LM Studio

LM Studio เรียกใช้โมเดล llama.cpp (GGUF) หรือ MLX ภายในเครื่อง โดยเป็นแอป GUI หรือดีมอน llmster แบบไม่มีส่วนติดต่อผู้ใช้ สำหรับเอกสารการติดตั้งและผลิตภัณฑ์ โปรดดู lmstudio.ai

เริ่มต้นอย่างรวดเร็ว

lms server start --port 1234

lms daemon up

export LM_API_TOKEN="your-lm-studio-api-token"

openclaw onboard

เปลี่ยนโมเดลเริ่มต้นภายหลัง:

openclaw models set lmstudio/qwen/qwen3.5-9b

คีย์โมเดล LM Studio ใช้รูปแบบ author/model-name (เช่น qwen/qwen3.5-9b) ส่วนการอ้างอิงโมเดลของ OpenClaw จะเติมผู้ให้บริการไว้ข้างหน้า: lmstudio/qwen/qwen3.5-9b ค้นหาคีย์ที่แน่นอนของโมเดลได้โดยเรียกใช้ คำสั่งด้านล่างและดูฟิลด์ key:

curl http://localhost:1234/api/v1/models

การเริ่มต้นใช้งานแบบไม่โต้ตอบ

openclaw onboard --non-interactive --accept-risk --auth-choice lmstudio

หรือระบุ URL ฐาน โมเดล และคีย์ API อย่างชัดเจน:

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 รับคีย์โมเดลตามที่ LM Studio ส่งคืน (เช่น qwen/qwen3.5-9b) โดยไม่มี คำนำหน้าผู้ให้บริการ lmstudio/ ส่ง --lmstudio-api-key (หรือตั้งค่า LM_API_TOKEN) สำหรับเซิร์ฟเวอร์ ที่มีการยืนยันตัวตน หากเซิร์ฟเวอร์ไม่มีการยืนยันตัวตนให้ละเว้นค่านี้ แล้ว OpenClaw จะจัดเก็บเครื่องหมาย เฉพาะเครื่องที่ไม่เป็นข้อมูลลับแทน --custom-api-key ยังคงรองรับเพื่อความเข้ากันได้ แต่แนะนำให้ใช้ --lmstudio-api-key

การดำเนินการนี้จะเขียน models.providers.lmstudio และตั้งโมเดลเริ่มต้นเป็น lmstudio/<custom-model-id> การระบุคีย์ API จะเขียนโปรไฟล์การยืนยันตัวตน lmstudio:default ด้วย

การตั้งค่าแบบโต้ตอบยังสามารถถามความยาวบริบทสำหรับการโหลดที่ต้องการ และนำค่านั้นไปใช้กับ โมเดลที่ค้นพบซึ่งบันทึกลงในการกำหนดค่า

การกำหนดค่า

ความเข้ากันได้ของข้อมูลการใช้งานแบบสตรีม

LM Studio ไม่ได้ส่งออบเจ็กต์ usage ที่มีรูปแบบตาม OpenAI ในการตอบกลับแบบสตรีมเสมอไป OpenClaw จะกู้คืนจำนวนโทเค็นจากเมทาดาทารูปแบบ llama.cpp อย่าง timings.prompt_n / timings.predicted_n แทน ปลายทางที่เข้ากันได้กับ OpenAI ซึ่งถูกระบุว่าเป็นปลายทางภายในเครื่อง (โฮสต์ลูปแบ็ก) จะใช้ ทางเลือกสำรองเดียวกันนี้ ซึ่งครอบคลุมแบ็กเอนด์ภายในเครื่องอื่นๆ เช่น vLLM, SGLang, llama.cpp, LocalAI, Jan, TabbyAPI และ text-generation-webui

