企业官网建设流程全解析

1. OpenClaw 接 Ollama 跑 Qwen2.5 为什么越聊越慢

如果你正在用 OpenClaw 搭配 Ollama 跑 Qwen2.5，大概率遇到过这种场景：第一轮对话还挺快，三五轮之后响应时间从两三秒涨到十几秒，再往后干脆卡住不动。打开活动监视器一看，内存没爆，CPU 也没跑满，但就是慢。这个现象在本地模型部署里非常典型，核心原因不在模型本身，而在每次请求携带的上下文体积。

OpenClaw 默认会把整段对话历史逐轮累积，包括工具调用的完整输出。你让它读一个文件，文件内容几千字；你让它抓一个网页，返回又是上万字。这些内容不会自动清理，而是原封不动地塞进下一轮请求。Qwen2.5 这类 Transformer 架构的模型，推理耗时和输入长度近似线性增长，注意力机制的计算量更是随序列长度平方级上升。上下文从 2K 涨到 20K，延迟翻好几倍是正常现象。

更麻烦的是 KV Cache。模型生成每个新 Token 时，都要缓存之前所有 Token 的 Key-Value 对。上下文越长，KV Cache 占用的内存带宽越大。Mac 的统一内存虽然快，但同时加载模型权重和膨胀的 KV Cache，带宽很快就被吃满，推理速度直线下降。所以你会看到一种诡异现象：模型明明能跑，但每吐一个字都像在挤牙膏。

这个问题在本地环境尤其突出，因为云端 API 通常有服务端优化和更大的显存池，而本地只有你这一台机器的内存带宽。Qwen2.5:7b 在 M 系列芯片上跑，模型权重本身占 4-5GB，留给 KV Cache 的空间有限。一旦上下文超过某个阈值，性能断崖式下跌。

解决思路不是换模型，也不是加内存，而是从配置文件层面给上下文“瘦身”。OpenClaw 从 v2026.3 版本开始内置了上下文管理机制，通过几个关键配置项就能让系统自动压缩历史、限制记忆长度、截断工具输出。下面我会把完整的配置片段、参数含义、验证方法一步步拆开讲，你照着改完重启就能感受到差别。

2. TaoToken 前置准备与 OpenClaw 配置文件定位

在动手改配置之前，先把环境理清楚。OpenClaw 的配置文件默认放在~/.openclaw/openclaw.json，这是一个 JSON 格式的文件，所有 agent 行为、工具策略、上下文管理都在这里定义。如果你之前没改过，它可能只有基础字段；如果已经跑过一段时间，里面会有你自定义的模型、技能等配置。改的时候注意合并，不要直接覆盖。

Ollama 这边需要确认 Qwen2.5 已经拉取到本地。执行ollama list能看到qwen2.5:7b或你用的其他尺寸。如果还没拉，先ollama pull qwen2.5:7b。Ollama 默认监听http://localhost:11434，OpenClaw 通过这个地址调用本地模型。你可以在 OpenClaw 的模型配置里确认 base URL 指向的是本地 Ollama 而不是云端。

这里插一句，如果你后续想对比本地模型和云端模型的响应差异，或者需要更稳定的长上下文处理能力，可以了解下 TaoToken 的模型接入服务。它提供统一的 API 入口，兼容 OpenAI 格式，配置方式和 Ollama 类似，但省去了本地显存和带宽的瓶颈。官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api ，不加 UTM 参数。对于本地跑不动长上下文的场景，可以作为补充方案。

回到正题。OpenClaw 的上下文管理主要涉及三个模块：contextPruning负责按时间或轮次清理旧消息，compaction负责在上下文快溢出时把早期对话压缩成摘要，tools.outputHandling负责限制工具返回内容的长度。这三个模块配合起来，能把每轮请求的上下文体积压到原来的 20% 以下。

你需要先确认 OpenClaw 版本。执行openclaw --version，如果低于 v2026.3，建议先升级，因为旧版本可能不支持compaction和outputHandling这些字段。升级命令根据你的安装方式不同，npm 全局安装的话是npm update -g openclaw，Homebrew 的话是brew upgrade openclaw。升级完再改配置，避免字段不识别导致启动报错。

配置文件的结构是嵌套的，顶层是agents，下面有defaults，再下面是各个子模块。如果你之前已经配置过agents.defaults.model之类的字段，改的时候把新的配置项加进去，保持 JSON 合法。建议改之前先备份一份：cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.bak。这样万一改错了，openclaw doctor --fix修不回来还能手动恢复。

