--- read_when: - คุณต้องการรัน OpenClaw ด้วยโมเดลบนคลาวด์หรือโมเดลในเครื่องผ่าน Ollama - คุณต้องการคำแนะนำในการตั้งค่าและกำหนดค่า Ollama - คุณต้องการโมเดลวิชันของ Ollama สำหรับการทำความเข้าใจภาพ summary: เรียกใช้ OpenClaw ด้วย Ollama (โมเดลบนคลาวด์และโมเดลในเครื่อง) title: Ollama x-i18n: generated_at: "2026-06-27T18:15:01Z" model: gpt-5.5 postprocess_version: locale-links-v1 provider: openai source_hash: 929db683f4861f117f5866bdbc4af9a70752b2848a6f09437eb2f8b32b5ff37b source_path: providers/ollama.md workflow: 16 --- OpenClaw ผสานกับ API ดั้งเดิมของ Ollama (`/api/chat`) สำหรับโมเดลคลาวด์แบบโฮสต์และเซิร์ฟเวอร์ Ollama แบบ local/โฮสต์เอง คุณสามารถใช้ Ollama ได้สามโหมด: `Cloud + Local` ผ่านโฮสต์ Ollama ที่เข้าถึงได้, `Cloud only` กับ `https://ollama.com`, หรือ `Local only` กับโฮสต์ Ollama ที่เข้าถึงได้ OpenClaw ยังลงทะเบียน `ollama-cloud` เป็น id ผู้ให้บริการแบบโฮสต์ระดับ first-class สำหรับ การใช้ Ollama Cloud โดยตรง ใช้ ref เช่น `ollama-cloud/kimi-k2.5:cloud` เมื่อคุณ ต้องการการกำหนดเส้นทางแบบ cloud-only โดยไม่ใช้ id ผู้ให้บริการ `ollama` แบบ local ร่วมกัน สำหรับหน้าตั้งค่าเฉพาะแบบ cloud-only โปรดดู [Ollama Cloud](/th/providers/ollama-cloud) **ผู้ใช้ Ollama ระยะไกล**: อย่าใช้ URL ที่เข้ากันได้กับ OpenAI แบบ `/v1` (`http://host:11434/v1`) กับ OpenClaw เพราะจะทำให้การเรียกใช้เครื่องมือเสียหาย และโมเดลอาจส่งออก JSON ของเครื่องมือดิบเป็นข้อความธรรมดา ให้ใช้ URL API ดั้งเดิมของ Ollama แทน: `baseUrl: "http://host:11434"` (ไม่มี `/v1`) การกำหนดค่าผู้ให้บริการ Ollama ใช้ `baseUrl` เป็นคีย์มาตรฐาน OpenClaw ยังยอมรับ `baseURL` เพื่อความเข้ากันได้กับตัวอย่างสไตล์ OpenAI SDK แต่การกำหนดค่าใหม่ควรใช้ `baseUrl` ## กฎการยืนยันตัวตน โฮสต์ Ollama แบบ local และ LAN ไม่ต้องใช้ bearer token จริง OpenClaw ใช้เครื่องหมาย `ollama-local` แบบ local เฉพาะกับ URL ฐานของ Ollama ที่เป็น loopback, เครือข่ายส่วนตัว, `.local`, และชื่อโฮสต์เปล่าเท่านั้น โฮสต์สาธารณะระยะไกลและ Ollama Cloud (`https://ollama.com`) ต้องใช้ข้อมูลรับรองจริงผ่าน `OLLAMA_API_KEY`, โปรไฟล์ยืนยันตัวตน, หรือ `apiKey` ของผู้ให้บริการ สำหรับการใช้แบบโฮสต์โดยตรง ควรใช้ผู้ให้บริการ `ollama-cloud` id ผู้ให้บริการแบบกำหนดเองที่ตั้งค่า `api: "ollama"` จะใช้กฎเดียวกัน ตัวอย่างเช่น ผู้ให้บริการ `ollama-remote` ที่ชี้ไปยังโฮสต์ Ollama บน LAN ส่วนตัวสามารถใช้ `apiKey: "ollama-local"` ได้ และ sub-agent จะ resolve เครื่องหมายนั้นผ่าน hook ของผู้ให้บริการ Ollama แทนที่จะถือว่าเป็นข้อมูลรับรองที่ขาดหาย การค้นหาหน่วยความจำยังสามารถตั้งค่า `agents.defaults.memorySearch.provider` เป็น id ผู้ให้บริการแบบกำหนดเองนั้น เพื่อให้ embeddings ใช้ endpoint Ollama ที่ตรงกัน `auth-profiles.json` เก็บข้อมูลรับรองสำหรับ id ผู้ให้บริการ วางการตั้งค่า endpoint (`baseUrl`, `api`, id โมเดล, headers, timeouts) ไว้ใน `models.providers.` ไฟล์ auth-profile แบบแบนรุ่นเก่า เช่น `{ "ollama-windows": { "apiKey": "ollama-local" } }` ไม่ใช่รูปแบบ runtime ให้รัน `openclaw doctor --fix` เพื่อเขียนใหม่เป็นโปรไฟล์ API key มาตรฐาน `ollama-windows:default` พร้อมไฟล์สำรอง `baseUrl` ในไฟล์นั้นเป็น noise เพื่อความเข้ากันได้และควรถูกย้ายไปยังการกำหนดค่าผู้ให้บริการ เมื่อใช้ Ollama สำหรับ embeddings หน่วยความจำ การยืนยันตัวตนแบบ bearer จะถูกจำกัดขอบเขตไว้ที่โฮสต์ที่ประกาศไว้: - คีย์ระดับผู้ให้บริการจะถูกส่งไปยังโฮสต์ Ollama ของผู้ให้บริการนั้นเท่านั้น - `agents.*.memorySearch.remote.apiKey` จะถูกส่งไปยังโฮสต์ embedding ระยะไกลของตัวเองเท่านั้น - ค่า env `OLLAMA_API_KEY` ล้วนจะถูกถือเป็นธรรมเนียมของ Ollama Cloud และโดยค่าเริ่มต้นจะไม่ส่งไปยังโฮสต์ local หรือโฮสต์เอง ## เริ่มต้นใช้งาน เลือกวิธีตั้งค่าและโหมดที่คุณต้องการ **เหมาะสำหรับ:** เส้นทางที่เร็วที่สุดในการตั้งค่า Ollama cloud หรือ local ให้ใช้งานได้ ```bash openclaw onboard ``` เลือก **Ollama** จากรายชื่อผู้ให้บริการ - **Cloud + Local** — โฮสต์ Ollama แบบ local พร้อมโมเดลคลาวด์ที่กำหนดเส้นทางผ่านโฮสต์นั้น - **Cloud only** — โมเดล Ollama แบบโฮสต์ผ่าน `https://ollama.com` - **Local only** — โมเดล local เท่านั้น `Cloud only` จะถามหา `OLLAMA_API_KEY` และแนะนำค่าเริ่มต้นคลาวด์แบบโฮสต์ `Cloud + Local` และ `Local only` จะถามหา URL ฐานของ Ollama, ค้นหาโมเดลที่มีอยู่, และ auto-pull โมเดล local ที่เลือกหากยังไม่มี เมื่อ Ollama รายงาน tag `:latest` ที่ติดตั้งแล้ว เช่น `gemma4:latest` การตั้งค่าจะแสดงโมเดลที่ติดตั้งนั้นครั้งเดียว แทนที่จะแสดงทั้ง `gemma4` และ `gemma4:latest` หรือ pull alias เปล่าอีกครั้ง `Cloud + Local` ยังตรวจสอบด้วยว่าโฮสต์ Ollama นั้นลงชื่อเข้าใช้สำหรับการเข้าถึงคลาวด์หรือไม่ ```bash openclaw models list --provider ollama ``` ### โหมดไม่โต้ตอบ ```bash openclaw onboard --non-interactive \ --auth-choice ollama \ --accept-risk ``` ระบุ URL ฐานหรือโมเดลแบบกำหนดเองเพิ่มเติมได้: ```bash openclaw onboard --non-interactive \ --auth-choice ollama \ --custom-base-url "http://ollama-host:11434" \ --custom-model-id "qwen3.5:27b" \ --accept-risk ``` **เหมาะสำหรับ:** การควบคุมการตั้งค่าคลาวด์หรือ local อย่างเต็มที่ - **Cloud + Local**: ติดตั้ง Ollama, ลงชื่อเข้าใช้ด้วย `ollama signin`, และกำหนดเส้นทางคำขอคลาวด์ผ่านโฮสต์นั้น - **Cloud only**: ใช้ `https://ollama.com` กับ `OLLAMA_API_KEY` - **Local only**: ติดตั้ง Ollama จาก [ollama.com/download](https://ollama.com/download) ```bash ollama pull gemma4 # or ollama pull gpt-oss:20b # or ollama pull llama3.3 ``` สำหรับ `Cloud only` ให้ใช้ `OLLAMA_API_KEY` จริงของคุณ สำหรับการตั้งค่าที่มีโฮสต์รองรับ ค่า placeholder ใดก็ใช้ได้: ```bash # Cloud export OLLAMA_API_KEY="your-ollama-api-key" # Local-only export OLLAMA_API_KEY="ollama-local" # Or configure in your config file openclaw config set models.providers.ollama.apiKey "OLLAMA_API_KEY" ``` ```bash openclaw models list openclaw models set ollama/gemma4 ``` หรือตั้งค่าเริ่มต้นใน config: ```json5 { agents: { defaults: { model: { primary: "ollama/gemma4" }, }, }, } ``` ## โมเดลคลาวด์ `Cloud + Local` ใช้โฮสต์ Ollama ที่เข้าถึงได้เป็นจุดควบคุมสำหรับทั้งโมเดล local และคลาวด์ นี่คือ flow แบบ hybrid ที่ Ollama แนะนำ ใช้ **Cloud + Local** ระหว่างการตั้งค่า OpenClaw จะถาม URL ฐานของ Ollama, ค้นหาโมเดล local จากโฮสต์นั้น, และตรวจสอบว่าโฮสต์ลงชื่อเข้าใช้สำหรับการเข้าถึงคลาวด์ด้วย `ollama signin` หรือไม่ เมื่อโฮสต์ลงชื่อเข้าใช้แล้ว OpenClaw ยังแนะนำค่าเริ่มต้นคลาวด์แบบโฮสต์ เช่น `kimi-k2.5:cloud`, `minimax-m2.7:cloud`, และ `glm-5.1:cloud` หากโฮสต์ยังไม่ได้ลงชื่อเข้าใช้ OpenClaw จะคงการตั้งค่าเป็น local-only จนกว่าคุณจะรัน `ollama signin` `Cloud only` ทำงานกับ API แบบโฮสต์ของ Ollama ที่ `https://ollama.com` ใช้ **Cloud only** ระหว่างการตั้งค่า OpenClaw จะถามหา `OLLAMA_API_KEY`, ตั้งค่า `baseUrl: "https://ollama.com"`, และใส่รายการโมเดลคลาวด์แบบโฮสต์เริ่มต้น เส้นทางนี้ **ไม่** ต้องใช้เซิร์ฟเวอร์ Ollama แบบ local หรือ `ollama signin` รายการโมเดลคลาวด์ที่แสดงระหว่าง `openclaw onboard` ถูกเติมแบบ live จาก `https://ollama.com/api/tags` โดยจำกัดที่ 500 รายการ ดังนั้นตัวเลือกจะสะท้อน catalog แบบโฮสต์ปัจจุบัน แทนที่จะเป็น seed แบบคงที่ หาก `ollama.com` เข้าถึงไม่ได้หรือไม่ส่งคืนโมเดลระหว่างตั้งค่า OpenClaw จะ fallback ไปยังคำแนะนำแบบ hardcoded ก่อนหน้าเพื่อให้การเริ่มใช้งานยังเสร็จสมบูรณ์ คุณยังสามารถกำหนดค่าผู้ให้บริการคลาวด์ first-class ได้โดยตรง: ```bash openclaw onboard --auth-choice ollama-cloud openclaw models set ollama-cloud/kimi-k2.5:cloud ``` ในโหมด local-only OpenClaw จะค้นหาโมเดลจาก instance Ollama ที่กำหนดค่าไว้ เส้นทางนี้ใช้สำหรับเซิร์ฟเวอร์ Ollama แบบ local หรือโฮสต์เอง ปัจจุบัน OpenClaw แนะนำ `gemma4` เป็นค่าเริ่มต้นแบบ local ## การค้นหาโมเดล (ผู้ให้บริการโดยนัย) เมื่อคุณตั้งค่า `OLLAMA_API_KEY` (หรือโปรไฟล์ยืนยันตัวตน) และ **ไม่ได้** กำหนด `models.providers.ollama` หรือผู้ให้บริการระยะไกลแบบกำหนดเองอื่นที่มี `api: "ollama"` OpenClaw จะค้นหาโมเดลจาก instance Ollama แบบ local ที่ `http://127.0.0.1:11434` | พฤติกรรม | รายละเอียด | | -------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | การ query catalog | Query `/api/tags` | | การตรวจจับความสามารถ | ใช้การ lookup `/api/show` แบบ best-effort เพื่ออ่าน `contextWindow`, พารามิเตอร์ Modelfile `num_ctx` ที่ขยายแล้ว, และความสามารถรวมถึง vision/tools | | โมเดล vision | โมเดลที่มีความสามารถ `vision` ซึ่งรายงานโดย `/api/show` จะถูกทำเครื่องหมายว่ารองรับรูปภาพ (`input: ["text", "image"]`) ดังนั้น OpenClaw จะ auto-inject รูปภาพเข้าไปใน prompt | | การตรวจจับ reasoning | ใช้ความสามารถจาก `/api/show` เมื่อมี รวมถึง `thinking`; fallback ไปยัง heuristic จากชื่อโมเดล (`r1`, `reasoning`, `think`) เมื่อ Ollama ละเว้นความสามารถ | | ขีดจำกัด token | ตั้งค่า `maxTokens` เป็นขีดจำกัด max-token เริ่มต้นของ Ollama ที่ OpenClaw ใช้ | | ต้นทุน | ตั้งค่าต้นทุนทั้งหมดเป็น `0` | วิธีนี้หลีกเลี่ยงรายการโมเดลด้วยตนเอง พร้อมทำให้ catalog สอดคล้องกับ instance Ollama แบบ local คุณสามารถใช้ ref เต็ม เช่น `ollama/:latest` ใน `infer model run` แบบ local ได้; OpenClaw จะ resolve โมเดลที่ติดตั้งนั้นจาก catalog live ของ Ollama โดยไม่ต้องมีรายการ `models.json` ที่เขียนด้วยมือ สำหรับโฮสต์ Ollama ที่ลงชื่อเข้าใช้แล้ว โมเดล `:cloud` บางรายการอาจใช้งานได้ผ่าน `/api/chat` และ `/api/show` ก่อนที่จะปรากฏใน `/api/tags` เมื่อคุณเลือก ref เต็ม `ollama/:cloud` อย่างชัดเจน OpenClaw จะ validate โมเดลที่หายไปแบบเจาะจงนั้นด้วย `/api/show` และเพิ่มเข้าไปใน runtime catalog เฉพาะเมื่อ Ollama ยืนยัน metadata ของโมเดลเท่านั้น การพิมพ์ผิดยังคงล้มเหลวเป็นโมเดลที่ไม่รู้จัก แทนที่จะถูกสร้างอัตโนมัติ ```bash # See what models are available ollama list openclaw models list ``` สำหรับการทดสอบ smoke test การสร้างข้อความแบบแคบที่หลีกเลี่ยงพื้นผิวเครื่องมือ agent เต็มรูปแบบ ให้ใช้ `infer