如果你平时就在 Mac 上用 LM Studio跑本地模型，又希望让另一台电脑上的 OpenClaw直接调用这个模型，那么这篇文章就是写给你的。

整套方案并不复杂：

• • 在 Mac上用 LM Studio下载并加载 Gemma 4
• • 打开 LM Studio 的本地 API 服务
• • 开启局域网访问
• • 在另一台电脑上安装 OpenClaw
• • 把 OpenClaw 的模型 provider 指向这台 Mac 的 LM Studio 接口

这样做的好处很直接：模型推理留在本地，链路清晰，部署成本低，后续也方便继续扩展成你自己的私有 AI 助手。

Google 官方已经把 LM Studio列为 Gemma 的本地运行方案之一；LM Studio 官方也支持把本地模型以 API 形式跑起来，并提供 OpenAI-compatible endpoints；而 OpenClaw 官方则明确支持通过 models.providers接入这类本地 OpenAI-compatible provider。

◆一、先讲清楚：整套架构到底是什么

你可以把它理解成下面这个结构：

另一台电脑上的 OpenClaw
          │
          │  通过局域网访问 LM Studio API
          ▼
Mac 上的 LM Studio Server
（默认常见端口 1234）
          │
          ▼
      Gemma 4 模型

这里最关键的一点是：

• • 真正跑模型的是你的 Mac
• • OpenClaw 只是模型调用方
• • 两台设备之间通过局域网通信

◆二、部署前先选模型：Gemma 4 该下哪个版本？

Gemma 4 当前主线有四个版本：

• • E2B
• • E4B
• • 26B A4B
• • 31B

Google 官方写得很清楚：小模型是 128K 上下文，中大模型是 256K 上下文；同时，Gemma 4 还强化了 system role 支持、function calling、Agent 能力。

如果你是第一次在 Mac 上部署，我的建议很直接：

• • 优先从 E4B 开始
• • 机器更紧张，就先上 E2B
• • 想把它当成本地长期主力，再考虑 26B A4B

原因很现实。Google 官方给出的推理内存参考里，Gemma 4 E2B、E4B、26B A4B、31B 的资源需求跨度很大；而且这些数值还会随量化方式和环境变化。对于普通 Mac 用户来说，先跑通、先稳定，比一开始就冲大模型更重要。

顺带一提，LM Studio 模型目录也已经收录了 Gemma 4 家族，并把它定位为支持视觉输入、可本地部署的模型系列。

◆三、第一部分：在 Mac 上用 LM Studio 部署 Gemma 4

◇第 1 步：在 LM Studio 里搜索并下载 Gemma 4

LM Studio 安装完成后，到 Discover页搜索模型并下载。Gemma 4 已经在 LM Studio 的模型目录中。

你可以优先搜索并下载：

• • Gemma 4 E4B
• • 或者更轻量的 Gemma 4 E2B

第一次部署，建议先从 E4B开始。

◇第 2 步：把模型加载到内存中

下载完成，不等于模型已经可以被 API 调用。
LM Studio 官方区分了“模型已下载”和“模型已加载”这两个状态；只有模型加载到内存里，才能真正参与推理。

如果你主要用 GUI，操作上很简单：

1. 1. 打开 LM Studio
2. 2. 进入聊天或开发者相关页面
3. 3. 选择刚下载好的 Gemma 4
4. 4. 确保它已经处于已加载状态

如果你习惯命令行，也可以使用 lmsCLI。LM Studio 官方文档列出了 lms ls、lms ps、lms load等命令来查看和管理本地模型。

◇第 3 步：启动 LM Studio 的本地 API Server

这一步是整个链路能否打通的关键。

你可以在 Developer页打开 Start server，

也可以在终端里执行：

lms server start

这条命令会启动 LM Studio 的本地 HTTP API 服务。

◇第 4 步：先在 Mac 本机测试 API 是否正常

LM Studio 官方提供了 OpenAI-compatible 接口，其中一个最直接的测试入口是：

curl http://localhost:1234/v1/models

官方文档说明，GET /v1/models会返回当前服务器可见的模型列表。

如果你能看到模型列表，说明服务已经正常启动。

接着再做一次聊天测试：

curl http://localhost:1234/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "把这里替换成你在 /v1/models 里看到的模型 ID",
    "messages": [
      {"role": "user", "content": "请用三句话介绍一下你自己"}
    ],
    "temperature": 0.7
  }'

