────────────────────╯📝 操作解析：Hooks 是自动化脚本，可以在特定事件时自动执行操作。这里启用了 4 个实用钩子：
-
boot-md: 启动时加载 Markdown 文件
-
bootstrap-extra-files: 自动加载额外文件
-
command-logger: 记录命令历史
-
session-memory: 自动保存会话记忆
使用空格键选择这些钩子，然后按回车确认。
第十六步：重启网关服务
◇ Gateway service runtime ────────────────────────────────────────────╮
│ │
│ QuickStart uses Node for the Gateway service (stable + supported). │
│ │
├──────────────────────────────────────────────────────────────────────╯
│
◇ Gateway service already installed
│ Restart
│
◒ Restarting Gateway service...Restarted Scheduled Task: OpenClaw Gateway
◇ Gateway service restarted.📝 操作解析 ：OpenClaw 需要将新配置应用到网关服务。选择 Restart 重启服务。
第十七步：处理健康检查警告（常见问题）
◇
Health check failed: gateway closed (1006 abnormal closure (no close frame)): no close reason
Gateway target: ws://127.0.0.1:18789
Source: local loopback
Config: C:\Users\love\.openclaw\openclaw.json
Bind: loopback
│
◇ Health check help ────────────────────────────────╮
│ │
│ Docs: │
│ https://docs.openclaw.ai/gateway/health │
│ https://docs.openclaw.ai/gateway/troubleshooting │
│ │
├────────────────────────────────────╯
Control UI assets missing; building (ui:build, auto-installs UI deps)...📝 操作解析 ：这里出现了健康检查失败！错误代码 1006 表示 WebSocket 连接异常关闭。这通常是因为：
-
网关服务还没完全启动：需要等待几秒
-
Control UI 资源缺失：OpenClaw 检测到 Web 界面文件不存在，正在自动构建
看到 Control UI assets missing; building 是正常的首次安装过程，OpenClaw 会自动下载依赖并构建前端界面。
第十八步：访问控制面板
◇ Control UI ───────────────────────────────────────────────────────────────────────────────╮
│ │
│ Web UI: http://127.0.0.1:18789/ │
│ Web UI (with token): │
│ http://127.0.0.1:18789/#token=487b61768f269f04957e4991c96706635bbf7cbc886f60e1 │
│ Gateway WS: ws://127.0.0.1:18789 │
│ Gateway: not detected (gateway closed (1006 abnormal closure (no close frame)): no close │
│ reason) │
│ Docs: https://docs.openclaw.ai/web/control-ui │
│ │
├────────────────────────────────────────────────────────────────────────────────────────────╯📝 操作解析：构建完成后，OpenClaw 提供了 Web 界面的访问地址：
-
基础地址 ：
http://127.0.0.1:18789/ -
带 Token 的地址 ：
http://127.0.0.1:18789/#token=...（自动登录）
💡 新手提示 ：虽然显示
Gateway: not detected，但只要 Web UI 能打开就说明配置成功。这个警告通常是因为健康检查在构建完成前执行导致的。
第十九步：完成配置
◇ Dashboard ready ────────────────────────────────────────────────────────────────╮
│ │
│ Dashboard link (with token): │
│ http://127.0.0.1:18789/#token=487b61768f269f04957e4991c96706635bbf7cbc886f60e1 │
│ Opened in your browser. Keep that tab to control OpenClaw. │
│ │
├──────────────────────────────────────────────────────────────────────────────────╯
│
