乐于分享
好东西不私藏
当前位置：夜雨聆风 > 技术教程 > 软件教程 > 给 OpenClaw 换上DeepSeek

给 OpenClaw 换上DeepSeek

当前时间： 2026-07-17 08:11:11 更新时间： 2026-07-17 分类：软件教程 评论(0)

给 OpenClaw 换上DeepSeek

hi，吾友！

见字如面，我是杏壳。

今天聊一聊 OpenClaw 的模型配置。如果你也在用 OpenClaw，应该有过类似的体验：搭好了飞书 IM，消息能通，但一问问题，等半天才出回复。明明用的是国产模型，明明 API 响应很快，为什么到 OpenClaw 这儿就慢了？

最近排查了一下这个问题，最终把响应时间从 10 秒降到了 4 秒，并且让飞书卡片底部能直观看到耗时。过程中踩了几个坑，也摸清了 OpenClaw 对 DeepSeek 思考模式（thinking）的处理逻辑。

先聊聊背景：这套系统链路长什么样

在进入排查之前，先简单交代一下这套系统的参与方。整个调用链路其实不复杂：

  • 飞书 ：聊天入口
  • OpenClaw ：部署在云服务器上的龙虾，负责消息路由、会话管理、工具调用
  • teamorouter ：聚合平台，一个 API Key 通多家模型，省去分别注册的麻烦
  • DeepSeek V4 Flash ：最终的国产模型，便宜，够快

问题：飞书回复的很慢

先说现象。我在云服务器上用 openclaw 用户部署了 OpenClaw 2026.6.6 版本，接了飞书 IM。配置了 teamorouter 聚合平台的 DeepSeek V4 Flash 模型，直接 curl 测试 API，响应只要 1.2 秒，挺快的。

但一通过飞书对话，单条消息就要等 7-10 秒。

排查：thinking 模式在偷偷工作

第一步是看 OpenClaw 的 gateway 日志。在服务器上执行：

su - openclaw -c "openclaw logs --follow"

然后飞书发条消息，盯着日志看时间戳。发现 LLM 调用这一步就花了 6 秒多。

于是回到最原始的方法——直接 curl 对比。同样的「你好」，带不同参数测：

root@i-6a2ce94c20a852ddacf4524b:~# su - openclaw -s /bin/bash -c 'curl -w "\n\n耗时: %{time_total}s\n" -X POST https://api.teamorouter.com/v1/chat/completions -H "Authorization: Bearer sk-teamo-xxx" -H "Content-Type: application/json" -d "{"model":"deepseek-v4-flash","messages":[{"role":"user","content":"你好"}],"max_tokens":100}"'{"id":"210965ef-5745-48ef-aa01-523b676e652f","object":"chat.completion","created":1784188803,"model":"deepseek-v4-flash","choices":[{"index":0,"message":{"role":"assistant","content":"","reasoning_content":"好的，用户发来一个简单的问候“你好”。这是一个非常基础的社交开场，没有附带任何具体问题或请求。用户可能只是礼貌性地打招呼，或者刚接触我，想先确认互动是否正常。\n\n深层需求可能是想开启对话，测试我的响应是否友好、及时。不需要复杂分析，直接以热情、开放的态度回复，表明身份和可用性，并主动提供支持方向，引导用户提出具体需求。\n\n想到了用“你好！很高兴见到你！”开头，"},"logprobs":null,"finish_reason":"length"}],"usage":{"prompt_tokens":5,"completion_tokens":100,"total_tokens":105,"prompt_tokens_details":{"cached_tokens":0},"completion_tokens_details":{"reasoning_tokens":100},"prompt_cache_hit_tokens":0,"prompt_cache_miss_tokens":5},"system_fingerprint":"fp_8b330d02d0_prod0820_fp8_kvcache_20260402"}耗时: 3.795064s'

返回里有 reasoning_content 字段，而且 reasoning_tokens: 100。也就是说，DeepSeek V4 默认开启了思考模式，每次请求都会先「想一想」再回答。这一想，就是 3-4 秒。

再测一次显式关闭思考：

root@i-6a2ce94c20a852ddacf4524b:~# su - openclaw -s /bin/bash -c 'curl -w "\n\n耗时: %{time_total}s\n" -X POST https://api.teamorouter.com/v1/chat/completions -H "Authorization: Bearer sk-teamo-xxx" -H "Content-Type: application/json" -d "{"model":"deepseek-v4-flash","messages":[{"role":"user","content":"你好"}],"max_tokens":100,"thinking":{"type":"disabled"}}"'{"id":"18839efe-1d64-4ede-9ea1-a4752117e9c1","object":"chat.completion","created":1784188986,"model":"deepseek-v4-flash","choices":[{"index":0,"message":{"role":"assistant","content":"你好！很高兴见到你～有什么可以帮你的吗？😊"},"logprobs":null,"finish_reason":"stop"}],"usage":{"prompt_tokens":5,"completion_tokens":14,"total_tokens":19,"prompt_tokens_details":{"cached_tokens":0},"prompt_cache_hit_tokens":0,"prompt_cache_miss_tokens":5},"system_fingerprint":"fp_8b330d02d0_prod0820_fp8_kvcache_20260402"}耗时: 1.242883s

返回里 reasoning_content 没了，耗时降到 1.2 秒。

真相大白：OpenClaw 没有自动关闭 DeepSeek 的思考模式，每次请求都让模型先想 3-4 秒。对一个「你好」这种问题来说，思考完全是无用功。

第一个坑：thinking 参数格式

知道原因后，第一反应是在 OpenClaw 配置里把 thinking 关掉。

直接在请求里加 “thinking”: false？不行，API 报错：

thinking: invalid type: boolean `false`, expected struct ThinkingOptions

原来 thinking 不是布尔值，是一个对象。正确的格式是：

"thinking": { "type": "disabled" }

这个细节卡了我一会儿，后来看了眼文档解决了。

第二个坑：Provider 名字决定 thinking 支持

关掉 thinking 后，新的问题来了。

在 OpenClaw 里用 /think:low 想临时开个低强度思考，结果飞书回我一句：

Thinking level "low" is not supported for teamorouter/deepseek-v4-flash.Use one of: off.