model run` แบบ local กับ ref โมเดล Ollama แบบเต็ม: ```bash OLLAMA_API_KEY=ollama-local \ openclaw infer model run \ --local \ --model ollama/llama3.2:latest \ --prompt "Reply with exactly: pong" \ --json ``` เส้นทางนั้นยังคงใช้ผู้ให้บริการ, การยืนยันตัวตน, และ transport ดั้งเดิมของ Ollama ที่ OpenClaw กำหนดค่าไว้ แต่จะไม่เริ่ม turn ของ chat-agent หรือโหลดบริบท MCP/tool หาก สิ่งนี้สำเร็จขณะที่การตอบกลับของ agent ปกติล้มเหลว ให้แก้ปัญหาความจุของ prompt/tool สำหรับ agent ของโมเดลเป็นลำดับถัดไป สำหรับ smoke test โมเดล vision แบบแคบบนเส้นทาง lean เดียวกัน ให้เพิ่มไฟล์รูปภาพหนึ่งไฟล์หรือมากกว่า ไปยัง `infer model run` วิธีนี้ส่ง prompt และรูปภาพโดยตรงไปยัง โมเดล vision ของ Ollama ที่เลือก โดยไม่โหลดเครื่องมือแชต, หน่วยความจำ, หรือบริบท session ก่อนหน้า: ```bash OLLAMA_API_KEY=ollama-local \ openclaw infer model run \ --local \ --model ollama/qwen2.5vl:7b \ --prompt "Describe this image in one sentence." \ --file ./photo.jpg \ --json ``` `model run --file` รับไฟล์ที่ตรวจพบเป็น `image/*` รวมถึงอินพุต PNG, JPEG และ WebP ทั่วไป ไฟล์ที่ไม่ใช่รูปภาพจะถูกปฏิเสธก่อนเรียก Ollama สำหรับการรู้จำเสียง ให้ใช้ `openclaw infer audio transcribe` แทน เมื่อคุณสลับการสนทนาด้วย `/model ollama/` OpenClaw จะถือว่า เป็นการเลือกของผู้ใช้อย่างเจาะจง หาก Ollama `baseUrl` ที่กำหนดค่าไว้ เข้าถึงไม่ได้ การตอบกลับถัดไปจะล้มเหลวด้วยข้อผิดพลาดของผู้ให้บริการ แทนที่จะตอบ จากโมเดลสำรองอื่นที่กำหนดค่าไว้แบบเงียบ ๆ งาน Cron แบบแยกเดี่ยวจะทำการตรวจสอบความปลอดภัยภายในเครื่องเพิ่มอีกหนึ่งครั้งก่อนเริ่ม เทิร์นของเอเจนต์ หากโมเดลที่เลือก resolve ไปยังผู้ให้บริการ Ollama แบบภายในเครื่อง, เครือข่ายส่วนตัว หรือ `.local` และเข้าถึง `/api/tags` ไม่ได้ OpenClaw จะบันทึกการรัน Cron นั้น เป็น `skipped` พร้อม `ollama/` ที่เลือกไว้ในข้อความข้อผิดพลาด endpoint preflight จะถูกแคชไว้ 5 นาที ดังนั้นงาน Cron หลายงานที่ชี้ไปยัง daemon Ollama เดียวกัน ที่หยุดอยู่จะไม่ทั้งหมดเริ่มคำขอโมเดลที่ล้มเหลว ตรวจสอบแบบ live-verify เส้นทางข้อความภายในเครื่อง, เส้นทาง native stream และ embeddings กับ Ollama ภายในเครื่องด้วย: ```bash OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OLLAMA=1 OPENCLAW_LIVE_OLLAMA_WEB_SEARCH=0 \ pnpm test:live -- extensions/ollama/ollama.live.test.ts ``` สำหรับการทดสอบ smoke ของ API key สำหรับ Ollama Cloud ให้ชี้ live test ไปที่ `https://ollama.com` และเลือกโมเดลแบบ hosted จากแค็ตตาล็อกปัจจุบัน: ```bash export OLLAMA_API_KEY='' OPENCLAW_LIVE_TEST=1 \ OPENCLAW_LIVE_OLLAMA=1 \ OPENCLAW_LIVE_OLLAMA_BASE_URL=https://ollama.com \ OPENCLAW_LIVE_OLLAMA_MODEL=glm-5.1:cloud \ OPENCLAW_LIVE_OLLAMA_WEB_SEARCH=1 \ pnpm test:live -- extensions/ollama/ollama.live.test.ts ``` Cloud smoke จะรันข้อความ, native stream และ web search โดยค่าเริ่มต้นจะข้าม embeddings สำหรับ `https://ollama.com` เพราะ API key ของ Ollama Cloud อาจไม่มีสิทธิ์ใช้งาน `/api/embed` ตั้งค่า `OPENCLAW_LIVE_OLLAMA_EMBEDDINGS=1` เมื่อคุณต้องการอย่างชัดเจน ให้ live test ล้มเหลวหาก cloud key ที่กำหนดค่าไว้ใช้งาน embed endpoint ไม่ได้ หากต้องการเพิ่มโมเดลใหม่ เพียง pull ด้วย Ollama: ```bash ollama pull mistral ``` โมเดลใหม่จะถูกค้นพบโดยอัตโนมัติและพร้อมใช้งาน หากคุณตั้งค่า `models.providers.ollama` อย่างชัดเจน หรือกำหนดค่าผู้ให้บริการระยะไกลแบบกำหนดเอง เช่น `models.providers.ollama-cloud` พร้อม `api: "ollama"` ระบบจะข้ามการค้นพบอัตโนมัติและคุณต้องกำหนดโมเดลด้วยตนเอง ผู้ให้บริการแบบกำหนดเองที่เป็น loopback เช่น `http://127.0.0.2:11434` จะยังถือว่าเป็นภายในเครื่อง ดูส่วนการกำหนดค่าแบบชัดเจนด้านล่าง ## วิสัยทัศน์และคำอธิบายรูปภาพ Plugin Ollama ที่รวมมาให้จะลงทะเบียน Ollama เป็นผู้ให้บริการความเข้าใจสื่อที่รองรับรูปภาพ ซึ่งทำให้ OpenClaw สามารถ route คำขออธิบายรูปภาพแบบชัดเจนและค่าเริ่มต้นของโมเดลรูปภาพที่กำหนดค่าไว้ผ่านโมเดล vision ของ Ollama ทั้งแบบภายในเครื่องหรือแบบ hosted สำหรับ vision ภายในเครื่อง ให้ pull โมเดลที่รองรับรูปภาพ: ```bash ollama pull qwen2.5vl:7b export OLLAMA_API_KEY="ollama-local" ``` จากนั้นตรวจสอบด้วย infer CLI: ```bash openclaw infer image describe \ --file ./photo.jpg \ --model ollama/qwen2.5vl:7b \ --json ``` `--model` ต้องเป็น ref เต็มรูปแบบ `` เมื่อกำหนดค่านี้ `openclaw infer image describe` จะรันโมเดลนั้นโดยตรง แทนที่จะข้ามคำอธิบายเพราะโมเดลรองรับ native vision ใช้ `infer image describe` เมื่อคุณต้องการ flow ผู้ให้บริการความเข้าใจรูปภาพของ OpenClaw, `agents.defaults.imageModel` ที่กำหนดค่าไว้ และรูปแบบเอาต์พุตคำอธิบายรูปภาพ ใช้ `infer model run --file` เมื่อคุณต้องการ probe โมเดล multimodal แบบ raw พร้อม prompt แบบกำหนดเองและรูปภาพหนึ่งรูปหรือมากกว่า หากต้องการทำให้ Ollama เป็นโมเดลความเข้าใจรูปภาพเริ่มต้นสำหรับสื่อขาเข้า ให้กำหนดค่า `agents.defaults.imageModel`: ```json5 { agents: { defaults: { imageModel: { primary: "ollama/qwen2.5vl:7b", }, }, }, } ``` แนะนำให้ใช้ ref เต็มรูปแบบ `ollama/` หากโมเดลเดียวกันอยู่ในรายการภายใต้ `models.providers.ollama.models` พร้อม `input: ["text", "image"]` และไม่มีผู้ให้บริการรูปภาพอื่นที่กำหนดค่าไว้ expose ID โมเดลแบบ bare เดียวกัน OpenClaw จะ normalize ref `imageModel` แบบ bare เช่น `qwen2.5vl:7b` เป็น `ollama/qwen2.5vl:7b` ด้วย หากมีผู้ให้บริการรูปภาพที่กำหนดค่าไว้มากกว่าหนึ่งรายมี ID แบบ bare เดียวกัน ให้ใช้คำนำหน้าผู้ให้บริการอย่างชัดเจน โมเดล vision ภายในเครื่องที่ช้าอาจต้องใช้ timeout สำหรับความเข้าใจรูปภาพนานกว่าโมเดล cloud นอกจากนี้ยังอาจ crash หรือหยุดทำงานเมื่อ Ollama พยายามจัดสรร vision context เต็มตามที่ประกาศไว้บนฮาร์ดแวร์ที่มีข้อจำกัด ตั้งค่า capability timeout และจำกัด `num_ctx` ในรายการโมเดลเมื่อคุณต้องการเพียงเทิร์นคำอธิบายรูปภาพปกติ: ```json5 { models: { providers: { ollama: { models: [ { id: "qwen2.5vl:7b", name: "qwen2.5vl:7b", input: ["text", "image"], params: { num_ctx: 2048, keep_alive: "1m" }, }, ], }, }, }, tools: { media: { image: { timeoutSeconds: 180, models: [{ provider: "ollama", model: "qwen2.5vl:7b", timeoutSeconds: 300 }], }, }, }, } ``` timeout นี้ใช้กับความเข้าใจรูปภาพขาเข้าและเครื่องมือ `image` แบบชัดเจนที่เอเจนต์เรียกใช้ได้ระหว่างเทิร์น `models.providers.ollama.timeoutSeconds` ระดับผู้ให้บริการยังคงควบคุมตัวป้องกันคำขอ HTTP ของ Ollama ที่อยู่ข้างใต้สำหรับการเรียกโมเดลปกติ ตรวจสอบแบบ live-verify เครื่องมือรูปภาพแบบชัดเจนกับ Ollama ภายในเครื่องด้วย: ```bash OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_OLLAMA_IMAGE=1 \ pnpm test:live -- src/agents/tools/image-tool.ollama.live.test.ts ``` หากคุณกำหนด `models.providers.ollama.models` ด้วยตนเอง ให้ทำเครื่องหมายโมเดล vision ว่ารองรับอินพุตรูปภาพ: ```json5 { id: "qwen2.5vl:7b", name: "qwen2.5vl:7b", input: ["text", "image"], contextWindow: 128000, maxTokens: 8192, } ``` OpenClaw จะปฏิเสธคำขอคำอธิบายรูปภาพสำหรับโมเดลที่ไม่ได้ทำเครื่องหมายว่ารองรับรูปภาพ เมื่อใช้การค้นพบแบบ implicit OpenClaw จะอ่านค่านี้จาก Ollama เมื่อ `/api/show` รายงาน capability ด้าน vision ## การกำหนดค่า เส้นทางเปิดใช้งานแบบภายในเครื่องเท่านั้นที่ง่ายที่สุดคือผ่านตัวแปรสภาพแวดล้อม: ```bash export OLLAMA_API_KEY="ollama-local" ``` หากตั้งค่า `OLLAMA_API_KEY` ไว้ คุณสามารถละ `apiKey` ในรายการผู้ให้บริการได้ และ OpenClaw จะเติมค่านี้สำหรับการตรวจสอบความพร้อมใช้งาน ใช้การกำหนดค่าแบบชัดเจนเมื่อคุณต้องการตั้งค่า cloud แบบ hosted, Ollama รันบน host/port อื่น, ต้องการบังคับ context window หรือรายการโมเดลเฉพาะ หรือคุณต้องการนิยามโมเดลด้วยตนเองทั้งหมด ```json5 { models: { providers: { ollama: { baseUrl: "https://ollama.com", apiKey: "OLLAMA_API_KEY", api: "ollama", models: [ { id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", reasoning: false, input: ["text", "image"], cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 }, contextWindow: 128000, maxTokens: 8192 } ] } } } } ``` หาก Ollama รันบน host หรือ port อื่น (การกำหนดค่าแบบชัดเจนจะปิดใช้งานการค้นพบอัตโนมัติ ดังนั้นให้กำหนดโมเดลด้วยตนเอง): ```json5 { models: { providers: { ollama: { apiKey: "ollama-local", baseUrl: "http://ollama-host:11434", // No /v1 - use native Ollama API URL api: "ollama", // Set explicitly to guarantee native tool-calling behavior timeoutSeconds: 300, // Optional: give cold local models longer to connect and stream models: [ { id: "qwen3:32b", name: "qwen3:32b", params: { keep_alive: "15m", // Optional: keep the model loaded between turns }, }, ], }, }, }, } ``` อย่าเพิ่ม `/v1` ใน URL path `/v1` ใช้โหมดที่เข้ากันได้กับ OpenAI ซึ่งการเรียกใช้เครื่องมือไม่น่าเชื่อถือ ใช้ URL ฐานของ Ollama โดยไม่มี path suffix ## สูตรที่พบบ่อย ใช้รายการเหล่านี้เป็นจุดเริ่มต้นและแทนที่ ID โมเดลด้วยชื่อที่ตรงจาก `ollama list` หรือ `openclaw models list --provider ollama` ใช้ตัวเลือกนี้เมื่อ Ollama รันบนเครื่องเดียวกับ Gateway และคุณต้องการให้ OpenClaw ค้นพบโมเดลที่ติดตั้งไว้โดยอัตโนมัติ ```bash ollama serve ollama pull gemma4 export OLLAMA_API_KEY="ollama-local" openclaw models list --provider ollama openclaw models set ollama/gemma4 ``` เส้นทางนี้ทำให้การกำหนดค่าน้อยที่สุด อย่าเพิ่มบล็อก `models.providers.ollama` เว้นแต่คุณต้องการกำหนดโมเดลด้วยตนเอง ใช้ URL ของ Ollama แบบ native สำหรับ host ใน LAN อย่าเพิ่ม `/v1` ```json5 { models: { providers: { ollama: { baseUrl: "http://gpu-box.local:11434", apiKey: "ollama-local", api: "ollama", timeoutSeconds: 300, contextWindow: 32768, maxTokens: 8192, models: [ { id: "qwen3.5:9b", name: "qwen3.5:9b", reasoning: true, input: ["text"], params: { num_ctx: 32768, thinking: false, keep_alive: "15m", }, }, ], }, }, }, agents: { defaults: { model: { primary: "ollama/qwen3.5:9b" }, }, }, } ``` `contextWindow` คือ budget ของ context ฝั่ง OpenClaw `params.num_ctx` จะถูกส่งไปยัง