1. 极空间 NAS 上 OpenClaw 对接 Ollama 的真实困境
先说结论：极空间 NAS 上用 Docker 跑 Ollama，再让 OpenClaw 走本地大模型，这条路是通的，但坑集中在两个地方——服务发现和鉴权配置。我前后折腾了三个晚上，把能踩的坑基本踩了一遍，这篇记录就是给同样想在 NAS 上"养虾"又不想烧云端 token 的朋友一个可复制的路径。
极空间的应用商店里其实已经集成了 Ollama 和 OpenClaw，但商店版本的 OpenClaw 对 Ollama 的原生支持不够友好，我试过直接在openclaw.json里手写模型地址，容器起不来，日志里也没给出明确原因。所以最终方案是：Ollama 用商店版（省事，版本也够新），OpenClaw 用 Docker 部署官方最新镜像，两者通过 NAS 内网地址通信。
这里有个关键认知：NAS 上的 Ollama 容器和 OpenClaw 容器虽然都在同一台机器上，但它们默认不在同一个 Docker 网络里，容器名互相解析不了。所以 Base URL 不能写http://ollama:11434，必须写 NAS 的局域网 IP 加映射端口。这一点如果没意识到，会一直卡在连接超时上。
另一个容易被忽略的是鉴权。Ollama 默认不校验 API Key，但 OpenClaw 的配置向导里会要求填一个 Key，随便填一个非空字符串即可，留空反而可能触发校验失败。这个细节官方文档没写，是我对着报错日志试出来的。
适合谁看：手里有极空间 Z423 或同级别 NAS（至少 16GB 内存、能跑 7B 量化模型）、已经装好 Docker、想让 OpenClaw 在本地模型和云端模型之间灵活切换的人。如果你只是想体验一下，不想折腾 Docker 网络，那商店版凑合用也行，但功能会受限。
2. TaoToken 前置准备：让 OpenClaw 的模型调用有统一出口
在正式配置之前，需要先把 TaoToken 这一层准备好。它的作用不是替代 Ollama，而是给 OpenClaw 提供一个统一的模型接入层——本地模型走 Ollama，云端模型走 TaoToken，两边在 OpenClaw 里用同一套配置格式管理，切换的时候不用改底层代码。
我试过直接在 OpenClaw 里硬编码 Ollama 地址，能用，但一旦想加云端模型做兜底，配置就会变得很乱。TaoToken 的价值在于把"模型来源"抽象成 Base URL + Key + Model ID 三件套，本地和云端只是这三件套的值不同。
具体操作：先到 TaoToken 官网注册账号，然后进控制台创建 API Key。这个 Key 在后续配置 OpenClaw 的云端模型时会用到。如果你只打算用本地 Ollama，这一步可以跳过，但建议还是备着，因为 OpenClaw 的某些 Agent 功能在本地模型上跑不动，需要云端模型兜底。
TaoToken 的 API 地址是https://taotoken.net/api，这个地址在 OpenClaw 的配置里会作为云端模型的 Base URL。注意不要加多余的路径，OpenClaw 会自己拼接/v1/chat/completions这类端点。
模型 ID 方面，TaoToken 支持主流云端模型，具体列表可以在控制台查看。我常用的是 Claude 系列做复杂推理，本地 Ollama 跑 qwen2.5:7b 做日常对话，两者在 OpenClaw 里通过model命令切换。
这里要提醒一点：TaoToken 的 Key 不要写进 OpenClaw 的公开配置文件里，尤其是如果你把 NAS 的 Web UI 暴露在公网。建议用环境变量或者 OpenClaw 的密钥管理功能。我自己的做法是在 Docker Compose 里通过env_file注入，配置文件里只写变量名。
另外，TaoToken 的 Coding Plan 适合长期跑 Agent 任务的场景，如果你打算让 OpenClaw 做代码生成或者自动化流程，可以考虑。普通对话用按量计费就够了。
3. 可复制配置：Docker Compose 与 OpenClaw 模型设置
这一节是核心，直接给可复制的配置片段。先确认你的 Ollama 容器已经在运行，并且端口映射到了 NAS 宿主机。极空间商店版 Ollama 默认端口是 11434，但如果你改过，以实际为准。
在极空间的 Docker 管理里，找到 Ollama 容器，确认它的端口映射。然后在 OpenClaw 的 Docker Compose 文件里，确保两个容器在同一个自定义网络下，或者直接用 NAS 的局域网 IP 通信。我推荐后者，简单直接。
OpenClaw 的 Docker Compose 片段如下，注意替换NAS_IP和OLLAMA_PORT：
version: "3.8" services: openclaw: image: openclaw/openclaw:latest container_name: openclaw restart: unless-stopped ports: - "3000:3000" environment: - OPENCLAW_GATEWAY_MODE=local - TAOTOKEN_API_KEY=${TAOTOKEN_API_KEY} volumes: - ./openclaw-data:/home/node/.openclaw extra_hosts: - "host.docker.internal:host-gateway"extra_hosts这一行是关键，它让容器内可以通过host.docker.internal访问宿主机，也就是 NAS 本身。这样 Ollama 的 Base URL 就可以写成http://host.docker.internal:11434/v1，不用硬编码 IP，换网络环境也不用改。
如果你更习惯用 IP，把host.docker.internal换成 NAS 的局域网 IP 即可，比如http://192.168.1.100:11434/v1。注意末尾的/v1不能少，Ollama 的 OpenAI 兼容接口就在这个路径下。
接下来是 OpenClaw 的模型配置。进入 OpenClaw 容器终端，执行：
su node stty rows 40 cols 120 openclaw configure向导会依次问几个问题。网关位置选Local。配置项选Model。模型提供商选Ollama。然后：
