vLLM

vLLM 被视为代理式、兼容 OpenAI 的 /v1 后端，而不是原生 OpenAI 端点：

对于 Qwen 模型，如果服务器需要 Qwen 聊天模板关键字参数，请在模型行设置 compat.thinkingFormat: "qwen-chat-template"。这些模型提供二元 /think 配置文件（off、on），因为 Qwen 聊天模板的思考功能是开关标志，而不是 OpenAI 风格的强度等级。

{
  models: {
    providers: {
      vllm: {
        models: [
          {
            id: "Qwen/Qwen3-8B",
            name: "Qwen3 8B",
            reasoning: true,
            compat: { thinkingFormat: "qwen-chat-template" },
          },
        ],
      },
    },
  },
}

OpenClaw 将 /think off 映射为：

{
  "chat_template_kwargs": {
    "enable_thinking": false,
    "preserve_thinking": true
  }
}

非 off 思考级别会发送 enable_thinking: true。如果你的端点需要 DashScope 风格的顶层标志，请改用 compat.thinkingFormat: "qwen"，以便在请求根级别发送 enable_thinking。

对于关闭思考功能的 vllm/nemotron-3-* 模型，内置插件会发送：

{
  "chat_template_kwargs": {
    "enable_thinking": false,
    "force_nonempty_content": true
  }
}

若要自定义这些值，请在模型参数下设置 chat_template_kwargs。如果你还设置了 params.extra_body.chat_template_kwargs，则该值优先，因为 extra_body 是最后应用的请求正文覆盖项。

{
  agents: {
    defaults: {
      models: {
        "vllm/nemotron-3-super": {
          params: {
            chat_template_kwargs: {
              enable_thinking: false,
              force_nonempty_content: true,
            },
          },
        },
      },
    },
  },
}

首先确认 vLLM 已使用适合该模型的正确工具调用解析器和聊天模板启动。vLLM 为 Qwen2.5 模型记录了 hermes，为 Qwen3-Coder 模型记录了 qwen3_xml。

症状：Skills/工具从不运行，助手输出原始 JSON/XML（如 {"name":"read","arguments":...}），或者 OpenClaw 发送 tool_choice: "auto" 时，vLLM 返回空的 tool_calls 数组。

某些 Qwen/vLLM 组合仅在请求使用 tool_choice: "required" 时才会返回结构化工具调用。使用 params.extra_body 为每个模型强制启用：

{
  agents: {
    defaults: {
      models: {
        "vllm/Qwen-Qwen2.5-Coder-32B-Instruct": {
          params: {
            extra_body: {
              tool_choice: "required",
            },
          },
        },
      },
    },
  },
}

将模型 ID 替换为 openclaw models list --provider vllm 中的确切 ID，或通过 CLI 应用相同的覆盖配置：

openclaw config set agents.defaults.models '{"vllm/Qwen-Qwen2.5-Coder-32B-Instruct":{"params":{"extra_body":{"tool_choice":"required"}}}}' --strict-json --merge

这是一种选择启用的临时解决方案：它会强制每个带工具的轮次进行工具调用，因此仅应将其用于这种行为可接受的专用模型条目。不要将它设为所有 vLLM 模型的全局默认值，也不要将它与会把任意助手文本转换为可执行工具调用的代理搭配使用。

如果你的 vLLM 服务器在非默认主机或端口上运行，请在显式提供商配置中设置 baseUrl：

{
  models: {
    providers: {
      vllm: {
        baseUrl: "http://192.168.1.50:9000/v1",
        apiKey: "${VLLM_API_KEY}",
        api: "openai-completions",
        timeoutSeconds: 300,
        models: [
          {
            id: "my-custom-model",
            name: "Remote vLLM Model",
            reasoning: false,
            input: ["text"],
            contextWindow: 64000,
            maxTokens: 4096,
          },
        ],
      },
    },
  },
}

对于大型本地模型、远程 LAN 主机或 tailnet 链路，请设置提供商范围的请求超时时间：

{
  models: {
    providers: {
      vllm: {
        baseUrl: "http://192.168.1.50:8000/v1",
        apiKey: "${VLLM_API_KEY}",
        api: "openai-completions",
        timeoutSeconds: 300,
        models: [{ id: "your-model-id", name: "Local vLLM Model" }],
      },
    },
  },
}

timeoutSeconds 仅适用于 vLLM 模型 HTTP 请求：连接建立、响应标头、正文流式传输以及受保护 fetch 的总中止时间。它还会将此提供商的 LLM 空闲/流式看门狗上限提高到隐式默认值约 120s 以上。请优先使用此设置，而不是增加 agents.defaults.timeoutSeconds，后者控制整个智能体运行过程。

检查 vLLM 服务器是否正在运行且可访问：

curl http://127.0.0.1:8000/v1/models

如果出现连接错误，请验证主机、端口，以及 vLLM 是否以兼容 OpenAI 的服务器模式启动。对于环回、LAN 和 Tailscale 端点上的受保护模型请求，OpenClaw 信任配置的确切 models.providers.vllm.baseUrl 源。若未显式选择启用，元数据/链路本地源仍会被阻止。仅当 vLLM 请求必须访问另一个私有源时设置 models.providers.vllm.request.allowPrivateNetwork: true，或设置 false 以选择退出精确源信任。

如果请求因身份验证错误而失败，请设置与服务器配置匹配的真实 VLLM_API_KEY，或在 models.providers.vllm 下显式配置提供商。

自动发现要求设置 VLLM_API_KEY。如果你已定义 models.providers.vllm，OpenClaw 将仅使用你声明的模型，除非 agents.defaults.models 包含 "vllm/*": {}。

如果 Qwen 模型输出 JSON/XML 工具语法而不是执行 Skills：

• 使用适合该模型的正确解析器/模板启动 vLLM。
• 使用 openclaw models list --provider vllm 确认确切的模型 ID。
• 仅当 tool_choice: "auto" 仍返回空的工具调用或纯文本工具调用时，才添加专用的每模型 params.extra_body.tool_choice: "required" 覆盖配置。