ความเข้ากันได้ของการคิด

เมื่อการค้นหา /api/v1/models ของ LM Studio รายงานตัวเลือกการใช้เหตุผลเฉพาะโมเดล OpenClaw จะแสดงค่า reasoning_effort ที่ตรงกัน (none, minimal, low, medium, high, xhigh) ใน เมทาดาทาความเข้ากันได้ของโมเดล LM Studio บางบิลด์ประกาศตัวเลือก UI แบบไบนารี (allowed_options: ["off", "on"]) แต่ปฏิเสธค่าตรงตัวเหล่านั้นบน /v1/chat/completions โดย OpenClaw จะปรับ รูปแบบไบนารีนั้นให้เป็นมาตราส่วนหกระดับก่อนส่งคำขอ รวมถึงการกำหนดค่าที่บันทึกไว้รุ่นเก่าซึ่ง ยังมีแมปการใช้เหตุผล off/on

การกำหนดค่าอย่างชัดเจน

{  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,          },        ],      },    },  },}

การปิดใช้การโหลดล่วงหน้า

LM Studio รองรับการโหลดโมเดลแบบทันเวลาพอดี (JIT) โดยจะโหลดโมเดลเมื่อมีคำขอครั้งแรก ตามค่าเริ่มต้น OpenClaw จะโหลดโมเดลล่วงหน้าผ่านปลายทางการโหลดแบบเนทีฟของ LM Studio ซึ่งมีประโยชน์เมื่อ ปิดใช้ JIT หากต้องการให้ JIT, TTL เมื่อไม่มีการใช้งาน และพฤติกรรมขับโมเดลออกอัตโนมัติของ LM Studio จัดการวงจรชีวิตโมเดลแทน ให้ปิดขั้นตอนการโหลดล่วงหน้าของ OpenClaw:

{  models: {    providers: {      lmstudio: {        baseUrl: "http://localhost:1234/v1",        api: "openai-completions",        params: { preload: false },        models: [{ id: "qwen/qwen3.5-9b" }],      },    },  },}

โฮสต์ LAN หรือ tailnet

ใช้ที่อยู่ของโฮสต์ LM Studio ที่เข้าถึงได้ คง /v1 ไว้ และตรวจสอบว่า LM Studio บนเครื่องนั้น ผูกกับที่อยู่นอกเหนือจากลูปแบ็ก:

{  models: {    providers: {      lmstudio: {        baseUrl: "http://gpu-box.local:1234/v1",        apiKey: "lmstudio",        api: "openai-completions",        models: [{ id: "qwen/qwen3.5-9b" }],      },    },  },}

lmstudio จะเชื่อถือปลายทางที่กำหนดค่าไว้โดยอัตโนมัติสำหรับคำขอโมเดล รวมถึงโฮสต์ลูปแบ็ก LAN และ tailnet (ยกเว้นต้นทางแบบเมทาดาทา/ลิงก์โลคัล) รายการผู้ให้บริการที่กำหนดเอง/ภายในเครื่อง ซึ่งเข้ากันได้กับ OpenAI จะได้รับความเชื่อถือสำหรับต้นทางเดียวกันทุกประการ คำขอไปยังโฮสต์หรือพอร์ตส่วนตัวอื่น ยังคงต้องใช้ models.providers.<id>.request.allowPrivateNetwork: true โดยตั้งค่าเป็น false เพื่อเลือกไม่ใช้ ความเชื่อถือตามค่าเริ่มต้น

การแก้ไขปัญหา

ตรวจไม่พบ LM Studio

ตรวจสอบว่า LM Studio กำลังทำงานอยู่:

lms server start --port 1234

หากเปิดใช้การยืนยันตัวตน ให้ตั้งค่า LM_API_TOKEN ด้วย ตรวจสอบว่าสามารถเข้าถึง API ได้:

curl http://localhost:1234/api/v1/models

ข้อผิดพลาดในการยืนยันตัวตน (HTTP 401)

• ตรวจสอบว่า LM_API_TOKEN ตรงกับคีย์ที่กำหนดค่าไว้ใน LM Studio
• โปรดดู การยืนยันตัวตนของ LM Studio
• หากเซิร์ฟเวอร์ไม่ต้องการการยืนยันตัวตน ให้เว้นคีย์ว่างไว้ระหว่างการตั้งค่า

เนื้อหาที่เกี่ยวข้อง

• การเลือกโมเดล
• Ollama
• โมเดลภายในเครื่อง