OpenClaw 本地模型终极实战：vLLM 部署优化完整教程！

OpenClaw 如何切换到本地模型？如果希望在执行自动化任务时保持流畅、不出现卡顿，同时避免频繁触发上下文长度限制，那么选择一个合适的开源模型就非常关键。

对于 OpenClaw 来说，模型不仅需要具备良好的推理能力和语言理解能力，还需要拥有稳定的工具调用（Tool Calling）能力。因为在自动化任务中，模型需要频繁调用各种工具完成操作，因此工具调用能力往往是选择模型时最重要的指标之一。

很多人在第一次尝试本地部署模型时，往往会选择 Ollama。它的优点确实很明显：安装简单、配置方便，几乎可以做到"傻瓜式"部署。

但在 OpenClaw 这种自动化任务场景下，Ollama 的调用方式和推理速度并不理想。实际使用中往往会遇到两个问题：

推理速度较慢
上下文长度很容易被耗尽

在连续运行多个任务后，经常会出现上下文不够用的情况。

因此，如果你希望获得更稳定、更高效的本地部署体验，就需要选择更合适的推理框架。

一般来说：

远程集群 / 多 Agent 场景 ：推荐使用 SGLang
单卡本地部署 ：强烈推荐 vLLM

目前来看，vLLM 可以说是单机部署 OpenClaw 的最佳解决方案之一。

接下来我就给大家详细介绍vLLM 部署本地模型并对接到OpenClaw 的整个过程：

前期准备：

在开始之前，建议大家安装下 Windows Terminal，它是一款新式、快速、高效、强大且高效的Windows 的终端程序，适用于命令行工具和命令提示符，PowerShell和 WSL 等 Shell 用户。可以方便我们切换不同的系统！

点击下载：https://pan.quark.cn/s/a909c9a5ae8c

一、安装 WSL2

在 PowerShell（管理员）执行：

bash 复制代码

wsl --install

安装完成后重启电脑，然后安装Ubuntu**，**

bash 复制代码

wsl --install -d Ubuntu

检查版本：

bash 复制代码

wsl --version

确保输出结果是：WSL2

二、WSL 安装 CUDA 驱动支持

先确认 Windows 已安装 NVIDIA 驱动。

检查：

bash 复制代码

nvidia-smi

然后在 WSL Ubuntu 里运行：

bash 复制代码

nvidia-smi

如果出现显卡信息说明 GPU直通成功。例如：

bash 复制代码

RTX 4090 # 根据你自己的显卡而定

三、安装 Python 环境

更新系统：

sudo apt update sudo apt upgrade -y

bash 复制代码

sudo apt update
sudo apt upgrade -y

安装 Python：

sudo apt install python3-pip python3-venv -y

bash 复制代码

sudo apt install python3-pip python3-venv -y

创建虚拟环境：

cd ~ python3 -m venv vllm-env

bash 复制代码

cd ~
python3 -m venv vllm-env

进入环境：

source vllm-env/bin/activate

bash 复制代码

source vllm-env/bin/activate

四、安装 vLLM

安装命令：

pip install --upgrade pip

pip install --upgrade pip pip install vllm

bash 复制代码

pip install --upgrade pip
pip install vllm

安装完成后测试：

python -c "import vllm; print('vLLM installed')"

bash 复制代码

python -c "import vllm; print('vLLM installed')"

五、下载模型

推荐模型：

bash 复制代码

Qwen2.5-14B-Instruct-AWQ

模型优点：

中文强
Agent能力好
支持更全面的工具调用能力

启动 vLLM 时会自动下载模型。

显存提示

本教程演示使用的是 24GB 显存显卡。如果你的显存更小，建议选择参数规模更小的模型，否则在加载模型时可能会出现：显存不足（Out of Memory）的问题。

如果显存不够大，那么可以选择：Qwen2.5-7B-Instruct-AWQ 或 Qwen2.5-4B 等更小的模型

六、启动 vLLM 服务

运行命令：

bash 复制代码

python -m vllm.entrypoints.openai.api\_server \\

\--model Qwen/Qwen2.5\-14B-Instruct-AWQ \\

\--quantization awq\_marlin \\

\--gpu-memory-utilization 0.9 \\

\--enable-auto-tool-choice \\

\--tool-call-parser hermes

python -m vllm.entrypoints.openai.api\_server \\ --model Qwen/Qwen2.5-14B-Instruct-AWQ \\ --quantization awq\_marlin \\ --gpu-memory-utilization 0.9 \\ --max-model-len 32768 \\ --enable-auto-tool-choice \\ --tool-call-parser hermes

bash 复制代码

python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-14B-Instruct-AWQ \
  --quantization awq_marlin \
  --gpu-memory-utilization 0.9 \
  --max-model-len 32768 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes

成功后会看到：

说明 API 已启动成功。

七、测试模型

在 Windows PowerShell 测试：

curl http://127.0.0.1:8000/v1/models

bash 复制代码

curl http://127.0.0.1:8000/v1/models

返回模型信息：

Qwen/Qwen2.5-14B-Instruct-AWQ

说明连接正常。

八、安装 OpenClaw

在 WSL 子系统里执行安装命令：

先安装Nodejs

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -

sudo apt install -y nodejs

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -

sudo apt install -y nodejs

bash 复制代码

curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -<br />sudo apt install -y nodejs

再执行安装Openclaw

sudo npm install -g openclaw@latest

bash 复制代码

sudo npm install -g openclaw@latest

九、OpenClaw 配置本地模型

进入配置：

bash 复制代码

openclaw onboard

添加模型：

模型提供商必须选择自定义的：

Base URL：http://127.0.0.1:8000/v1

API key：123456 (随便填写)

模型名称：Qwen2.5-14B-Instruct-AWQ

最后保存即可！

十、OpenClaw 推荐参数（优化）

为了避免卡顿：

Context length：6000--8000

Temperature：0.7

Max tokens：2048

十一、优化推理速度（强烈推荐）

vLLM启动参数建议：

**注意：**这是RTX4090显卡的配置，请根据你自己的显卡显存来适当修改max-model-len 后面的参数

bash 复制代码

python -m vllm.entrypoints.openai.api\_server \\

\--model Qwen/Qwen2.5\-14B-Instruct-AWQ \\

\--quantization awq\_marlin \\

\--gpu-memory-utilization 0.9 \\

\--enable-auto-tool-choice \\

\--tool-call-parser hermes

python -m vllm.entrypoints.openai.api\_server \\ --model Qwen/Qwen2.5-14B-Instruct-AWQ \\ --quantization awq\_marlin \\ --gpu-memory-utilization 0.9 \\ --max-model-len 32768 \\ --enable-auto-tool-choice \\ --tool-call-parser hermes

bash 复制代码

python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen2.5-14B-Instruct-AWQ \
  --quantization awq_marlin \
  --gpu-memory-utilization 0.9 \
  --max-model-len 32768 \
  --enable-auto-tool-choice \
  --tool-call-parser hermes

效果：

prefix cache 加速 prompt
GPU利用率更高

十二、解决长对话卡顿

在 OpenClaw System Prompt 加：

When the conversation becomes long,

summarize previous messages into a short memory.

Keep the memory under 200 tokens.

这样：

8000 token

↓

200 token memory

速度不会下降。

十三、最终性能参考（RTX4090）

Qwen2.5-14B-Instruct-AWQ：

指标	数值
token生成速度	90--130 token/s
首 token 延迟	0.4 -- 0.8 秒
最大上下文	32K tokens（建议实际用 8K--16K）
显存占用	10--12GB

本地模型跑 Openclaw 就完全够用。