跳轉到主要內容

Documentation Index

Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

LM Studio 是一款友善但功能強大的應用程式，可在你自己的硬體上執行開放權重模型。它可讓你執行 llama.cpp (GGUF) 或 MLX 模型 (Apple Silicon)。提供 GUI 套件或無介面守護程式 (llmster)。產品與設定文件請參閱 lmstudio.ai。

​
快速開始

  1. 安裝 LM Studio (桌面版) 或 llmster (無介面)，然後啟動本機伺服器：
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. 啟動伺服器
請確認你已啟動桌面應用程式，或使用下列命令執行守護程式： 
lms daemon up

lms server start --port 1234
如果你使用應用程式，請確認已啟用 JIT 以獲得順暢體驗。詳情請參閱 LM Studio JIT 與 TTL 指南。
  1. 如果已啟用 LM Studio 驗證，請設定 LM_API_TOKEN：
export LM_API_TOKEN="your-lm-studio-api-token"
如果已停用 LM Studio 驗證，你可以在互動式 OpenClaw 設定期間將 API 金鑰留空。 LM Studio 驗證設定詳情請參閱 LM Studio 驗證。
  1. 執行初始設定並選擇 LM Studio：
openclaw onboard
  1. 在初始設定中，使用 Default model 提示選擇你的 LM Studio 模型。
你也可以稍後設定或變更它： 
openclaw models set lmstudio/qwen/qwen3.5-9b
LM Studio 模型金鑰遵循 author/model-name 格式 (例如 qwen/qwen3.5-9b)。OpenClaw 模型參照會在前面加上供應商名稱：lmstudio/qwen/qwen3.5-9b。你可以執行 curl http://localhost:1234/api/v1/models 並查看 key 欄位，以找到 模型的確切金鑰。

​
非互動式初始設定

當你想要以腳本設定時 (CI、佈建、遠端啟動設定)，請使用非互動式初始設定： 
openclaw onboard \
  --non-interactive \
  --accept-risk \
  --auth-choice lmstudio
或指定基礎 URL、模型和選用 API 金鑰： 
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 接受 LM Studio 傳回的模型金鑰 (例如 qwen/qwen3.5-9b)，不包含 lmstudio/ 供應商前綴。 對於需要驗證的 LM Studio 伺服器，請傳入 --lmstudio-api-key 或設定 LM_API_TOKEN。 對於不需要驗證的 LM Studio 伺服器，請省略金鑰；OpenClaw 會儲存本機非機密標記。 --custom-api-key 仍支援相容性用途，但 LM Studio 建議使用 --lmstudio-api-key。 這會寫入 models.providers.lmstudio，並將預設模型設定為 lmstudio/<custom-model-id>。當你提供 API 金鑰時，設定也會寫入 lmstudio:default 驗證設定檔。 互動式設定可提示輸入選用的偏好載入內容長度，並套用到其儲存至設定中的所有已探索 LM Studio 模型。 LM Studio Plugin 設定會信任已設定的 LM Studio 端點以進行模型請求，包括 loopback、LAN 和 tailnet 主機。你可以設定 models.providers.lmstudio.request.allowPrivateNetwork: false 來選擇退出。

​
設定

​
串流使用量相容性

LM Studio 與串流使用量相容。當它未發出 OpenAI 形式的 usage 物件時，OpenClaw 會改從 llama.cpp 風格的 timings.prompt_n / timings.predicted_n 中繼資料復原 token 計數。 相同的串流使用量行為也適用於這些 OpenAI 相容的本機後端：
  • vLLM
  • SGLang
  • llama.cpp
  • LocalAI
  • Jan
  • TabbyAPI
  • text-generation-webui

​
Thinking 相容性

當 LM Studio 的 /api/v1/models 探索回報模型專屬 reasoning 選項時，OpenClaw 會在模型相容性中繼資料中保留這些原生值。對於 宣告 allowed_options: ["off", "on"] 的二元 thinking 模型， OpenClaw 會將停用 thinking 對應到 off，並將啟用的 /think 層級對應到 on， 而不是傳送僅限 OpenAI 的值，例如 low 或 medium。

​
明確設定

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

​
疑難排解

​
未偵測到 LM Studio

請確認 LM Studio 正在執行。如果已啟用驗證，也請設定 LM_API_TOKEN： 
# Start via desktop app, or headless:
lms server start --port 1234
驗證 API 可存取： 
curl http://localhost:1234/api/v1/models

​
驗證錯誤 (HTTP 401)

如果設定回報 HTTP 401，請驗證你的 API 金鑰：
  • 檢查 LM_API_TOKEN 是否符合 LM Studio 中設定的金鑰。
  • LM Studio 驗證設定詳情請參閱 LM Studio 驗證。
  • 如果你的伺服器不需要驗證，請在設定期間將金鑰留空。

​
即時模型載入

LM Studio 支援即時 (JIT) 模型載入，模型會在首次請求時載入。請確認已啟用此功能，以避免「Model not loaded」錯誤。

​
LAN 或 tailnet LM Studio 主機

使用 LM Studio 主機可連線的位址，保留 /v1，並確認 LM Studio 在該機器上已繫結到 loopback 以外的位址： 
{
  models: {
    providers: {
      lmstudio: {
        baseUrl: "http://gpu-box.local:1234/v1",
        apiKey: "lmstudio",
        api: "openai-completions",
        models: [{ id: "qwen/qwen3.5-9b" }],
      },
    },
  },
}
不同於一般 OpenAI 相容供應商，lmstudio 會自動信任其設定的本機/私人端點，以進行受保護的模型請求。自訂 loopback 供應商 ID，例如 localhost 或 127.0.0.1 也會自動受到信任；對於 LAN、tailnet 或私人 DNS 自訂供應商 ID，請明確設定 models.providers.<id>.request.allowPrivateNetwork: true。

​
相關