3. 可复制的 OpenClaw 与 Ollama 配置片段

下面这段配置直接复制到~/.openclaw/openclaw.json的agents.defaults里面。注意 JSON 不支持注释，我在这里用文字说明每个字段的作用，你复制的时候只复制代码块里的内容。

{ "agents": { "defaults": { "contextPruning": { "mode": "cache-ttl", "ttl": "5m", "keepLastAssistants": 3, "softTrimRatio": 0.3, "hardClearRatio": 0.5 }, "compaction": { "enabled": true, "reserveTokens": 16384, "keepRecentTokens": 20000 }, "memory": { "maxTokens": 2000 }, "tools": { "outputHandling": { "maxChars": 1000, "storeFullOutputInArtifact": true } } } } }

contextPruning里的mode: cache-ttl表示按缓存过期时间清理，ttl: 5m是五分钟。keepLastAssistants: 3保留最近三轮助手回复，保证对话连贯。softTrimRatio: 0.3和hardClearRatio: 0.5是软裁剪和硬清理的触发比例，当上下文占用超过阈值时逐步清理。

compaction是核心提速模块。enabled: true开启自动压缩，reserveTokens: 16384为压缩操作预留空间，防止压缩过程中把上下文撑爆。keepRecentTokens: 20000保留最近约两万 Token 的原始消息，这部分不压缩，保证你最近几轮对话的细节不丢失。超出的部分会被摘要替换。

memory.maxTokens: 2000限制长期记忆注入的长度。OpenClaw 的 MEMORY.md 默认可能注入 4000 Token，对本地模型来说负担偏大。2000 足够记录核心偏好，比如你常用的代码风格、项目路径等。

tools.outputHandling是减负利器。maxChars: 1000表示工具输出只保留前 1000 字符进入上下文，完整内容存为文件。storeFullOutputInArtifact: true开启这个存储机制。这样你让它读一个大文件，上下文里只出现文件头部摘要和一个引用标记，需要时再按需读取，不会反复把全文塞进每轮请求。

Ollama 这边也可以配合调一下。虽然 Ollama 本身没有 OpenClaw 这么细的上下文管理，但你可以通过环境变量控制并发和显存占用。在启动 Ollama 的服务配置里加上：

OLLAMA_NUM_PARALLEL=1 OLLAMA_MAX_LOADED_MODELS=1 OLLAMA_KV_CACHE_TYPE=q8_0

OLLAMA_NUM_PARALLEL=1限制同时处理的请求数，避免多个请求争抢内存带宽。OLLAMA_MAX_LOADED_MODELS=1确保只加载一个模型，不把内存分散到多个模型上。OLLAMA_KV_CACHE_TYPE=q8_0把 KV Cache 量化到 8 位，显存占用直接减半，对推理速度影响很小但能显著缓解带宽压力。这三个变量在 macOS 上可以通过launchctl setenv设置，或者写进 Ollama 的 plist 文件。

改完 OpenClaw 配置后，执行openclaw gateway restart重启网关。如果报错，先别慌，运行openclaw doctor --fix，它会尝试自动修复配置格式问题。修复完再重启一次。

4. 验证请求与前后耗时对比

配置改完，怎么确认真的生效了？别只看感觉，用数据说话。第一步，开一个全新会话，执行/new清掉旧上下文。然后随便问几个问题，比如让它读一个中等大小的文件，再追问几轮。同时打开另一个终端，跑openclaw logs --json观察每轮请求的上下文长度。

优化前，你可能会看到请求体里messages数组越来越长，工具输出完整保留，Token 数轻松破万。优化后，同样的操作，messages里早期对话被摘要替换，工具输出只剩头部 1000 字符加一个 artifact 引用，整体 Token 数可能只有原来的 20% 到 30%。

更直观的对比是计时。找一段固定的测试流程：让 OpenClaw 读取一个约 5000 字的文本文件，然后连续追问三个相关问题。优化前记录从发送到收到完整回复的耗时，优化后同样流程再跑一遍。我在 M1 Pro 32GB 的机器上实测，Qwen2.5:7b 优化前第四轮响应约 18 秒，优化后降到 6 秒左右，提升接近三倍。工具输出截断的效果最明显，因为之前每轮都在重复传输那几千字。

如果你用 Charles 或 Proxyman 抓包，可以更精确地看到请求体大小变化。优化前单次请求可能 200KB 以上，优化后降到 40KB 左右。这个体积差异直接反映在推理延迟上，因为模型处理输入的时间大幅缩短。

