OpenClaw + Ertas

将 OpenClaw 的默认云 API 后端替换为通过 Ollama 部署的微调模型，实现零成本推理、更好的领域特定准确性和完整的数据隐私。

Overview

OpenClaw 是一个开源的自主 AI 智能体，可连接到消息平台（WhatsApp、Telegram、Slack、Discord、Teams），并能通过大语言模型执行任务——从邮件分类和文件管理到浏览器自动化和 Shell 命令。凭借超过 180,000 个 GitHub 星标，它已成为最受欢迎的个人 AI 智能体框架。

默认情况下，OpenClaw 通过 OpenAI 和 Anthropic 等云 API 进行推理路由，这意味着每次交互都产生按 token 计费的费用，且敏感数据会离开您的基础设施。Ertas 解决了这两个问题：在您的数据上微调领域特定模型，导出为 GGUF，通过 Ollama 部署，并将 OpenClaw 指向本地端点。结果是一个理解您特定工作流、每次交互零成本且所有数据保留在您机器上的 AI 智能体。

How Ertas Integrates

OpenClaw 支持通过兼容 OpenAI 的 API 提供服务的任何模型，这包括 Ollama——Ertas 训练模型的推荐本地部署目标。在 Ertas Studio 中微调后，以 GGUF 格式下载模型及配套的 Modelfile。使用一条 CLI 命令将其注册到 Ollama，然后更新 OpenClaw 的 models.providers 配置指向您的本地 Ollama 端点。

对于运行按客户 OpenClaw 部署的代理机构，Ertas 实现了特别高效的架构：在共享基础模型上微调按客户的 LoRA 适配器（每个 50-200MB）。每个客户的 OpenClaw 实例连接到同一个 Ollama 服务器，但在推理时加载不同的适配器。这完全消除了按客户的 API 费用，同时提供比通用云模型更好的领域特定准确性。Ertas Cloud 可以管理完整的生命周期——训练、适配器版本控制、部署监控和模型版本间的 A/B 测试。

Getting Started

1
为您的 OpenClaw 工作流微调模型
将 OpenClaw 用例的训练数据（邮件分类示例、支持对话、报告模板）上传到 Ertas Studio。选择针对智能体任务优化的基础模型（推荐 Llama 3.3 8B 或 Qwen 2.5 7B）并启动 LoRA 微调运行。
2
导出为 GGUF
以首选量化级别下载 GGUF 格式的微调模型。Q5_K_M 推荐用于 OpenClaw 智能体任务——它在多步推理工作流中平衡了质量和速度。
3
通过 Ollama 部署
使用 Ertas 生成的 Modelfile 一条命令将模型注册到 Ollama。Modelfile 包含正确的聊天模板、系统提示和运行时参数。
4
配置 OpenClaw 的模型提供商
更新 OpenClaw 的 models.providers 配置，使用本地 Ollama 端点 http://127.0.0.1:11434/v1。将微调模型设为所有任务的默认模型，或配置任务特定的路由。
5
测试并迭代
通过微调模型运行您的标准 OpenClaw 工作流。收集准确性不足的案例，将其添加到训练数据集中，并为下一次迭代重新微调。

json

// openclaw.json — configure local fine-tuned model
{
  "models": {
    "providers": [
      {
        "name": "ertas-local",
        "api": "openai-completions",
        "baseUrl": "http://127.0.0.1:11434/v1",
        "models": ["my-finetuned-model"]
      }
    ]
  }
}

// Deploy your Ertas-trained model with Ollama:
// ollama create my-finetuned-model -f ./Modelfile
// ollama run my-finetuned-model "Test prompt"

配置 OpenClaw 使用通过 Ollama 本地提供服务的 Ertas 微调模型——零 API 费用，完整数据隐私。