OpenClaw Token 永久自由且免费!Ollam

天哪，你知道我第一次看到AI Agent的账单时，差点把电脑砸了！

事情是这样的。我折腾OpenClaw有一阵子了，最开始也是按套路出牌——挂Claude API，让它帮我做个自动化周报。结果呢？一个下午，20万Tokens！账单弹出来的时候，我血压直接飙到180！你说我一个普通打工人，一个月几百块钱的API费用说花就花，这谁扛得住啊！

后来我才发现一个超级反直觉的事：你以为AI Agent必须靠云端烧钱？错了！OpenClaw有个隐藏属性——它天生就能对接本地模型，而且跟Ollama搭上线，就一行命令的事！

说到这儿，你是不是已经开始搓手了？

先来聊聊那个让你肉疼的Token陷阱

你看，OpenClaw这玩意儿的逻辑是“思考-行动-观察”死循环——任务卡住了，它就反复调模型。我那天挂了Claude测一个文件整理任务，5分钟跑掉12万Tokens，按官网价格差不多6美元。6美元啊！够我吃一顿麻辣烫了！

而且我周围好多人都在硬扛云端费用。有人像做贼一样写脚本蹭各家免费额度，薅得心惊胆战。我就想：这事儿一定有更痛快的解法！

你猜怎么着？还真有。而且它就藏在你家那台落灰的电脑里。

Ollama是什么？一句话讲清楚

就是能在你自己电脑上跑大模型的工具！没有注册门槛，不用绑信用卡，下载完立刻能用。支持的主流通用模型多到像自助餐厅菜单——Llama、Mistral、Qwen、DeepSeek、GLM……你想得到的开源模型它基本都能拉下来。

我当时选它，就三个原因，每个都让我想拍桌子：

1. 安装简单到离谱——官网下载一个exe，或者终端一行curl命令，完事。最烦折腾环境的人，最爱这种。

2. OpenClaw直接认它——原生接口！不用走兼容OpenAI那条绕路，工具调用和流式输出稳得一批。

3. 模型随便换——ollama run qwen3.5 就启动了，想换一个？ollama run deepseek-r1:8b，下一秒就换。

是不是感觉跟点外卖一样简单？

我的实操流水账（带血的教训）

我用了两台电脑：PC-01跑OpenClaw 2026.3.13，PC-02跑Ollama 0.17.7。分开跑的好处是：低配机专心做模型推理，主力机做编排，互不干扰。你想想，就像厨房里切菜和炒菜分工明确，效率翻倍！

第一步：装Ollama，拉模型！

PC-02是i5-12400 + 16GB内存 + 集显，所以我选了Qwen3.5:4B。4B参数日常够用，显存不够也能跑。直接终端扔命令：

ollama run qwen3.5:4b

第一次会自动下载，大概七八分钟（我家网贼快）。下载完 ollama ps 看一眼，模型正在运行，默认服务在 127.0.0.1:11434。

坑死了！ 这个坑我踩得特别惨：Ollama默认只绑定本机。如果你OpenClaw装在其他机器，根本访问不了。怎么办呢？在PC-02上设环境变量 OLLAMA_HOST=0.0.0.0，然后重启Ollama。之后用PC-01浏览器打开 http://192.168.x.x:11434，看到Ollama的API文档界面，成了！

第二步：配置OpenClaw，又摔一跤

新版本OpenClaw（2026.3.11后）有个隐藏的“坑”：如果你直接选Ollama作为provider，它会自动帮你下载一个20GB的glm-4.7-flash！我刚装上时没注意，愣是等了一个小时，还以为出bug了。你说气不气？

正确操作：先 openclaw uninstall 清掉旧配置，再手动指定provider。

我在配置里加了这一段，保存重启：

provider: ollama
model: qwen3.5:4b
ollama_host: http://192.168.1.102:11434

重启完OpenClaw，看到终端显示 loading model qwen3.5:4b，没报错！那一刻的感觉，就像夏天喝到第一口冰可乐——爽！

更简单的方法（如果你Ollama和OpenClaw在同一台机器）：装完Ollama拉好模型后，直接命令行两句话：

openclaw config set provider ollama
openclaw config set model qwen3.5:4b

完事。连配置文件都不用写。

那些让我想摔键盘的踩坑记录

1. Mac发热问题

我在MacBook Pro M1上也试了。跑qwen3.5:8b的时候，风扇直接起飞！但活动监视器里内存压力一直绿色。后来换4B就凉快了。所以，如果你用Mac，建议根据内存压力选模型。黄色以上就换小的。MacBook Air无风扇的，老老实实跑4B以下，不然能当暖手宝用。

2. 局域网访问端口坑

有朋友问我为什么局域网里其他设备访问不了Ollama。排查半天，就是环境变量没设。记住这句话：

• Windows：系统环境变量加 `OLLAMA_HOST=0.0.0.0`
• Mac/Linux：`export OLLAMA_HOST=0.0.0.0`
• 然后重启Ollama服务

3. Context Length太短

跑复杂任务时，OpenClaw会截断历史记录，导致它反复出错。我后来在Ollama启动参数里加了 --num-ctx 256000，上下文窗口拉到256k，就很少出这个问题了。

省钱的真相：同样的任务，价格差100倍！

我拿一个自动整理桌面文件的测试来对比：

• 挂Claude 3.5 Sonnet：跑了5分钟，消耗约12万Tokens，按官网价格大概6美元。
• 挂本地的Qwen3.5:4B：同样5分钟，**零Token**——就是几毛钱电费！

你想想，6美元 vs 几毛钱！而且本地模型在“归纳文件类型–创建文件夹–移动文件–生成索引”这种日常操作里，表现跟云端差不多。

我现在日常任务全用本地模型，只有写复杂代码或做深度推理才切云端。这个混合策略，每月省下来将近80美元！数据还不出本机，隐私也稳妥。

那些白嫖方案，都只是暂时饭票

网上那些薅免费Token的文章，我全看过。Google Gemini每月有免费配额，国内智谱、通义千问也给新人额度。但额度总会用完，服务商一收紧政策就没了。说到底，真正一劳永逸的，还是本地部署。

Ollama + 开源模型这条路，除了硬件成本（如果你电脑够强甚至不用花），后续几乎零开销。

未来？本地模型越来越能打！

最近看到Llama 4 Scout在Mac M3 Ultra上的跑分——512GB内存能把接近200B的模型塞进显存！而Qwen3.5系列已经做到0.6B都能在手机上跑。OpenClaw自己也在文档里专门开了Ollama集成页面，原话说是“最受欢迎的部署方式之一”。

我觉得这事儿特别有意思：当本地模型的能力曲线无限逼近云端顶级API，而硬件成本又在快速下降——Token焦虑被消除，只是时间问题。 未来的AI Agent可能默认就是本地优先，云端做兜底，而不再是所有人都往API账单里砸钱。

至少对我来说，从被Token账单吓哭到实现“自由使用”，就差一个Ollama加一个下午的折腾。

剩下的，就交给你的想象力了。

但记住一句话：能让你不用看价格就放心用的AI，才是真正属于你的AI。