还有一个验证点是 KV Cache 的内存占用。用ollama ps查看模型运行状态，优化前长上下文时内存占用可能飙到 20GB 以上，优化后稳定在 8-10GB。这说明上下文压缩确实减轻了内存带宽压力，推理速度自然就上来了。

注意，压缩不是无损的。早期对话被摘要后，细节会丢失。如果你需要精确回溯很久之前的某句话，可能会找不到。但日常编码辅助、文档问答这类场景，摘要保留的语义信息足够用。keepRecentTokens: 20000保证了最近几轮对话的完整性，实际体验中几乎感觉不到压缩带来的信息缺失。

5. 本篇常见报错排查

改配置的过程中最容易遇到几类报错，这里逐个说清楚怎么处理。

第一类是openclaw gateway restart后启动失败，日志里出现unknown field "compaction"或invalid config。这通常是因为 OpenClaw 版本低于 v2026.3，不认识新字段。先openclaw --version确认版本，低于要求就升级。如果版本没问题，检查 JSON 格式，常见错误是漏了逗号、多了逗号、引号不匹配。用python -m json.tool ~/.openclaw/openclaw.json可以快速校验 JSON 合法性。

第二类是local proxy failed或connection refused。这说明 OpenClaw 连不上 Ollama。先确认 Ollama 在跑：ollama list能返回模型列表就说明服务正常。然后检查 OpenClaw 配置里的 base URL 是不是http://localhost:11434。如果 Ollama 跑在别的端口或别的机器上，地址要对应改。Mac 上有时 Ollama 会绑定到127.0.0.1而不是localhost，两个都试试。

第三类是401 unauthorized。如果你在 OpenClaw 里同时配了云端模型和本地模型，可能请求被路由到了云端但 Key 不对。检查agents.defaults.model指向的是不是本地 Ollama 模型。如果确实要用云端，确认 API Key 配置正确。TaoToken 的 Key 可以在控制台创建，地址是 https://taotoken.net/console ，创建后填入配置即可。

第四类是reading choices报错，通常出现在响应解析阶段。这可能是 Ollama 返回的格式和 OpenClaw 预期不一致。检查 Ollama 版本，太旧的版本 API 格式可能有差异。升级 Ollama 到最新版通常能解决。另外确认模型名称拼写正确，qwen2.5:7b不要写成qwen2.5-7b或qwen2.5:7B，大小写和分隔符都要对。

第五类是OAuth相关报错。如果你在 OpenClaw 里配置了需要 OAuth 的云端服务，但本地模型不需要 OAuth。检查是不是某个技能或工具触发了云端认证流程。在纯本地场景下，可以把相关技能暂时禁用，或者确认agents.defaults.model明确指向 Ollama。

如果以上都排查完还是有问题，运行openclaw doctor --fix，它会扫描配置并尝试自动修复常见问题。修复后再openclaw gateway restart。实在不行，把备份的openclaw.json.bak恢复回去，从干净配置重新一步步加，每加一段重启一次，定位到具体是哪个字段导致的报错。

6. 长期编码场景的模型接入选择

本地模型优化完之后，日常编码辅助的响应速度确实能回到可用状态。但如果你需要处理超长上下文，比如整个代码仓库的分析、大型文档的连续问答，本地模型的上下文窗口和内存带宽始终是硬约束。Qwen2.5:7b 的上下文窗口虽然标称 32K，但实际跑到 20K 以上时延迟已经很明显，再往上就力不从心了。

这种场景下，把本地模型和云端模型搭配使用是更务实的做法。日常轻量对话、隐私敏感的内容走本地 Ollama，需要长上下文或高并发的时候切到云端 API。TaoToken 的 Coding Plan 就是针对长期编码和 Agent 场景设计的，提供稳定的模型接入和上下文处理能力，配置方式和 Ollama 类似，改一下 base URL 和 Key 就能切换。具体可以看 https://taotoken.net/coding-plan 。

如果你只是想先验证一下模型对话效果，不想折腾本地环境，可以直接用 TaoToken 的模型对话功能试几轮，地址是 https://taotoken.net/models 。接入文档在 https://taotoken.net/doc ，API Key 在 https://taotoken.net/api-keys 创建。Claude Code 相关的接入配置可以参考 https://taotoken.net/claude-code 。

回到 OpenClaw 的配置优化，核心就一句话：别让历史包袱拖垮本地推理。compaction压缩早期对话，outputHandling截断工具输出，memory.maxTokens限制记忆注入，三个配置项配合起来，Qwen2.5 在本地就能跑出该有的速度。改完记得用openclaw logs --json验证上下文体积变化，数据不会骗人。