vLLM

vLLM 被视为代理风格的 OpenAI 兼容 /v1 后端，而不是原生 OpenAI 端点：

对于 Qwen 模型，当服务器需要 Qwen chat-template kwargs 时，请在模型行上设置 compat.thinkingFormat: "qwen-chat-template"。这些模型公开二元 /think 配置（off、on），因为 Qwen chat-template thinking 是开/关标志，而不是 OpenAI 风格的 effort 阶梯。

{  models: {    providers: {      vllm: {        models: [          {            id: "Qwen/Qwen3-8B",            name: "Qwen3 8B",            reasoning: true,            compat: { thinkingFormat: "qwen-chat-template" },          },        ],      },    },  },}

OpenClaw 将 /think off 映射为：

{  "chat_template_kwargs": {    "enable_thinking": false,    "preserve_thinking": true  }}

非 off 的 thinking 级别会发送 enable_thinking: true。如果你的端点需要 DashScope 风格的顶层标志，请改用 compat.thinkingFormat: "qwen"，以便在请求根级别发送 enable_thinking。

对于关闭 thinking 的 vllm/nemotron-3-* 模型，内置插件会发送：

{  "chat_template_kwargs": {    "enable_thinking": false,    "force_nonempty_content": true  }}

若要自定义这些值，请在模型参数下设置 chat_template_kwargs。如果你还设置了 params.extra_body.chat_template_kwargs，该值会优先，因为 extra_body 是最后的请求体覆盖项。

{  agents: {    defaults: {      models: {        "vllm/nemotron-3-super": {          params: {            chat_template_kwargs: {              enable_thinking: false,              force_nonempty_content: true,            },          },        },      },    },  },}

首先确认 vLLM 启动时使用了适合该模型的正确工具调用解析器和聊天模板。vLLM 文档中，Qwen2.5 模型使用 hermes，Qwen3-Coder 模型使用 qwen3_xml。

症状：Skills/工具从不运行，助手打印原始 JSON/XML，例如 {"name":"read","arguments":...}，或者当 OpenClaw 发送 tool_choice: "auto" 时，vLLM 返回空的 tool_calls 数组。

某些 Qwen/vLLM 组合只有在请求使用 tool_choice: "required" 时才返回结构化工具调用。使用 params.extra_body 按模型强制设置：

{  agents: {    defaults: {      models: {        "vllm/Qwen-Qwen2.5-Coder-32B-Instruct": {          params: {            extra_body: {              tool_choice: "required",            },          },        },      },    },  },}

将模型 ID 替换为 openclaw models list --provider vllm 中的确切 ID，或者从 CLI 应用相同覆盖：

openclaw config set agents.defaults.models '{"vllm/Qwen-Qwen2.5-Coder-32B-Instruct":{"params":{"extra_body":{"tool_choice":"required"}}}}' --strict-json --merge

这是一个选择启用的变通方案：它会强制每个带工具的轮次都进行工具调用，因此只应在专用模型条目中使用，并且该行为需要是可接受的。不要将它设置为所有 vLLM 模型的全局默认值，也不要将它与会把任意助手文本转换为可执行工具调用的代理配对使用。

如果你的 vLLM 服务器运行在非默认主机或端口，请在显式提供商配置中设置 baseUrl：

{  models: {    providers: {      vllm: {        baseUrl: "http://192.168.1.50:9000/v1",        apiKey: "${VLLM_API_KEY}",        api: "openai-completions",        timeoutSeconds: 300,        models: [          {            id: "my-custom-model",            name: "Remote vLLM Model",            reasoning: false,            input: ["text"],            contextWindow: 64000,            maxTokens: 4096,          },        ],      },    },  },}

对于大型本地模型、远程 LAN 主机或 tailnet 链路，请设置提供商作用域的请求超时：

{  models: {    providers: {      vllm: {        baseUrl: "http://192.168.1.50:8000/v1",        apiKey: "${VLLM_API_KEY}",        api: "openai-completions",        timeoutSeconds: 300,        models: [{ id: "your-model-id", name: "Local vLLM Model" }],      },    },  },}

timeoutSeconds 仅适用于 vLLM 模型 HTTP 请求：连接建立、响应标头、正文流式传输，以及总的 guarded-fetch 中止。它还会把此提供商的 LLM 空闲/流式传输 watchdog 上限提高到隐式的约 120 秒默认值以上。优先使用它，而不是增加 agents.defaults.timeoutSeconds，后者控制整个智能体运行。

检查 vLLM 服务器是否正在运行且可访问：

curl http://127.0.0.1:8000/v1/models

如果看到连接错误，请验证主机、端口，以及 vLLM 是否以 OpenAI 兼容服务器模式启动。对于 loopback、LAN 和 Tailscale 端点上的受保护模型请求，OpenClaw 信任精确配置的 models.providers.vllm.baseUrl 来源。元数据/link-local 来源在没有显式选择启用时仍会被阻止。仅当 vLLM 请求必须访问另一个私有来源时，才设置 models.providers.vllm.request.allowPrivateNetwork: true；或者设置为 false 以退出精确来源信任。

如果请求因凭证错误失败，请设置与你的服务器配置匹配的真实 VLLM_API_KEY，或者在 models.providers.vllm 下显式配置该提供商。

自动发现要求设置 VLLM_API_KEY。如果你已定义 models.providers.vllm，OpenClaw 只会使用你声明的模型，除非 agents.defaults.models 包含 "vllm/*": {}。

如果 Qwen 模型打印 JSON/XML 工具语法，而不是执行 skill：

• 使用该模型对应的正确解析器/模板启动 vLLM。
• 使用 openclaw models list --provider vllm 确认确切模型 ID。
• 仅当 tool_choice: "auto" 仍返回空工具调用或纯文本工具调用时，才添加专用的按模型 params.extra_body.tool_choice: "required" 覆盖。