◆四、第二部分：让另一台电脑能访问这台 Mac 上的 LM Studio

默认情况下，很多人只在本机调用模型。
但如果你要让 另一台电脑上的 OpenClaw也能用，就必须让 LM Studio 的 API 服务对局域网可见。

◇第 5 步：打开 “Serve on Local Network”

启用 Serve on Local Network后，LM Studio 的 API server 就会对同一局域网内的其他设备开放访问。启用之后，服务会绑定到你的局域网 IP，而不再只是 localhost。

操作上就是：

1. 1. 打开 LM Studio
2. 2. 进入 Developer
3. 3. 打开 Start server
4. 4. 再打开 Serve on Local Network
   

这一步做完之后，你这台 Mac 就不只是“本机能聊”，而是已经开始具备“局域网模型服务器”的角色了。

◇第 6 步：确认 Mac 的局域网地址

或者在 Mac 终端里执行：

ipconfig getifaddr en0

如果你当前连接的是常规 Wi-Fi，通常会得到一个类似这样的地址：

192.168.1.23

那么这台机器的 LM Studio 接口地址通常就会变成：

http://192.168.1.23:1234/v1

基准地址是 http://localhost:1234/v1；打开局域网服务后，只是把 localhost换成你的局域网 IP。

◇第 7 步：从另一台电脑先做连通性测试

在另一台电脑上执行：

curl http://192.168.1.23:1234/v1/models

只要它能返回模型列表，说明网络已经打通。
这一步非常重要，因为它能帮你在接 OpenClaw 之前，先把“网络问题”和“OpenClaw 配置问题”分开。

◆五、第三部分：在另一台电脑上安装 OpenClaw

◇第 8 步：安装 OpenClaw

在另一台电脑上执行：

curl -fsSL https://openclaw.ai/install.sh | bash

安装完成后，执行初始化：

openclaw onboard --install-daemon

这一步主要是把 OpenClaw 的基础运行环境装好。
如果你已经熟悉 OpenClaw，也可以直接进入配置阶段。

◆六、第四部分：把 OpenClaw 指向 Mac 上的 LM Studio

OpenClaw 连接 LM Studio 时，应该按 OpenAI-compatible provider 来配置：

• • baseUrl指向 http://192.168.1.23:1234/v1
• • apiKey可以写占位值
• • api使用 openai-responses
• • model.primary写成 lmstudio/你的模型ID

◇第 9 步：先查出 LM Studio 暴露出来的真实模型 ID

这一点不要偷懒，最好以实际接口返回结果为准。

执行：

curl http://192.168.1.23:1234/v1/models

然后找到你的 Gemma 4 模型对应的 实际模型 ID。

◇第 10 步：编辑 ~/.openclaw/openclaw.json

你只需要把 YOUR_LMSTUDIO_MODEL_ID替换成实际模型 ID，把 IP 换成你的 Mac 地址即可。

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "lmstudio/YOUR_LMSTUDIO_MODEL_ID"
      },
      "models": {
        "lmstudio/YOUR_LMSTUDIO_MODEL_ID": {
          "alias": "Gemma 4 Local"
        }
      }
    }
  },
  "models": {
    "mode": "merge",
    "providers": {
      "lmstudio": {
        "baseUrl": "http://192.168.1.23:1234/v1",
        "apiKey": "lmstudio",
        "api": "openai-responses",
        "models": [
          {
            "id": "YOUR_LMSTUDIO_MODEL_ID",
            "name": "Gemma 4 Local",
            "reasoning": false,
            "input": ["text"],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 131072,
            "maxTokens": 8192
          }
        ]
      }
    }
  }
}

这里最重要的是四件事：

1. 1. primary写成 lmstudio/模型ID
2. 2. baseUrl指向你的 Mac：http://局域网IP:1234/v1
3. 3. api写成 openai-responses
4. 4. id要和 /v1/models返回的真实模型 ID 一致

