OpenClaw 初体验:配置超时时间,让本地模型飞一会儿

一台 E5 服务器 + RTX2080Ti，如何让局域网里的 OpenClaw 流畅运行？

🐾 折腾开始：我的 OpenClaw 环境

最近入了一台二手服务器，配置还挺香：

• CPU: Intel E5 2666 V3
• 内存: 64G DDR3
• 显卡: RTX2080Ti 22G 独显

用这台机器部署了 Ollama，运行了 qwen3.5:27b 本地模型，主要给局域网内的 OpenClaw 小主机提供 LLM 服务。

想法很美好，但现实给了我一记响亮的耳光 😅

⚡ 踩坑现场：Request timed out

一开始使用，OpenClaw 就报了这个错误：

Request timed out before a response was generated

翻译过来就是：”请求超时，没能生成回复“。

百思不得其姐…

后来一查才发现，问题出在 OpenClaw 的超时设置上。默认情况下，如果 LLM 模型在 60 秒内没有任何输出，OpenClaw（版本 2026.4.8）就会认为它超时了，直接终止任务。

这对于本地大模型来说，实在是过于严苛了——尤其是运行 27B 这样的大模型，思考时间本来就长，60 秒太容易触发了。

✅ 解决方案：三行命令搞定

步骤 1：修改超时配置

打开终端，执行以下命令：

openclaw config set agents.defaults.llm.idleTimeoutSeconds 600

这行命令把空闲超时时间从 60 秒提升到了 600 秒（10 分钟），足够让大模型慢慢思考了。

步骤 2：重启 Gateway

配置修改后，需要重启 OpenClaw 的 gateway 服务才能生效：

openclaw gateway restart

步骤 3：验证配置

检查一下配置是否生效：

openclaw config get agents.defaults.llm.idleTimeoutSeconds

如果返回 600，说明配置成功了！🎉

📊 效果对比

💡 为什么需要这么长的超时？

本地部署的大模型（尤其是 20B+ 参数量的模型），生成内容时需要消耗大量计算资源：

1. 启动慢：模型加载需要时间
2. 推理慢：每次生成 token 都需要显卡计算
3. 思考慢：复杂问题需要多步推理

对于云端 API，60 秒可能够用，但本地模型需要更宽容的超时设置。

🎯 适用场景

这个配置特别适合：

• ✅ 本地部署大模型（Ollama、vLLM 等）
• ✅ 参数量较大的模型（20B+）
• ✅ 复杂任务处理（代码生成、长文写作、数据分析）
• ✅ 局域网环境（网络延迟较高）

📝 总结

这次踩坑让我明白，OpenClaw 的默认配置更适合云端 API，本地部署时需要根据实际情况调整。

一句话总结：本地模型跑不动？调大超时时间就能解决！

喜欢本文？欢迎关注公众号，获取更多 OpenClaw 实战经验！ 🦞