◇ Web search (optional) ─────────────────────────────────────────────────────────────────╮
│ │
│ If you want your agent to be able to search the web, you'll need an API key. │
│ │
│ OpenClaw uses Brave Search for the `web_search` tool. Without a Brave Search API key, │
│ web search won't work. │
│ │
│ Set it up interactively: │
│ - Run: openclaw configure --section web │
│ - Enable web_search and paste your Brave Search API key │
│ │
│ Docs: https://docs.openclaw.ai/tools/web │
│ │
├─────────────────────────────────────────────────────────────────────────────────────────╯
│
◇ What now ─────────────────────────────────────────────────────────────╮
│ │
│ What now: https://openclaw.ai/showcase ("What People Are Building"). │
│ │
├────────────────────────────────────────────────────────────────────────╯
│
└ Onboarding complete. Dashboard opened; keep that tab to control OpenClaw.📝 操作解析：配置完成！
新手容易在后边 web 界面的步骤踩坑，所以我拆分成单独的章节撰写，请继续往下看！
⚠️ 关键步骤：手动启动网关服务（易漏！）
这是最容易踩坑的地方！ 配置向导完成后，你会看到：
└ Onboarding complete. Dashboard opened; keep that tab to control OpenClaw.但是！ 如果你此时直接点击打开的浏览器链接，可能会看到 "无法连接" 或 空白页面。因为：
🔴 配置向导并没有真正启动网关服务！ 它只是写入了配置文件，网关需要单独启动。
启动网关（源码部署版）
在另一个终端窗口（或按 Ctrl+C 停止当前进程后），在源码目录下运行：
pnpm openclaw gateway
预期输出：
OpenClaw 2026.2.13 (a2b45e1) --- Less middlemen, more messages.
15:05:37 [canvas] host mounted at http://127.0.0.1:18789/__openclaw__/canvas/ (root C:\Users\love\.openclaw\canvas)
15:05:37 [heartbeat] started
15:05:37 [gateway] agent model: custom-127-0-0-1-1234/openai/gpt-oss-20b
15:05:37 [gateway] listening on ws://127.0.0.1:18789 (PID 53664)
15:05:37 [gateway] listening on ws://[::1]:18789
15:05:37 [gateway] log file: \tmp\openclaw\openclaw-2026-02-14.log
15:05:37 [browser/service] Browser control service ready (profiles=2)
📝 操作解析：
-
这个命令会阻塞终端，保持运行状态（前台运行）
-
看到
gateway\] agent model: custom-127-0-0-1-1234/openai/gpt-oss-20b \[gateway\] listening on ws://127.0.0.1:18789 (PID 53664) `[browser/service] Browser control service ready (profiles=2)` 表示网关启动成功
🔑 获取带 Token 的完整链接（易漏！）
网关启动后，需要获取访问令牌才能打开浏览器界面。
获取当前 Token
另外打开一个终端，运行以下命令：
pnpm openclaw config get gateway.auth.token该命令会输出当前运行时的实际 Token：
487b61768f269f04957e4991c96706635bbf7cbc886f60e1组装完整链接
将 Token 拼接到 URL 中：
http://127.0.0.1:18789/#token=487b61768f269f04957e4991c96706635bbf7cbc886f60e1📝 操作解析：
-
这个 Token 是动态生成的身份验证令牌，每次重启网关可能会变化
-
使用带 Token 的链接可以免登录直接进入控制面板
-
如果浏览器提示
Unauthorized或空白页面，说明 Token 缺失或错误
验证网关状态
浏览器打开上述链接，如果看到 OpenClaw 的聊天界面，说明网关已正确启动！
💡 新手提示：建议将这个完整链接收藏到浏览器书签，方便下次快速访问。
🧪 测试对话
