Zum Hauptinhalt springen

​
LM Studio

LM Studio ist eine benutzerfreundliche und zugleich leistungsstarke App, mit der Sie Open-Weight-Modelle auf Ihrer eigenen Hardware ausführen können. Sie ermöglicht das Ausführen von llama.cpp- (GGUF) oder MLX-Modellen (Apple Silicon). Sie ist als GUI-Paket oder als Headless-Daemon (llmster) verfügbar. Produkt- und Einrichtungsdokumentation finden Sie unter lmstudio.ai.

​
Schnellstart

  1. Installieren Sie LM Studio (Desktop) oder llmster (Headless) und starten Sie dann den lokalen Server:
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. Starten Sie den Server
Stellen Sie sicher, dass Sie entweder die Desktop-App starten oder den Daemon mit folgendem Befehl ausführen: 
lms daemon up

lms server start --port 1234
Wenn Sie die App verwenden, stellen Sie sicher, dass JIT für ein reibungsloses Erlebnis aktiviert ist. Weitere Informationen finden Sie im Leitfaden zu LM Studio JIT und TTL.
  1. OpenClaw benötigt einen LM Studio-Tokenwert. Setzen Sie LM_API_TOKEN:
export LM_API_TOKEN="your-lm-studio-api-token"
Wenn die LM Studio-Authentifizierung deaktiviert ist, verwenden Sie einen beliebigen nicht leeren Tokenwert: 
export LM_API_TOKEN="placeholder-key"
Einzelheiten zur Einrichtung der LM Studio-Authentifizierung finden Sie unter LM Studio Authentication.
  1. Führen Sie das Onboarding aus und wählen Sie LM Studio:
openclaw onboard
  1. Verwenden Sie im Onboarding die Eingabeaufforderung Default model, um Ihr LM Studio-Modell auszuwählen.
Sie können es auch später festlegen oder ändern: 
openclaw models set lmstudio/qwen/qwen3.5-9b
LM Studio-Modellschlüssel folgen dem Format author/model-name (z. B. qwen/qwen3.5-9b). OpenClaw-Modellreferenzen stellen den Providernamen voran: lmstudio/qwen/qwen3.5-9b. Sie finden den genauen Schlüssel für ein Modell, indem Sie curl http://localhost:1234/api/v1/models ausführen und im Feld key nachsehen.

​
Nicht interaktives Onboarding

Verwenden Sie das nicht interaktive Onboarding, wenn Sie die Einrichtung skripten möchten (CI, Bereitstellung, Remote-Bootstrap): 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
Oder geben Sie mit API-Schlüssel die Basis-URL oder das Modell an: 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio \
  --custom-base-url http://localhost:1234/v1 \
  --lmstudio-api-key "$LM_API_TOKEN" \
  --custom-model-id qwen/qwen3.5-9b
--custom-model-id verwendet den von LM Studio zurückgegebenen Modellschlüssel (z. B. qwen/qwen3.5-9b) ohne das Providerpräfix lmstudio/. Für das nicht interaktive Onboarding ist --lmstudio-api-key erforderlich (oder LM_API_TOKEN in der Umgebung). Für nicht authentifizierte LM Studio-Server funktioniert jeder nicht leere Tokenwert. --custom-api-key wird aus Kompatibilitätsgründen weiterhin unterstützt, aber --lmstudio-api-key wird für LM Studio bevorzugt. Dadurch wird models.providers.lmstudio geschrieben, das Standardmodell auf lmstudio/<custom-model-id> gesetzt und das Auth-Profil lmstudio:default geschrieben. Die interaktive Einrichtung kann nach einer optionalen bevorzugten Kontextlänge beim Laden fragen und wendet sie auf die erkannten LM Studio-Modelle an, die in der Konfiguration gespeichert werden.

​
Konfiguration

​
Explizite Konfiguration

{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://localhost:1234/v1",
        apiKey: "${LM_API_TOKEN}",
        api: "openai-completions",
        models: [
          {
            id: "qwen/qwen3-coder-next",
            name: "Qwen 3 Coder Next",
            reasoning: false,
            input: ["text"],
            cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
            contextWindow: 128000,
            maxTokens: 8192,
          },
        ],
      },
    },
  },
}

​
Fehlerbehebung

​
LM Studio wurde nicht erkannt

Stellen Sie sicher, dass LM Studio ausgeführt wird und dass Sie LM_API_TOKEN gesetzt haben (für nicht authentifizierte Server funktioniert jeder nicht leere Tokenwert): 
# Starten Sie über die Desktop-App oder headless:
lms server start --port 1234
Prüfen Sie, ob die API erreichbar ist: 
curl http://localhost:1234/api/v1/models

​
Authentifizierungsfehler (HTTP 401)

Wenn bei der Einrichtung HTTP 401 gemeldet wird, überprüfen Sie Ihren API-Schlüssel:
  • Prüfen Sie, ob LM_API_TOKEN mit dem in LM Studio konfigurierten Schlüssel übereinstimmt.
  • Einzelheiten zur Einrichtung der LM Studio-Authentifizierung finden Sie unter LM Studio Authentication.
  • Wenn Ihr Server keine Authentifizierung erfordert, verwenden Sie einen beliebigen nicht leeren Tokenwert für LM_API_TOKEN.

​
Just-in-Time-Modellladen

LM Studio unterstützt Just-in-Time- (JIT-)Modellladen, bei dem Modelle bei der ersten Anfrage geladen werden. Stellen Sie sicher, dass dies aktiviert ist, um Fehler wie „Model not loaded“ zu vermeiden.