第一步：了解各家大模型

看懂模型代号

• provider:  模型供应商，qwen是指通义千问，类似的模型供应商还有deepseek、moonshot、volcengine等。
• model：具体模型名称，qwen3.5-plus是通义千问3.5的plus版本，类似的模型名称还有deepseek-v4-pro、kimi-k3、doubao-seed-2.0-pro等。
• alias：自定义模型简称，便于标识即可。

主要模型供应商

• 在境内调用境外模型供应商提供的大模型需要采取特殊的措施，比较麻烦，速度较慢；
• 国内供应商提供的大模型性能直追境外大模型，近期kimi-k3震撼出世，更是缩小了境内外大模型的差距；
• 像我这样，踏足AI世界不久的使用者，国内供应商的大模型足以覆盖全部使用要求，目前不涉及编程，基本用不上anthropic/claude-opus-4-6、openai/gpt-5.6。

申请各模型供应商的API_key

需要说明的是，这里的网址，不是配置模型的baseurl的网址。

第二步：不同任务，选用不同模型

任务特征

典型场景

1. 日常闲聊、简单常识问答、术语解释、短句翻译
2. 心跳自检、状态巡检、后台轻量定时心跳任务
3. 简短摘要、一句话总结、关键词提取、消息压缩
4. 终端命令行简短交互、状态反馈

适配模型

任务特征

典型场景

1. 联网搜索、网页抓取、事实抽取、实体识别、数据清洗
2. CSV/Excel 结构化转换、数据库查询、表格提取
3. Memory 知识库检索、向量摘要、文档分块压缩

适配模型

任务特征

典型场景

1. 文案写作、小说 / 演讲稿 / 报告、方案标书、公众号长文
2. 万字文档精读、合同解析、论文润色、批量文本格式化
3. 知识库内容整理、记忆库批量清洗、长对话归档总结
4. 多语种长篇翻译、结构化报表生成

适配模型

任务特征

典型场景

1. 代码生成、接口开发、完整脚本
2. 代码调试、报错修复
3. 项目架构设计
4. 完整工程自动执行（读文件、改源码、运行调试工具）

适配模型

任务特征

典型场景

1. 多步骤复杂方案拆解、长链路 Agent 任务规划
2. 数学推导、逻辑证明、商业分析、架构评审、复杂决策
3. 多智能体编排、子任务分发与结果融合
4. 行业深度分析、上万字资料归纳、复杂业务规则推演
5. 疑难问题根因分析、多约束条件最优解计算

适配模型

任务特征

典型场景

1. 图片解析、OCR 图文理解、图表数据分析、截图内容解读
2. AI 图像生成、插画 / 海报文案配合、视频脚本、音频描述
3. 多模态输入问答（图文混合提问）、PDF 带图表解析

适配模型

任务特征

典型场景

1. Cron 定时任务、周期报表自动生成、定时邮件推送
2. 浏览器自动化、网页批量抓取、数据定时入库
3. 后台监控告警、定时文件同步、静默数据采集
4. 独立隔离会话执行、无用户实时交互

适配模型

任务特征

典型场景

1. 敏感企业内网数据、本地文件处理、隐私文档解析
2. 禁止外网 API 调用、本地硬件离线运行需求
3. 内部涉密知识库、本地自动化流程

适配模型

小结

（斜体为特殊场景，选模型原则跟主分类不同：自动化看"便宜稳定"，离线看"硬件能力"。）

第三步：OpenClaw配置模型

配置模型供应商

"models": {  "providers":{    "deepseek": {        "baseUrl": "https://api.deepseek.com",        "apiKey": "deepseek_apikey",        "api": "openai-completions",        "models": [          {            "id": "deepseek-v4-flash",            "name": "deepseek-v4-flash",            "contextWindow": 1024000,            "maxTokens": 393216,            "input": ["text"],            "cost": {              "input": 1,              "output": 2,              "cacheRead": 0.02,              "cacheWrite": 2            }          },          {            "id": "deepseek-v4-pro",            "name": "deepseek-v4-pro",            "contextWindow": 1024000,            "maxTokens": 393216,            "input": ["text"],            "cost": {              "input": 3,              "output": 6,              "cacheRead": 0.025,              "cacheWrite": 6            }          }        ]     }  } }