◇context Length怎么写？

如果你用的是：

• • Gemma 4 E2B / E4B：可以先按 131072
• • Gemma 4 26B A4B / 31B：可以按 262144
  

因为 Google 官方给 Gemma 4 的上下文说明就是：小模型 128K，中大模型 256K。

◆七、第五部分：验证 OpenClaw 是否已经接上 Gemma 4

◇第 11 步：先看模型是否被识别

执行：

openclaw models list

如果你的 provider 配置无误，它应该能识别出刚才配置的本地模型。OpenClaw 的模型体系支持通过 models.providers注入自定义 provider 和模型元数据。

如果需要，也可以把默认模型切过去：

openclaw models set lmstudio/YOUR_LMSTUDIO_MODEL_ID

◇第 12 步：直接跑一轮测试对话

你可以直接在命令行里测试：

openclaw agent --message "请用中文介绍一下 Gemma 4 的主要特点"

或者打开 OpenClaw 的 Dashboard 进行可视化测试。
只要能正常回复，就说明整条链路已经通了：

OpenClaw（另一台电脑） → LM Studio（Mac） → Gemma 4（本地运行）

◆八、最容易踩的 5 个坑

◇1. 只下载了模型，但没有加载进内存

这是最常见的问题之一。
下载成功 ≠ 可被 API 调用。

如果 /v1/models看不到它，先回到 LM Studio 确认模型是否已经加载。

◇2. 忘了打开 “Serve on Local Network”

如果你没打开这个选项，另一台电脑基本连不上。
因为默认情况下，服务可能只对本机可见。LM Studio 官方明确说明，开启后才会绑定到局域网地址。

◇3. OpenClaw 里漏写了 /v1

这里和 Ollama 正好相反。
LM Studio 这条路，OpenClaw 应该对接的是 OpenAI-compatible /v1接口，所以地址要写成：

http://192.168.1.23:1234/v1

而不是只写到 :1234。

◇4. 手写了一个想象中的模型 ID

最稳妥的做法只有一个：

curl http://192.168.1.23:1234/v1/models

然后以实际返回值为准。
OpenClaw 官方示例里的 my-local-model只是占位写法，不是固定字符串。

◇5. 一上来就用 26B 或 31B，结果 Mac 压力太大

Google 官方给出的内存需求表已经说明了，Gemma 4 不同版本的资源需求差异很大。
对大多数人来说，E4B 是更适合拿来先跑通链路的版本。

◆九、我更推荐的实战路线

如果你现在的目标是：

• • 先把链路跑通
• • 先让 OpenClaw 稳定接上 Gemma 4
• • 先验证中文问答、轻量 agent 和本地工作流

那我更建议你这样起步：

Mac：          LM Studio + Gemma 4 E4B
另一台电脑：   OpenClaw
连接方式：      局域网 / Tailscale
Provider：     OpenAI-compatible /v1

等你确认这套方案已经稳定，再逐步升级到 26B A4B。

这个顺序更务实，也更符合本地部署的真实体验：
先稳定，再变强。

◆十、写在最后

很多人折腾本地模型，最终都会遇到同一个问题：

“我不只是想在这台电脑上聊几句，我是想把它变成我自己的 AI 基础设施。”

而 LM Studio + Gemma 4 + OpenClaw，刚好就是一个很适合入门、同时也有升级空间的组合：

• • Gemma 4提供模型能力
• • LM Studio负责本地加载和 API 服务
• • OpenClaw负责把它变成可调用、可扩展的 agent 入口

它不一定是“最极致”的方案，但它很可能是最适合个人和小团队上手的一条路。

如果你更看重的是：

• • 数据尽量留在本地
• • 设备之间可以互相调用
• • 后续还能继续接工具、接工作流、接自动化

那这套方案，值得你认真搭一次。

如果你也在用 LM Studio 跑本地模型，不妨照着这篇把链路打通一次。当你的 Mac 不再只是“本地聊天工具”，而是开始变成一台可被其他设备调用的 AI 服务器。