Ollama สำหรับคำขอ จัดให้สอดคล้องกันเมื่อฮาร์ดแวร์ของคุณไม่สามารถรัน context เต็มตามที่โมเดลประกาศไว้ได้ ใช้ตัวเลือกนี้เมื่อคุณไม่ได้รัน daemon ภายในเครื่องและต้องการใช้โมเดล Ollama แบบ hosted โดยตรง ```bash export OLLAMA_API_KEY="your-ollama-api-key" ``` ```json5 { models: { providers: { ollama: { baseUrl: "https://ollama.com", apiKey: "OLLAMA_API_KEY", api: "ollama", models: [ { id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", reasoning: false, input: ["text", "image"], contextWindow: 128000, maxTokens: 8192, }, ], }, }, }, agents: { defaults: { model: { primary: "ollama/kimi-k2.5:cloud" }, }, }, } ``` ใช้ตัวเลือกนี้เมื่อ daemon Ollama ภายในเครื่องหรือใน LAN ได้ลงชื่อเข้าใช้ด้วย `ollama signin` และควรให้บริการทั้งโมเดลภายในเครื่องและโมเดล `:cloud` ```bash ollama signin ollama pull gemma4 ``` ```json5 { models: { providers: { ollama: { baseUrl: "http://127.0.0.1:11434", apiKey: "ollama-local", api: "ollama", timeoutSeconds: 300, models: [ { id: "gemma4", name: "gemma4", input: ["text"] }, { id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", input: ["text", "image"] }, ], }, }, }, agents: { defaults: { model: { primary: "ollama/gemma4", fallbacks: ["ollama/kimi-k2.5:cloud"], }, }, }, } ``` ใช้ ID ผู้ให้บริการแบบกำหนดเองเมื่อคุณมีเซิร์ฟเวอร์ Ollama มากกว่าหนึ่งเครื่อง ผู้ให้บริการแต่ละรายจะมี host, โมเดล, auth, timeout และ ref โมเดลของตนเอง ```json5 { models: { providers: { "ollama-fast": { baseUrl: "http://mini.local:11434", apiKey: "ollama-local", api: "ollama", contextWindow: 32768, models: [{ id: "gemma4", name: "gemma4", input: ["text"] }], }, "ollama-large": { baseUrl: "http://gpu-box.local:11434", apiKey: "ollama-local", api: "ollama", timeoutSeconds: 420, contextWindow: 131072, maxTokens: 16384, models: [{ id: "qwen3.5:27b", name: "qwen3.5:27b", input: ["text"] }], }, }, }, agents: { defaults: { model: { primary: "ollama-fast/gemma4", fallbacks: ["ollama-large/qwen3.5:27b"], }, }, }, } ``` เมื่อ OpenClaw ส่งคำขอ คำนำหน้าผู้ให้บริการที่ใช้งานอยู่จะถูกตัดออก ดังนั้น `ollama-large/qwen3.5:27b` จะไปถึง Ollama เป็น `qwen3.5:27b` โมเดลภายในเครื่องบางตัวสามารถตอบพรอมป์ง่าย ๆ ได้ แต่มีปัญหากับพื้นผิวเครื่องมือตัวแทนแบบเต็มรูปแบบ ให้เริ่มด้วยการจำกัดเครื่องมือและบริบทก่อนเปลี่ยนการตั้งค่ารันไทม์ส่วนกลาง ```json5 { agents: { list: [ { id: "local", experimental: { localModelLean: true, }, model: { primary: "ollama/gemma4" }, }, ], }, models: { providers: { ollama: { baseUrl: "http://127.0.0.1:11434", apiKey: "ollama-local", api: "ollama", contextWindow: 32768, models: [ { id: "gemma4", name: "gemma4", input: ["text"], params: { num_ctx: 32768 }, compat: { supportsTools: false }, }, ], }, }, }, } ``` ใช้ `compat.supportsTools: false` เฉพาะเมื่อโมเดลหรือเซิร์ฟเวอร์ล้มเหลวกับสคีมาเครื่องมืออย่างสม่ำเสมอเท่านั้น ซึ่งเป็นการแลกความสามารถของตัวแทนกับเสถียรภาพ `localModelLean` จะลบเครื่องมือเบราว์เซอร์, cron และข้อความออกจากพื้นผิวตัวแทนโดยตรง และตั้งค่าเริ่มต้นให้แค็ตตาล็อกขนาดใหญ่อยู่หลังตัวควบคุม Tool Search แบบมีโครงสร้าง ยกเว้นเมื่อการรันต้องคงความหมายของการส่งข้อความโดยตรงไว้ แต่จะไม่เปลี่ยนบริบทรันไทม์หรือโหมดการคิดของ Ollama จับคู่กับ `params.num_ctx` และ `params.thinking: false` อย่างชัดเจนสำหรับโมเดลคิดแบบ Qwen ขนาดเล็กที่วนซ้ำหรือใช้โควตาการตอบสนองไปกับการให้เหตุผลที่ซ่อนอยู่ ### การเลือกโมเดล เมื่อกำหนดค่าแล้ว โมเดล Ollama ทั้งหมดของคุณจะพร้อมใช้งาน: ```json5 { agents: { defaults: { model: { primary: "ollama/gpt-oss:20b", fallbacks: ["ollama/llama3.3", "ollama/qwen2.5-coder:32b"], }, }, }, } ``` รองรับ ID ผู้ให้บริการ Ollama แบบกำหนดเองด้วย เมื่อการอ้างอิงโมเดลใช้คำนำหน้าผู้ให้บริการที่ใช้งานอยู่ เช่น `ollama-spark/qwen3:32b` OpenClaw จะตัดเฉพาะคำนำหน้านั้น ก่อนเรียก Ollama เพื่อให้เซิร์ฟเวอร์ได้รับ `qwen3:32b` สำหรับโมเดลภายในเครื่องที่ช้า ให้เลือกปรับแต่งคำขอในขอบเขตผู้ให้บริการก่อนเพิ่ม เวลาหมดเวลารันไทม์ของตัวแทนทั้งหมด: ```json5 { models: { providers: { ollama: { timeoutSeconds: 300, models: [ { id: "gemma4:26b", name: "gemma4:26b", params: { keep_alive: "15m" }, }, ], }, }, }, } ``` `timeoutSeconds` ใช้กับคำขอ HTTP ของโมเดล รวมถึงการตั้งค่าการเชื่อมต่อ ส่วนหัว การสตรีมเนื้อความ และการยกเลิก guarded-fetch ทั้งหมด `params.keep_alive` จะถูกส่งต่อไปยัง Ollama เป็น `keep_alive` ระดับบนสุดในคำขอ `/api/chat` แบบเนทีฟ ให้ตั้งค่าต่อโมเดลเมื่อเวลาโหลดเทิร์นแรกเป็นคอขวด ### การตรวจสอบอย่างรวดเร็ว ```bash # Ollama daemon visible to this machine curl http://127.0.0.1:11434/api/tags # OpenClaw catalog and selected model openclaw models list --provider ollama openclaw models status # Direct model smoke openclaw infer model run \ --model ollama/gemma4 \ --prompt "Reply with exactly: