给OpenClaw添加列表里没有的LLM（NVIDIA）

2026年3月11日2026年3月11日 openclaw 13 Views 0 Comments

给 OpenClaw 添加列表中没有的模型（比如通过 NVIDIA API 接入），其核心原理是进行手动配置。由于 OpenClaw 官方列表可能不包含所有第三方或特定平台的模型，你需要通过编辑其核心配置文件 openclaw.json，以标准的 JSON 格式手动添加模型提供者和模型信息。

整个过程主要分为两大步：获取API密钥 和 修改配置文件。下面将以接入 NVIDIA 平台为例，为你详细拆解每一步。

📝 第一步：获取 NVIDIA API Key

在配置 OpenClaw 之前，你首先需要从 NVIDIA 开发者平台获取访问其模型的凭证。

访问平台：打开浏览器，访问 NVIDIA Build 开发者平台。
注册/登录：注册或登录你的 NVIDIA 开发者账号。
生成密钥：
- 点击页面右上角的头像，选择 “API Keys” 或 “Settings” -> “API Keys” 选项。
- 点击 “Generate API Key” 按钮，生成一个新的密钥。
- 立即复制并保存好这个密钥（通常以 nvapi- 开头）。请注意，出于安全考虑，很多平台在你关闭页面后将不再显示完整的密钥。

⚙️ 第二步：修改 OpenClaw 配置文件

获得 API Key 后，就可以将它配置到 OpenClaw 中了。OpenClaw 的配置文件通常位于 ~/.openclaw/openclaw.json 。你可以使用任何文本编辑器（如 vim， nano，或 VS Code）来编辑它。

在配置文件中，你需要找到 models 和 providers 部分，并按照下面的格式添加 NVIDIA 的配置。

配置方式一：简化的基础配置（适用于快速测试）

这种配置方式较为简洁，只定义了必要的模型参数，适合快速验证连接。

json

{
  "models": {
    "mode": "merge",
    "providers": {
      // ... 可能还有其他提供商，如 openai, anthropic 等
      "nvidia": {
        "baseUrl": "https://integrate.api.nvidia.com/v1",
        "apiKey": "你的 NVIDIA_API_KEY", // 直接填写你复制的密钥，或以 ${NVIDIA_API_KEY} 引用环境变量
        "api": "openai-completions", // NVIDIA API 兼容 OpenAI 的调用格式
        "models": [
          {
            "id": "moonshotai/kimi-k2.5",      // 模型的唯一ID
            "name": "Kimi K2.5"                 // 模型的显示名称
          },
          {
            "id": "minimaxai/minimax-m2.1",
            "name": "Minimax M2.1"
          }
          // ... 可以继续添加其他你感兴趣的模型，如 glm-4.7 等
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "nvidia/moonshotai/kimi-k2.5" // 将默认模型设置为 NVIDIA 下的某个模型
      }
    }
  }
}

配置方式二：详细的进阶配置（推荐生产使用）

这种方式可以为每个模型定义更详细的参数，如上下文窗口大小、是否支持推理等，让 OpenClaw 能更智能地使用它们。

json

{
  "models": {
    "mode": "merge",
    "providers": {
      "nvidia": {
        "baseUrl": "https://integrate.api.nvidia.com/v1",
        "apiKey": "${NVIDIA_API_KEY}", // 推荐通过环境变量引用，更安全
        "api": "openai-completions",
        "models": [
          {
            "id": "moonshotai/kimi-k2.5",
            "name": "Kimi K2.5",
            "reasoning": true,        // 标记为推理模型
            "input": ["text", "image"] // 支持多模态输入
          },
          {
            "id": "minimaxai/minimax-m2.1",
            "name": "Minimax M2.1",
            "reasoning": true,
            "input": ["text", "image"]
          },
          {
            "id": "z-ai/glm-4.7",      // 智谱 GLM-4.7 模型
            "name": "GLM-4.7",
            "contextWindow": 202752,   // 指定上下文窗口
            "maxTokens": 16384
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "nvidia/moonshotai/kimi-k2.5",
        "fallbacks": ["nvidia/minimaxai/minimax-m2.1"] // 可以设置备用模型
      }
    }
  }
}

💡 小贴士：关于 API Key 的安全性
你可以选择直接在 apiKey 字段粘贴密钥，但更推荐的方式是将其保存在 ~/.openclaw/.env 文件中：

bash

# ~/.openclaw/.env 文件内容
NVIDIA_API_KEY=你真正的API密钥

然后在 openclaw.json 中通过 ${NVIDIA_API_KEY} 引用，这样能有效避免密钥泄露风险。

✅ 第三步：保存配置并重启服务

保存你对 openclaw.json 文件的修改。
重启 OpenClaw 的 Gateway 服务，使新配置生效。通常修改配置文件后服务会自动重启，如果没有，可以在终端执行以下命令手动重启：bashopenclaw gateway restart

🧪 第四步：验证配置是否成功

配置并重启服务后，可以通过以下方式验证模型是否已成功添加：

使用 OpenClaw 命令行工具：运行 openclaw models list，查看列表中是否出现了你刚刚添加的 NVIDIA 模型（如 nvidia/moonshotai/kimi-k2.5）。
进行对话测试：启动 OpenClaw 的交互界面（如 openclaw tui）或通过 Web 界面，尝试向配置好的 NVIDIA 模型提问，看是否能得到正常的响应。

📌 常见问题与排查

模型响应慢：NVIDIA 的免费 API 有速率限制（如 40 RPM），如果请求过于频繁可能会被限流。此外，某些深度推理模型处理复杂问题时本身就需要更多时间。
连接失败/超时：请确认你的 OpenClaw 部署环境（尤其是如果部署在国内）能否正常访问 NVIDIA 的 API 地址 https://integrate.api.nvidia.com/v1。好消息是，根据多个教程反馈，该地址在国内是可以直接访问的。
model_id 从哪里找？：你可以在 NVIDIA Build 平台的模型详情页找到模型的完整 ID，例如 moonshotai/kimi-k2.5， minimaxai/minimax-m2.1 等。

通过以上步骤，你就可以成功将 NVIDIA NIM 平台上的丰富模型接入到 OpenClaw 中，享受免费且强大的 AI 能力了。如果想尝试接入其他兼容 OpenAI 协议的服务商，也可以参考同样的 JSON 结构，修改 provider， baseUrl 和 models 数组即可