English简体中文繁體中文日本語EspañolPortuguês (BR)한국어DeutschFrançaisالعربيةItalianoTiếng ViệtNederlandsTürkçeУкраїнськаBahasa IndonesiaPolskiفارسیไทย
View as MarkdownView this page as plain textOpen in ChatGPTAsk questions about this pageOpen in ClaudeAsk questions about this pageOpen in PerplexityAsk questions about this page

Providers

LM Studio

LM Studio 是一款友善且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 套件或無頭 daemon (llmster)。產品與設定文件請參閱 lmstudio.ai。

快速開始

  1. 安裝 LM Studio (desktop) 或 llmster (headless)，然後啟動本機伺服器：
bash
curl -fsSL https://lmstudio.ai/install.sh | bash
  1. 啟動伺服器

請確定你已啟動桌面應用程式，或使用以下命令執行 daemon：

bash
lms daemon up
bash
lms server start --port 1234

如果你使用應用程式，請確定已啟用 JIT，以獲得流暢體驗。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：
bash
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。

如需 LM Studio 驗證設定詳細資訊，請參閱 LM Studio Authentication。

  1. 執行入門設定並選擇 LM Studio：
bash
openclaw onboard
  1. 在入門設定中，使用 Default model 提示選取你的 LM Studio 模型。

你也可以稍後設定或變更它：

bash
openclaw models set lmstudio/qwen/qwen3.5-9b

LM Studio 模型鍵採用 author/model-name 格式 (例如 qwen/qwen3.5-9b)。OpenClaw 模型參照會加上提供者名稱作為前綴：lmstudio/qwen/qwen3.5-9b。你可以執行 curl http://localhost:1234/api/v1/models，並查看 key 欄位，找出 模型的確切鍵。

非互動式入門設定

當你想要以指令碼進行設定 (CI、佈建、遠端 bootstrap) 時，請使用非互動式入門設定：

bash
openclaw onboard \  --non-interactive \  --accept-risk \  --auth-choice lmstudio

或指定基底 URL、模型與選用 API 金鑰：

bash
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 會採用 LM Studio 傳回的模型鍵 (例如 qwen/qwen3.5-9b)，不包含 lmstudio/ 提供者前綴。

對於已驗證的 LM Studio 伺服器，請傳入 --lmstudio-api-key 或設定 LM_API_TOKEN。 對於未驗證的 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 偏好使用 --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上下文長度，並套用至其儲存到設定中的已探索 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 與 tailnet 主機。你可以設定 models.providers.lmstudio.request.allowPrivateNetwork: false 以選擇退出。

設定

串流用量相容性

LM Studio 與串流用量相容。當它未發出 OpenAI 形式的 usage 物件時，OpenClaw 會改從 llama.cpp 形式的 timings.prompt_n / timings.predicted_n 中繼資料復原 token 計數。

相同的串流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

思考相容性

當 LM Studio 的 /api/v1/models 探索回報模型特定推理 選項時，OpenClaw 會在模型相容中繼資料中公開相符的 OpenAI 相容 reasoning_effort 值。目前的 LM Studio 組建可能會公告二元 UI 選項，例如 allowed_options: ["off", "on"]，但在 /v1/chat/completions 上拒絕這些值；OpenClaw 會先將該二元探索形式標準化為 none、minimal、low、medium、high 與 xhigh，再傳送請求。 包含 off/on 推理對應的舊版已儲存 LM Studio 設定，也會在載入目錄時以相同方式標準化。

明確設定

json5
{  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

請確定 LM Studio 正在執行。如果已啟用驗證，也請設定 LM_API_TOKEN：

bash
# Start via desktop app, or headless:lms server start --port 1234

確認 API 可存取：

bash
curl http://localhost:1234/api/v1/models

驗證錯誤 (HTTP 401)

如果設定回報 HTTP 401，請確認你的 API 金鑰：

  • 檢查 LM_API_TOKEN 是否符合 LM Studio 中設定的金鑰。
  • 如需 LM Studio 驗證設定詳細資訊，請參閱 LM Studio Authentication。
  • 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，模型會在第一次請求時載入。OpenClaw 預設會透過 LM Studio 的原生載入端點預載模型，這在停用 JIT 時很有幫助。若要讓 LM Studio 的 JIT、閒置 TTL 與自動逐出行為管理模型生命週期，請停用 OpenClaw 的預載步驟：

json5
{  models: {    providers: {      lmstudio: {        baseUrl: "http://localhost:1234/v1",        api: "openai-completions",        params: { preload: false },        models: [{ id: "qwen/qwen3.5-9b" }],      },    },  },}

LAN 或 tailnet LM Studio 主機

使用 LM Studio 主機可連線的位址，保留 /v1，並確定 LM Studio 在該機器上繫結到 loopback 以外的介面：

json5
{  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 相容提供者，lmstudio 會自動信任其已設定的本機/私人端點以進行受保護的模型請求。自訂 loopback 提供者 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 自訂提供者 ID，請明確設定 models.providers.<id>.request.allowPrivateNetwork: true。

相關

Was this useful?