ok" ``` สำหรับโฮสต์ระยะไกล ให้แทนที่ `127.0.0.1` ด้วยโฮสต์ที่ใช้ใน `baseUrl` หาก `curl` ทำงานแต่ OpenClaw ไม่ทำงาน ให้ตรวจสอบว่า Gateway ทำงานอยู่บนเครื่อง คอนเทนเนอร์ หรือบัญชีบริการอื่นหรือไม่ ## Ollama Web Search OpenClaw รองรับ **Ollama Web Search** เป็นผู้ให้บริการ `web_search` ที่รวมมาให้ | คุณสมบัติ | รายละเอียด | | ----------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | โฮสต์ | ใช้โฮสต์ Ollama ที่คุณกำหนดค่าไว้ (`models.providers.ollama.baseUrl` เมื่อตั้งค่าไว้ มิฉะนั้นใช้ `http://127.0.0.1:11434`); `https://ollama.com` ใช้ API ที่โฮสต์โดยตรง | | การยืนยันตัวตน | ไม่ต้องใช้คีย์สำหรับโฮสต์ Ollama ภายในเครื่องที่ลงชื่อเข้าใช้แล้ว; ใช้ `OLLAMA_API_KEY` หรือการยืนยันตัวตนผู้ให้บริการที่กำหนดค่าไว้สำหรับการค้นหา `https://ollama.com` โดยตรงหรือโฮสต์ที่ป้องกันด้วยการยืนยันตัวตน | | ข้อกำหนด | โฮสต์ภายในเครื่อง/โฮสต์เองต้องทำงานอยู่และลงชื่อเข้าใช้ด้วย `ollama signin`; การค้นหาที่โฮสต์โดยตรงต้องใช้ `baseUrl: "https://ollama.com"` พร้อมคีย์ Ollama API จริง | เลือก **Ollama Web Search** ระหว่าง `openclaw onboard` หรือ `openclaw configure --section web` หรือตั้งค่า: ```json5 { tools: { web: { search: { provider: "ollama", }, }, }, } ``` สำหรับการค้นหาที่โฮสต์โดยตรงผ่าน Ollama Cloud: ```json5 { models: { providers: { ollama: { baseUrl: "https://ollama.com", apiKey: "OLLAMA_API_KEY", api: "ollama", models: [{ id: "kimi-k2.5:cloud", name: "kimi-k2.5:cloud", input: ["text"] }], }, }, }, tools: { web: { search: { provider: "ollama" }, }, }, } ``` สำหรับดีมอนภายในเครื่องที่ลงชื่อเข้าใช้แล้ว OpenClaw จะใช้พร็อกซี `/api/experimental/web_search` ของดีมอน สำหรับ `https://ollama.com` จะเรียกปลายทาง `/api/web_search` ที่โฮสต์โดยตรง สำหรับรายละเอียดการตั้งค่าและพฤติกรรมทั้งหมด โปรดดู [Ollama Web Search](/th/tools/ollama-search) ## การกำหนดค่าขั้นสูง **การเรียกใช้เครื่องมือไม่น่าเชื่อถือในโหมดที่เข้ากันได้กับ OpenAI** ใช้โหมดนี้เฉพาะเมื่อคุณต้องการรูปแบบ OpenAI สำหรับพร็อกซีและไม่ได้พึ่งพาพฤติกรรมการเรียกใช้เครื่องมือแบบเนทีฟ หากคุณจำเป็นต้องใช้ปลายทางที่เข้ากันได้กับ OpenAI แทน (เช่น อยู่หลังพร็อกซีที่รองรับเฉพาะรูปแบบ OpenAI) ให้ตั้งค่า `api: "openai-completions"` อย่างชัดเจน: ```json5 { models: { providers: { ollama: { baseUrl: "http://ollama-host:11434/v1", api: "openai-completions", injectNumCtxForOpenAICompat: true, // default: true apiKey: "ollama-local", models: [...] } } } } ``` โหมดนี้อาจไม่รองรับการสตรีมและการเรียกใช้เครื่องมือพร้อมกัน คุณอาจต้องปิดการสตรีมด้วย `params: { streaming: false }` ในการกำหนดค่าโมเดล เมื่อใช้ `api: "openai-completions"` กับ Ollama OpenClaw จะฉีด `options.num_ctx` ตามค่าเริ่มต้น เพื่อให้ Ollama ไม่ย้อนกลับไปใช้หน้าต่างบริบท 4096 อย่างเงียบ ๆ หากพร็อกซี/อัปสตรีมของคุณปฏิเสธฟิลด์ `options` ที่ไม่รู้จัก ให้ปิดพฤติกรรมนี้: ```json5 { models: { providers: { ollama: { baseUrl: "http://ollama-host:11434/v1", api: "openai-completions", injectNumCtxForOpenAICompat: false, apiKey: "ollama-local", models: [...] } } } } ``` สำหรับโมเดลที่ค้นพบอัตโนมัติ OpenClaw จะใช้หน้าต่างบริบทที่ Ollama รายงานเมื่อมี รวมถึงค่า `PARAMETER num_ctx` ที่ใหญ่ขึ้นจาก Modelfile แบบกำหนดเอง มิฉะนั้นจะย้อนกลับไปใช้หน้าต่างบริบทเริ่มต้นของ Ollama ที่ OpenClaw ใช้ คุณสามารถตั้งค่าเริ่มต้น `contextWindow`, `contextTokens` และ `maxTokens` ระดับผู้ให้บริการสำหรับทุกโมเดลภายใต้ผู้ให้บริการ Ollama นั้น แล้วแทนที่เป็นรายโมเดลเมื่อจำเป็น `contextWindow` คือโควตาพรอมป์และ Compaction ของ OpenClaw คำขอ Ollama แบบเนทีฟจะปล่อย `options.num_ctx` ไว้โดยไม่ตั้งค่า เว้นแต่คุณจะกำหนดค่า `params.num_ctx` อย่างชัดเจน เพื่อให้ Ollama ใช้ค่าเริ่มต้นตามโมเดลของตัวเอง, `OLLAMA_CONTEXT_LENGTH` หรือ VRAM ได้ หากต้องการจำกัดหรือบังคับบริบทรันไทม์ต่อคำขอของ Ollama โดยไม่ต้องสร้าง Modelfile ใหม่ ให้ตั้งค่า `params.num_ctx`; ค่าที่ไม่ถูกต้อง เป็นศูนย์ ติดลบ และไม่จำกัดจะถูกละเว้น หากคุณอัปเกรดการกำหนดค่าเก่าที่ใช้เฉพาะ `contextWindow` หรือ `maxTokens` เพื่อบังคับบริบทคำขอ Ollama แบบเนทีฟ ให้รัน `openclaw doctor --fix` เพื่อคัดลอกโควตาผู้ให้บริการหรือโมเดลที่ชัดเจนเหล่านั้นไปยัง `params.num_ctx` อะแดปเตอร์ Ollama ที่เข้ากันได้กับ OpenAI ยังคงฉีด `options.num_ctx` ตามค่าเริ่มต้นจาก `params.num_ctx` หรือ `contextWindow` ที่กำหนดค่าไว้; ปิดด้วย `injectNumCtxForOpenAICompat: false` หากอัปสตรีมของคุณปฏิเสธ `options` รายการโมเดล Ollama แบบเนทีฟยังยอมรับตัวเลือกรันไทม์ Ollama ทั่วไปภายใต้ `params` รวมถึง `temperature`, `top_p`, `top_k`, `min_p`, `num_predict`, `stop`, `repeat_penalty`, `num_batch`, `num_thread` และ `use_mmap` OpenClaw จะส่งต่อเฉพาะคีย์คำขอ Ollama ดังนั้นพารามิเตอร์รันไทม์ OpenClaw เช่น `streaming` จะไม่รั่วไปยัง Ollama ใช้ `params.think` หรือ `params.thinking` เพื่อส่ง `think` ระดับบนสุดของ Ollama; `false` จะปิดการคิดระดับ API