只能 off，其他都不支持？

查了 OpenClaw 的文档才搞明白：OpenClaw 对 DeepSeek 思考模式的自动处理，只对 deepseek/* 前缀的模型生效。我之前把 provider 名写成了 teamorouter，模型 ID 是 teamorouter/deepseek-v4-flash，OpenClaw 不认，所以 thinking 控制基本失效。

这就像你明明装的是 DeepSeek，但因为门口挂牌写的是「teamorouter」，OpenClaw 就把你当普通 OpenAI 兼容 API 处理了，特殊功能一律不给。

解决方案：改个名字就好

修复方法出乎意料地简单——把配置文件里的 provider 名从 teamorouter 改成 deepseek：

"deepseek": {"baseUrl": "https://api.teamorouter.com/v1","apiKey": "sk-teamo-xxx","api": "openai-completions","models": [{"id": "deepseek-v4-flash","name": "deepseek-v4-flash","reasoning": true,"contextWindow": 1000000,"maxTokens": 384000,"cost": {"input": 0.14,"output": 0.28,"cacheRead": 0.0028    }  }]}

注意三点：

  1. provider 名必须是 deepseek——这是 OpenClaw 识别原生支持的关键
  2. reasoning: true——告诉 OpenClaw 此模型支持思考模式
  3. baseUrl 仍指向 teamorouter——聚合平台的入口不变，只是换个「挂牌」

然后默认模型改成 deepseek/deepseek-v4-flash，重启 gateway，再测。

第三个发现：DeepSeek的思考模式其实只有 3 档

配好之后，我在飞书里测试不同档位。翻了 OpenClaw 官方文档，发现一个有意思的细节——OpenClaw 整体提供了 9 档思考强度（off/minimal/low/medium/high/xhigh/adaptive/max/ultra），但 并不是所有模型都支持全部档位 ，DeepSeek V4 只暴露了其中一部分。

OpenClaw 文档原文：

Direct DeepSeek V4 models expose /think xhigh|max ; both map to DeepSeek reasoning_effort: “max” while lower non-off levels map to high .

DeepSeek 官方文档也印证了这一点：

In thinking mode, for compatibility, low and medium are mapped to high, and xhigh is mapped to max

对应关系是这样的：

也就是说， DeepSeek V4 真实档位只有三个：off / high / max 。minimal/low/medium 是 OpenClaw 为了接口统一设计的「名义档位」，传到 DeepSeek 这儿都会被「向下取整」到 high；xhigh 和 max 则等价，都映射到 DeepSeek 的 max。

这个细节挺重要的——意味着你用 /think:low 期待「稍微想一想」，但实际执行的是 high。 想省时间，只能 off；想多想一会儿，直接 high 就够；最复杂的场景用 xhigh 或 max，它们等价 。

至于 adaptive（自适应思考）和 ultra（带子代理编排的最大思考），那是 Claude 、Gemini等模型的专属，DeepSeek 暂时还不支持。

验证：数据说话

配置生效后，做对比测试。同一句「你是什么模型」，不同 thinking level：

设置
LLM 调用耗时
总耗时（含飞书回调）
/think:off
2-3 秒
4 秒
/think:high
6-7 秒
9-10 秒

而配置前的默认状态是 7-10 秒——也就是说，之前每次对话都在「无意识思考」，白白多花 4-5 秒。

从「无脑思考」到「按需思考」，这就是这次优化的核心。

第四步：让飞书卡片显示耗时

优化做完之后，我想让每次回复都直接显示耗时，不用每次都去翻日志。

翻了 OpenClaw 官方文档，发现飞书渠道原生支持 footer 显示，包括耗时、状态、token 用量、模型名等信息。直接打开。

su - openclaw -c "openclaw config set channels.feishu.streaming true"su - openclaw -c "openclaw config set channels.feishu.replyMode streaming"su - openclaw -c "openclaw config set channels.feishu.footer.elapsed true"su - openclaw -c "openclaw config set channels.feishu.footer.status true"su - openclaw -c "openclaw config set channels.feishu.footer.tokens true"su - openclaw -c "openclaw config set channels.feishu.footer.model true"su - openclaw -c "openclaw config set channels.feishu.footer.cache true"su - openclaw -c "openclaw gateway restart"

写在最后

如果你想给自己的 OpenClaw 配上国产模型，几个建议：

  1. 选 DeepSeek V4 Flash——便宜、够快、支持中文。日常对话完全够用。
  2. 聚合平台（如 teamorouter）——因为我之前用了他家的GPT系列，不想单独再到deepseek充值、管 key，一个 API key 通多家模型。
  3. 日常用 /think:off——闲聊、简单问答完全不需要思考。
  4. 复杂任务临时开 /think:high——写代码、做架构设计时再开，成本和体验最佳平衡。

最后祝大家玩的开心～

参考

  • https://api-docs.deepseek.com/zh-cn/guides/thinking_mode/
  • https://docs.openclaw.ai/providers/deepseek
  • https://docs.openclaw.ai/tools/thinking