-
使用带 Token 的链接打开浏览器
-
在对话框中输入：
你好，请确认你是本地 LM Studio 运行的模型
-
如果看到模型回复，说明完整链路已打通！
📋 完整流程图（源码部署版）
# 1. 确保 LM Studio 服务器已启动（在 LM Studio GUI 中操作）
# 检查：浏览器访问 http://127.0.0.1:1234/v1/models 应返回 JSON
# 2. 进入 OpenClaw 源码目录
cd J:\PythonProjects4\openclaw
# 3. 运行配置向导（只需执行一次）
pnpm openclaw onboard --install-daemon
# 4. 【关键】手动启动网关（每次使用都需要保持运行）
pnpm openclaw gateway
# 保持此终端运行，看到 "Control UI available" 即成功
# 5. 【关键】获取 Token 并打开浏览器（另一个终端执行）
pnpm openclaw config get gateway.auth.token
# 组装链接：http://127.0.0.1:18789/#token=<获取的token>🔧 关键配置回顾
| 配置项 | 值 | 说明 |
|---|---|---|
| API Base URL | http://127.0.0.1:1234/v1 |
LM Studio 本地服务器地址 |
| API Key | lm-studio |
本地服务器占位符 |
| Model ID | openai/gpt-oss-20b |
模型标识符 |
| Model Alias | local |
简短别名 |
| Endpoint ID | custom-127-0-0-1-1234 |
自动生成的端点标识 |
| Gateway Port | 18789 |
本地网关端口 |
| Access URL | http://127.0.0.1:18789/#token=<动态token> |
浏览器访问地址 |
🐛 常见问题：网关相关
问题 1：Error: connect ECONNREFUSED 127.0.0.1:18789
原因 ：网关没启动
解决 ：运行 pnpm openclaw gateway
问题 2：Unauthorized 或空白页面
原因 ：Token 缺失、过期或链接错误
解决：
# 重新获取当前有效 Token
pnpm openclaw config get gateway.auth.token
# 然后组装完整 URL 访问问题 3：端口被占用
# 查找占用 18789 端口的进程
lsof -i :18789 # Linux/Mac
netstat -ano | findstr 18789 # Windows
# 终止进程或修改 OpenClaw 配置使用其他端口
pnpm openclaw config set gateway.port 18790问题 4：源码修改后网关不更新
原因 ：需要重新构建
解决：
pnpm build
pnpm openclaw gateway问题 5：对话报错
❌ Error: Embedded agent failed before reply: Model context window too small (4096 tokens). Minimum is 16000.
原因 ：OpenClaw 默认将自定义模型的上下文限制在 4096 token
解决：强制修改 openclaw.json 解锁长上下文记忆
"contextWindow": 32000,
"maxTokens": 32000详细修改方案请看下一篇。
🚀 后台运行网关（进阶）
如果你不希望网关占用当前终端：
Windows (PowerShell)
# 使用 start 命令后台运行
start powershell -Command "cd J:\PythonProjects4\openclaw; pnpm openclaw gateway"
# 或使用安装的计划任务（如果 onboard 时安装了）
schtasks /run /tn "OpenClaw Gateway"Linux/Mac
# 使用 nohup 或 screen
nohup pnpm openclaw gateway > gateway.log 2>&1 &
# 或使用 systemd（如果 onboard 时安装了）
sudo systemctl start openclaw-gateway📝 下一篇预告
《强制修改 openclaw.json 解锁 32k 上下文记忆》
《配置固定浏览器 Token，方便切换任意浏览器》
解决的问题：
-
当前 Token 是动态生成的，每次重启网关都会变化
-
无法方便地在多个浏览器/设备间切换
-
需要每次手动获取 Token 并组装 URL
预告内容：
-
在
openclaw.json中配置静态永久 Token -
使用环境变量
OPENCLAW_STATIC_TOKEN覆盖动态生成 -
配置免 Token 访问（仅本地开发环境，风险自负）
敬请期待！
💡 给源码部署者的额外提示
-
开发模式 ：如果你正在修改 OpenClaw 源码，使用
pnpm dev可以热重载 -
调试日志 ：设置
DEBUG=openclaw:* pnpm openclaw gateway查看详细日志 -
数据库 ：会话数据存储在
~/.openclaw/agents/main/sessions/，可以手动清理 -
完全重置（从头开始）
rm -rf ~/.openclaw pnpm openclaw onboard --install-daemon
祝你使用愉快！🦞 如有问题，记得检查是否漏掉了 pnpm 前缀，以及网关是否已启动！