สำหรับโมเดลคิดแบบ Qwen ```json5 { models: { providers: { ollama: { contextWindow: 32768, models: [ { id: "llama3.3", contextWindow: 131072, maxTokens: 65536, params: { num_ctx: 32768, temperature: 0.7, top_p: 0.9, thinking: false, }, } ] } } } } ``` `agents.defaults.models["ollama/"].params.num_ctx` ต่อโมเดลก็ใช้ได้เช่นกัน หากกำหนดค่าทั้งสองแบบ รายการโมเดลผู้ให้บริการที่ชัดเจนจะมีผลเหนือกว่าค่าเริ่มต้นของตัวแทน สำหรับโมเดล Ollama แบบเนทีฟ OpenClaw จะส่งต่อการควบคุมการคิดตามที่ Ollama คาดหวัง: `think` ระดับบนสุด ไม่ใช่ `options.think` โมเดลที่ค้นพบอัตโนมัติซึ่งการตอบกลับ `/api/show` มีความสามารถ `thinking` จะแสดง `/think low`, `/think medium`, `/think high` และ `/think max`; โมเดลที่ไม่คิดจะแสดงเฉพาะ `/think off` ```bash openclaw agent --model ollama/gemma4 --thinking off openclaw agent --model ollama/gemma4 --thinking low ``` คุณยังสามารถตั้งค่าเริ่มต้นของโมเดลได้: ```json5 { agents: { defaults: { models: { "ollama/gemma4": { thinking: "low", }, }, }, }, } ``` `params.think` หรือ `params.thinking` ต่อโมเดลสามารถปิดหรือบังคับการคิดผ่าน Ollama API สำหรับโมเดลที่กำหนดค่าไว้โดยเฉพาะ OpenClaw จะคงพารามิเตอร์โมเดลที่ชัดเจนเหล่านั้นไว้เมื่อการรันที่ใช้งานอยู่มีเพียงค่าเริ่มต้นโดยนัย `off`; คำสั่งรันไทม์ที่ไม่ใช่ off เช่น `/think medium` ยังคงแทนที่การรันที่ใช้งานอยู่ OpenClaw ถือว่าโมเดลที่มีชื่ออย่าง `deepseek-r1`, `reasoning` หรือ `think` มีความสามารถในการให้เหตุผลตามค่าเริ่มต้น ```bash ollama pull deepseek-r1:32b ``` ไม่จำเป็นต้องกำหนดค่าเพิ่มเติม OpenClaw จะทำเครื่องหมายโมเดลเหล่านั้นโดยอัตโนมัติ Ollama ฟรีและทำงานภายในเครื่อง ดังนั้นค่าใช้จ่ายโมเดลทั้งหมดจึงถูกตั้งเป็น $0 ซึ่งใช้กับทั้งโมเดลที่ค้นพบอัตโนมัติและโมเดลที่กำหนดด้วยตนเอง Plugin Ollama ที่รวมมาด้วยจะลงทะเบียนผู้ให้บริการการฝังเวกเตอร์หน่วยความจำสำหรับ [การค้นหาหน่วยความจำ](/th/concepts/memory) โดยใช้ URL ฐานของ Ollama และ API key ที่กำหนดค่าไว้ เรียก endpoint `/api/embed` ปัจจุบันของ Ollama และจัดชุด ชิ้นส่วนหน่วยความจำหลายรายการไว้ในคำขอ `input` เดียวเมื่อทำได้ เมื่อ `proxy.enabled=true` คำขอฝังเวกเตอร์หน่วยความจำของ Ollama ไปยังต้นทาง host-local loopback ที่ตรงกันทุกประการซึ่งได้มาจาก `baseUrl` ที่กำหนดค่าไว้ จะใช้เส้นทางตรงที่มีการป้องกันของ OpenClaw แทน managed forward proxy ชื่อโฮสต์ที่กำหนดค่าไว้ต้องเป็น `localhost` หรือ IP literal แบบ loopback เองเท่านั้น ชื่อ DNS ที่เพียงแค่ resolve ไปยัง loopback ยังคงใช้เส้นทาง managed proxy โฮสต์ Ollama บน LAN, tailnet, เครือข่ายส่วนตัว และสาธารณะก็ยังคงอยู่บนเส้นทาง managed proxy เช่นกัน การเปลี่ยนเส้นทางไปยังโฮสต์หรือพอร์ตอื่น จะไม่สืบทอดความน่าเชื่อถือ ผู้ปฏิบัติงานยังสามารถตั้งค่า `proxy.loopbackMode: "proxy"` ระดับ global เพื่อส่งทราฟฟิก loopback ผ่าน proxy หรือ `proxy.loopbackMode: "block"` เพื่อปฏิเสธการเชื่อมต่อ loopback ก่อนเปิดการเชื่อมต่อได้ ดู [Managed proxy](/th/security/network-proxy#gateway-loopback-mode) สำหรับผลกระทบทั่วทั้งกระบวนการ ของการตั้งค่านี้ | คุณสมบัติ | ค่า | | ------------- | ------------------- | | โมเดลเริ่มต้น | `nomic-embed-text` | | ดึงอัตโนมัติ | ใช่ — โมเดลฝังเวกเตอร์จะถูกดึงโดยอัตโนมัติหากยังไม่มีในเครื่อง | การฝังเวกเตอร์ขณะ query ใช้คำนำหน้าการดึงข้อมูลสำหรับโมเดลที่ต้องใช้หรือแนะนำให้ใช้ รวมถึง `nomic-embed-text`, `qwen3-embedding` และ `mxbai-embed-large` ชุดเอกสารหน่วยความจำจะคงเป็น raw เพื่อให้ดัชนีที่มีอยู่ไม่ต้องย้ายรูปแบบ หากต้องการเลือก Ollama เป็นผู้ให้บริการการฝังเวกเตอร์สำหรับการค้นหาหน่วยความจำ: ```json5 { agents: { defaults: { memorySearch: { provider: "ollama", remote: { // Default for Ollama. Raise on larger hosts if reindexing is too slow. nonBatchConcurrency: 1, }, }, }, }, } ``` สำหรับโฮสต์ฝังเวกเตอร์ระยะไกล ให้จำกัด auth ให้อยู่เฉพาะโฮสต์นั้น: ```json5 { agents: { defaults: { memorySearch: { provider: "ollama", model: "nomic-embed-text", remote: { baseUrl: "http://gpu-box.local:11434", apiKey: "ollama-local", nonBatchConcurrency: 2, }, }, }, }, } ``` การผสานรวม Ollama ของ OpenClaw ใช้ **API ดั้งเดิมของ Ollama** (`/api/chat`) เป็นค่าเริ่มต้น ซึ่งรองรับทั้ง streaming และการเรียกใช้เครื่องมือพร้อมกันอย่างสมบูรณ์ ไม่จำเป็นต้องกำหนดค่าพิเศษ สำหรับคำขอ `/api/chat` ดั้งเดิม OpenClaw ยังส่งต่อการควบคุม thinking ไปยัง Ollama โดยตรง: `/think off` และ `openclaw agent --thinking off` จะส่ง `think: false` ระดับบนสุด เว้นแต่จะมีการกำหนดค่าโมเดล `params.think`/`params.thinking` ไว้อย่างชัดเจน ส่วน `/think low|medium|high` จะส่งสตริง effort ของ `think` ระดับบนสุดที่ตรงกัน `/think max` จะ map ไปยัง effort ดั้งเดิมสูงสุดของ Ollama คือ `think: "high"` หากคุณต้องใช้ endpoint ที่เข้ากันได้กับ OpenAI ให้ดูส่วน "โหมดเดิมที่เข้ากันได้กับ OpenAI" ด้านบน Streaming และการเรียกใช้เครื่องมืออาจไม่ทำงานพร้อมกันในโหมดนั้น ## การแก้ปัญหา บน WSL2 ที่ใช้ NVIDIA/CUDA