• deepseek（最外层key）：供应商标识，自定义命名，后续Agent配置里用deepseek/deepseek-v4-pro这样的格式引用
• baseUrl：API接口地址，每家供应商不同，每个模型供应商的接口文档中会有说明。
• apiKey：按前述方法申请的apikey。安全提醒：实际使用时API Key应该放在.env文件里，不要明文写在配置文件中
• api：API协议类型。openai-completions表示兼容OpenAI接口格式，国内大部分供应商都支持
• models：该供应商下可用的模型列表
• id：模型ID，这个是具体模型的唯一标识，严格填写模型供应商提供的ID。
• name：显示名称，在OpenClaw聊天界面显示的名称，可以自定义
• contextWindow：上下文窗口大小（单位：token）,DeepSeek-v4是1M（100万token）
• maxTokens：模型支持的最大输出上限，该模型是393216
• input：支持的输入类型，text表示纯文本
• cost：计费信息（元/百万token），OpenClaw用这个字段追踪和统计使用成本

• input：输入价格
• output：输出价格
• cacheRead：缓存命中价格（远低于正常输入价格）
• cacheWrite：缓存写入价格

配置模型核心参数

模型温度（temperature）

• 控制模型回答的"放飞程度"，温度越低越严谨，温度越高越有创意。
• 模型温度的设定范围为[0,2]，大模型默认温度为1.0，可以在调用时修改。
• 每个模型固定一个温度，每类任务不单独设温度，设置多Agent，也不单独设温度。这样不管做什么任务，切到哪个模型，温度都跟着模型走，不用来回调。

重复惩罚

• 有时候模型会重复说同一句话，绕来绕去，俗称“车轱辘话”。
• 为减少“车轱辘话”，可设置两个参数：frequency_penalty（频率惩罚），降低已出现过的词的重复概率；presence_penalty（话题惩罚），鼓励模型聊新话题。
• 实际使用中，只调一个，不要同时调，我选择调"frequency_penalty"。
• frequency_penalty设定原则：

1. 0~0.3：允许适度重复，适合强调要点
2. 0.4~0.6：显著减少重复，适合长文、文案
3. >0.8：可能语句不通顺，慎用
4. 一般设0.3-0.5就有明显改善。设太高会让回答跳跃，缺乏连贯性。

"agents": {  "defaults": {    "models": {      "deepseek/deepseek-v4-flash": {        "params": {          "temperature": 0.4,          "frequency_penalty": 0.3        }      }    }  }}

配置主辅模型

{  "agents": {    "defaults": {      "models": {        "bailian/qwen3.6-flash": {},        "volcengine-agent-plan/deepseek-v4-flash": {},        "deepseek/deepseek-v4-flash": {},        ···        "ollama/qwen2.5:7b-instruct-q4_K_M": {}      },      "model": {        "primary": "volcengine-agent-plan/deepseek-v4-flash",        "fallbacks": [             "bailian/qwen3.6-flash",          "deepseek/deepseek-v4-flash"        ]      }    }  }}

• primary：主力模型，日常用这个
• fallbacks：备选链，很重要，主力挂了自动切换
• 我一开始没配fallback，结果火山方舟断线后，Agent直接罢工，什么也干不了，有时做了一部分的工作得重新再来。后来学乖了，配了2个跨供应商的备选——火山方舟挂了走百炼，百炼挂了走DeepSeek直连。
• 跨供应商是关键，同供应商的模型往往一起挂。

写在最后

• 不同任务选不同的模型——简单聊天、深度推理、创作写作，各用各的模型
• 温度跟着模型走——每个模型一个固定温度，不用按任务来回调
• 备选链不能少——主力模型会挂，fallback是保障