高级

对于自动发现的模型，OpenClaw 使用 /api/show 报告的上下文窗口，包括来自自定义 Modelfile 的更大 PARAMETER num_ctx 值；否则它会回退到 OpenClaw 的默认 Ollama 上下文窗口。

每个模型的 contextWindow 声明原生窗口元数据，每个模型的 contextTokens 限制活动输入。提供商级别的 maxTokens 仍然是输出 Token 默认值；模型条目可以覆盖它。原生 /api/chat 请求首先从正的 params.num_ctx 设置 options.num_ctx，然后（如果存在）从有效模型的 contextTokens 设置。本地发现通常将 contextTokens 限制在 32,768（或模型更小的原生窗口），因此即使没有显式的 params.num_ctx，OpenClaw 也可以覆盖更小的 Modelfile 上下文。无效、零、负数或非有限 params.num_ctx 值会被忽略。只有当两个值都不可用时，Ollama 才会选择其自身的模型、Modelfile、OLLAMA_CONTEXT_LENGTH 或基于 VRAM 的默认值；原生适配器不会直接回退到标称的 contextWindow。升级旧配置后，运行 openclaw doctor --fix。Doctor 会保留当前 contextTokens 上限，而不会创建更强的模型或提供商 num_ctx 固定值；未设上限的遗留原生条目仍会迁移其旧的上下文预算。现有的显式 params.num_ctx 值仍然具有权威性，包括旧版 Doctor 已经写入的固定值。检查或移除过大的现有固定值，以便 contextTokens 再次驱动请求。使用 params.num_ctx 显式覆盖原生请求上下文。OpenAI 兼容适配器默认仍从 params.num_ctx 注入 options.num_ctx，然后从匹配模型条目的 contextTokens 或 contextWindow 注入；如果上游拒绝 options，请使用 injectNumCtxForOpenAICompat: false 禁用。

原生模型条目还接受 params 下的常见 Ollama 运行时选项，并作为原生 /api/chat 的 options 转发：num_keep、seed、num_predict、top_k、top_p、min_p、typical_p、repeat_last_n、temperature、repeat_penalty、presence_penalty、frequency_penalty、stop、num_batch、num_gpu、main_gpu、use_mmap 和 num_thread。运行时采样控制（temperature、topP、frequencyPenalty、presencePenalty 和 seed）会覆盖匹配的模型默认值，包括显式零值。Gateway 的 Chat Completions API 将 top_p、frequency_penalty 和 presence_penalty 映射到这些控制项。在 temperature: 0 时，OpenClaw 在应用覆盖后仍会将 top_p 规范化为 1，用于贪心采样。少数键（format、keep_alive、truncate、shift）作为顶层请求字段转发，而不是嵌套的 options。本地原生聊天请求默认使用 truncate: false 和 shift: false，因此支持的服务器会拒绝溢出输入，而不是静默丢弃历史。然后 OpenClaw 会尝试压缩并重试，或报告失败。填满窗口的生成仍可能产生带标签的部分回复。此行为已在 Ollama 0.33.3 上验证；旧版服务器可能忽略这些字段。显式的每模型值会覆盖这些默认值。托管模型和 OpenAI 兼容端点保持其现有行为。OpenClaw 仅转发这些 Ollama 请求键，因此诸如 streaming 等仅运行时参数永远不会发送到 Ollama。使用 params.think（或 params.thinking）设置顶层 think；false 会禁用 Qwen 风格思考模型的 API 级思考。

{
  models: {
    providers: {
      ollama: {
        models: [
          {
            id: "llama3.3",
            contextWindow: 131072,
            contextTokens: 32768,
            maxTokens: 65536,
            params: {
              num_ctx: 32768,
              temperature: 0.7,
              top_p: 0.9,
              thinking: false,
            },
          }
        ]
      }
    }
  }
}

每个模型的 agents.defaults.models["ollama/<model>"].params.num_ctx 也有效；如果两者都设置，则显式的提供商模型条目优先。

原生本地 Ollama 压缩摘要默认关闭思考。这可避免摘要使用其默认的三分钟请求窗口进行推理；Qwen3.5 将 low 视为启用思考，而不是降低思考预算。显式的 agents.defaults.compaction.thinkingLevel 会覆盖此偏好。现有的每模型 params.think/params.thinking 设置保持其正常优先级。托管路由保持其压缩默认值。

名为 deepseek-r1、reasoning、reason 或 think 的模型默认被视为 具备推理能力——无需额外配置：

ollama pull deepseek-r1:32b

Ollama 在本地运行且免费，因此自动发现和手动定义的模型的所有模型成本 均为 0。

内置 Ollama 插件为 记忆搜索 注册了一个记忆 嵌入提供方。它使用已配置的 Ollama 基础 URL 和 API 密钥，调用 /api/embed，并在可能时将多个记忆块批量放入一个 input 请求。

当 proxy.enabled=true 时，发往由已配置 baseUrl 派生的精确主机本地 回环源地址的嵌入请求会使用 OpenClaw 的受保护直连路径，而不是受管正向 代理。已配置的主机名本身必须是 localhost 或回环 IP 字面量——仅解析 到回环的 DNS 名称仍会使用受管代理路径。局域网、tailnet、私有网络和公共 Ollama 主机始终保持在受管代理路径上，重定向到其他主机/端口不会继承 信任。proxy.loopbackMode: "proxy" 仍会将回环流量通过代理路由； proxy.loopbackMode: "block" 会在连接前拒绝它——参见 受管代理。

查询时嵌入会对要求或建议使用检索前缀的模型使用检索前缀： nomic-embed-text、qwen3-embedding 和 mxbai-embed-large。文档批次 保持原始状态，因此现有索引无需格式迁移。

嵌入并发和批处理行为由 Ollama 记忆提供方管理。对于远程嵌入主机，请使用 受支持的 remote.baseUrl 和 remote.apiKey 字段，将身份验证范围限定 到该主机：

{
  memory: {
    search: {
      provider: "ollama",
      model: "nomic-embed-text",
      remote: {
        baseUrl: "http://gpu-box.local:11434",
        apiKey: "ollama-local",
      },
    },
  },
}