ตัวติดตั้ง Ollama Linux อย่างเป็นทางการจะสร้าง systemd unit ชื่อ `ollama.service` พร้อม `Restart=always` หากบริการนั้นเริ่มอัตโนมัติและโหลดโมเดลที่ใช้ GPU ระหว่างการ boot ของ WSL2 Ollama อาจตรึงหน่วยความจำของโฮสต์ไว้ขณะโหลดโมเดล Hyper-V memory reclaim อาจไม่สามารถ reclaim หน้าเหล่านั้นที่ถูกตรึงไว้ได้เสมอ ทำให้ Windows อาจหยุด VM ของ WSL2, systemd เริ่ม Ollama อีกครั้ง และเกิดวงจรซ้ำ หลักฐานที่พบบ่อย: - WSL2 รีบูตหรือถูกหยุดซ้ำจากฝั่ง Windows - CPU สูงใน `app.slice` หรือ `ollama.service` ไม่นานหลังจาก WSL2 เริ่มทำงาน - SIGTERM จาก systemd แทนที่จะเป็นเหตุการณ์ Linux OOM-killer OpenClaw จะบันทึกคำเตือนตอนเริ่มต้นเมื่อพบ WSL2, `ollama.service` ที่เปิดใช้พร้อม `Restart=always` และ marker ของ CUDA ที่มองเห็นได้ การบรรเทาปัญหา: ```bash sudo systemctl disable ollama ``` เพิ่มสิ่งนี้ลงใน `%USERPROFILE%\.wslconfig` ที่ฝั่ง Windows แล้วเรียกใช้ `wsl --shutdown`: ```ini [experimental] autoMemoryReclaim=disabled ``` ตั้ง keep-alive ที่สั้นลงในสภาพแวดล้อมของบริการ Ollama หรือเริ่ม Ollama ด้วยตนเองเฉพาะเมื่อต้องใช้: ```bash export OLLAMA_KEEP_ALIVE=5m ollama serve ``` ดู [ollama/ollama#11317](https://github.com/ollama/ollama/issues/11317) ตรวจสอบว่า Ollama กำลังทำงานอยู่ และคุณตั้งค่า `OLLAMA_API_KEY` แล้ว (หรือมีโปรไฟล์ auth) และคุณ **ไม่ได้** กำหนดรายการ `models.providers.ollama` อย่างชัดเจน: ```bash ollama serve ``` ตรวจสอบว่า API เข้าถึงได้: ```bash curl http://localhost:11434/api/tags ``` หากโมเดลของคุณไม่อยู่ในรายการ ให้ดึงโมเดลมาไว้ในเครื่องหรือกำหนดไว้โดยตรงใน `models.providers.ollama` ```bash ollama list # See what's installed ollama pull gemma4 ollama pull gpt-oss:20b ollama pull llama3.3 # Or another model ``` ตรวจสอบว่า Ollama กำลังทำงานบนพอร์ตที่ถูกต้อง: ```bash # Check if Ollama is running ps aux | grep ollama # Or restart Ollama ollama serve ``` ตรวจสอบจากเครื่องและ runtime เดียวกันกับที่รัน Gateway: ```bash openclaw gateway status --deep curl http://ollama-host:11434/api/tags ``` สาเหตุที่พบบ่อย: - `baseUrl` ชี้ไปที่ `localhost` แต่ Gateway รันอยู่ใน Docker หรือบนโฮสต์อื่น - URL ใช้ `/v1` ซึ่งเลือกพฤติกรรมที่เข้ากันได้กับ OpenAI แทน Ollama ดั้งเดิม - โฮสต์ระยะไกลต้องปรับ firewall หรือการ bind บน LAN ที่ฝั่ง Ollama - โมเดลมีอยู่บน daemon ของแล็ปท็อปคุณ แต่ไม่มีบน daemon ระยะไกล โดยปกติหมายความว่าผู้ให้บริการกำลังใช้โหมดที่เข้ากันได้กับ OpenAI หรือโมเดลไม่สามารถจัดการ tool schema ได้ ควรใช้โหมด Ollama ดั้งเดิม: ```json5 { models: { providers: { ollama: { baseUrl: "http://ollama-host:11434", api: "ollama", }, }, }, } ``` หากโมเดล local ขนาดเล็กยังล้มเหลวกับ tool schema ให้ตั้ง `compat.supportsTools: false` ในรายการโมเดลนั้นแล้วทดสอบใหม่ การตอบกลับ Kimi/GLM แบบ hosted ที่ยาวและเป็นชุดสัญลักษณ์ที่ไม่ใช่ภาษา จะถูกถือเป็น output ของผู้ให้บริการที่ล้มเหลว แทนที่จะเป็นคำตอบ assistant ที่สำเร็จ ซึ่งทำให้ retry, fallback หรือการจัดการข้อผิดพลาดตามปกติรับช่วงต่อได้โดยไม่บันทึกข้อความที่เสียหายลงใน session หากเกิดซ้ำ ให้บันทึกชื่อโมเดลดิบ ไฟล์ session ปัจจุบัน และ run นั้นใช้ `Cloud + Local` หรือ `Cloud only` จากนั้นลอง session ใหม่และโมเดล fallback: ```bash openclaw infer model run --model ollama/kimi-k2.5:cloud --prompt "Reply with exactly: ok" --json openclaw models set ollama/gemma4 ``` โมเดล local ขนาดใหญ่อาจต้องใช้เวลานานในการโหลดครั้งแรกก่อน streaming จะเริ่ม ให้จำกัด timeout ไว้เฉพาะผู้ให้บริการ Ollama และจะขอให้ Ollama คงโมเดลไว้ในหน่วยความจำระหว่าง turn ก็ได้: ```json5 { models: { providers: { ollama: { timeoutSeconds: 300, models: [ { id: "gemma4:26b", name: "gemma4:26b", params: { keep_alive: "15m" }, }, ], }, }, }, } ``` หากตัวโฮสต์เองตอบรับการเชื่อมต่อช้า `timeoutSeconds` ยังขยาย guarded Undici connect timeout สำหรับผู้ให้บริการนี้ด้วย โมเดล Ollama จำนวนมากประกาศ context ที่ใหญ่กว่าฮาร์ดแวร์ของคุณจะรันได้อย่างสบาย Ollama ดั้งเดิมใช้ค่าเริ่มต้น context runtime ของ Ollama เอง เว้นแต่คุณจะตั้ง `params.num_ctx` จำกัดทั้ง budget ของ OpenClaw และ request context ของ Ollama เมื่อคุณต้องการ latency ของ token แรกที่คาดเดาได้: ```json5 { models: { providers: { ollama: { contextWindow: 32768, maxTokens: 8192, models: [ { id: "qwen3.5:9b", name: "qwen3.5:9b", params: { num_ctx: 32768, thinking: false }, }, ], }, }, }, } ``` ลด `contextWindow` ก่อนหาก OpenClaw ส่ง prompt มากเกินไป ลด `params.num_ctx` หาก Ollama กำลังโหลด runtime context ที่ใหญ่เกินไปสำหรับเครื่อง ลด `maxTokens` หากการสร้างผลลัพธ์ใช้เวลานานเกินไป ความช่วยเหลือเพิ่มเติม: [การแก้ปัญหา](/th/help/troubleshooting) และ [FAQ](/th/help/faq) ## ที่เกี่ยวข้อง ภาพรวมของผู้ให้บริการทั้งหมด model refs และพฤติกรรม failover วิธีเลือกและกำหนดค่าโมเดล รายละเอียดการตั้งค่าและพฤติกรรมทั้งหมดสำหรับการค้นหาเว็บที่ขับเคลื่อนด้วย Ollama เอกสารอ้างอิงการกำหนดค่าทั้งหมด