- Ollama Base URL：
http://host.docker.internal:11434/v1 - Ollama mode：
Local - Models in/model picker：选
ollama-local/qwen2.5:7b
配置完成后选Continue，然后执行openclaw gateway restart。
如果你还想加 TaoToken 的云端模型作为兜底，在同一个配置向导里选Custom或OpenAI Compatible，填：
- Base URL：
https://taotoken.net/api - API Key：你的 TaoToken Key
- Model ID：比如
claude-3-5-sonnet（以控制台实际为准）
这样 OpenClaw 里就有两个模型可选，用model命令切换。
4. 验证请求：curl 检查模型列表与对话连通性
配置完别急着在 Web UI 里试，先用 curl 确认 Ollama 的接口是通的。在 NAS 的 SSH 终端里执行：
curl http://localhost:11434/v1/models如果返回 JSON 列表，包含qwen2.5:7b和llama3:latest，说明 Ollama 的 OpenAI 兼容接口正常。如果返回 404，检查端口和/v1路径。
然后测试对话接口：
curl http://localhost:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "qwen2.5:7b", "messages": [{"role": "user", "content": "你好，用一句话介绍你自己"}], "stream": false }'正常会返回一个 JSON，choices[0].message.content里就是模型的回答。如果返回model not found，说明模型名写错了，用ollama list确认实际名称。
接下来验证 OpenClaw 容器内能否访问到 Ollama。进入 OpenClaw 容器终端：
docker exec -it openclaw bash curl http://host.docker.internal:11434/v1/models如果这一步不通，说明extra_hosts没生效，或者 NAS 的防火墙拦了。极空间的 Docker 网络有时候会有隔离，检查一下容器是否在同一个 bridge 网络下。
最后在 OpenClaw 的 Web UI 里发一条消息，观察响应。如果模型显示为ollama-local/qwen2.5:7b，但回答内容明显是云端模型的风格，说明配置没生效，需要重新跑openclaw configure并确认保存。
实测下来，qwen2.5:7b 在极空间 Z423 上的直连速度大约 4.7 tokens/s，通过 OpenClaw 会降到 2-3 tokens/s，因为多了一层代理开销。简单问答可以接受，复杂任务建议切云端模型。
5. 本篇常见错排查：401、local proxy failed 与 reading choices
这一节列几个我实际遇到的报错和解决方式。
报错一：401 Unauthorized
如果你在 OpenClaw 里配了 TaoToken 的云端模型，但 Key 填错或者过期，会返回 401。检查TAOTOKEN_API_KEY环境变量是否注入成功，在容器内执行echo $TAOTOKEN_API_KEY确认。如果为空，检查 Docker Compose 的env_file路径。
报错二：local proxy failed
这个报错通常出现在 OpenClaw 尝试连接 Ollama 但网络不通的时候。先确认host.docker.internal能否解析，在容器内执行ping host.docker.internal。如果不通，把 Base URL 换成 NAS 的局域网 IP。另外检查 Ollama 容器是否在运行，端口是否被占用。
报错三：reading choices 时出错
这个报错说明请求发出去了，但返回的 JSON 结构不符合 OpenClaw 的预期。常见原因是 Ollama 的版本太旧，OpenAI 兼容接口的返回格式有差异。极空间商店版 Ollama 是 0.18.3，支持得比较好。如果你是自己拉的旧版镜像，建议升级。
报错四：OAuth 相关错误
如果你在 OpenClaw 里配置了需要 OAuth 的云端模型，但没完成授权流程，会卡在这里。TaoToken 的 API Key 模式不需要 OAuth，直接填 Key 即可。如果用的是其他需要 OAuth 的服务，按提示完成授权。
报错五：模型切换后不生效
OpenClaw 的模型配置有时候会缓存，改完配置后必须执行openclaw gateway restart。如果还不生效，检查openclaw.json里是否有多个模型配置冲突。建议在配置向导里操作，不要手改文件。
另外，如果你在 OpenClaw 里同时配了 Ollama 和 TaoToken，切换模型用model ollama-local/qwen2.5:7b或model claude-3-5-sonnet。切换后发一条测试消息确认。
6. 长期使用建议与 CTA
本地模型跑日常对话，云端模型做复杂任务，这个组合在 NAS 上是最实用的。Ollama 的 qwen2.5:7b 中文能力够用，但推理深度有限，遇到需要多步思考的问题，切到 TaoToken 的云端模型会顺畅很多。
如果你打算长期跑 Agent 任务，比如让 OpenClaw 自动处理文件或者定时执行脚本，建议用 TaoToken 的 Coding Plan，额度更划算。API Key 在控制台创建，接入文档里有详细的 Base URL 和 Model ID 说明。
模型对话功能可以在 TaoToken 的模型对话页面直接测试，确认 Key 和模型 ID 没问题再写进 OpenClaw 配置。这样排错的时候能快速定位是 TaoToken 侧的问题还是 OpenClaw 侧的问题。
最后提醒一点：NAS 的散热和功耗要考虑。Ollama 跑推理时 CPU 占用会飙升，极空间 Z423 的散热还行，但长时间高负载建议加个风扇。如果只是偶尔用，问题不大。
