快速摘要： OpenClaw 是一套开源 AI 助手框架，Antigravity Manager 是一款本地 API 代理工具，二者组合可以让你在本地统一管理和调用 Claude、Gemini、GPT 等多个大语言模型，实现"一个入口、多模型切换"的高效工作流。 本文由莫潇羽@无忆研习社（www.wuyi.wiki）原创撰写，将从底层原理到实战操作，手把手带你完成全套部署。无论你是完全零基础的新手，还是有一定技术经验的开发者，都能在本文中找到对应的解决方案。往下看，有更详细的架构分析、分步操作和故障排查拆解。
写在前面：为什么我要写这篇指南
大家好，我是莫潇羽，无忆研习社（www.wuyi.wiki）的站长。最近一段时间，社区里越来越多的朋友开始关注"本地部署 AI 助手"这个方向——原因很简单：与其把所有请求都交给云端黑盒，不如在自己的电脑上搭一个代理层，既能保护数据隐私，又能灵活切换不同的 AI 模型。
在研究和测试了多种方案之后，我发现 OpenClaw + Antigravity Manager 这个组合是目前上手门槛较低、功能覆盖较全的方案之一。于是决定把完整的部署思路、操作步骤和踩坑经验整理成这篇长文，希望能帮到正在折腾同类需求的朋友。
本文内容较长（超过一万两千字），建议你先收藏，然后按需阅读对应章节。全文结构如下：
- 第一部分：核心概念与架构原理
- 第二部分：环境准备与安装
- 第三部分：API 密钥配置详解
- 第四部分：Clawdbot 多模型接入实战
- 第五部分：验证、测试与日常使用
- 第六部分：进阶配置与最佳实践
- 第七部分：常见故障排查手册
- 第八部分：总结与后续学习路径
📌 版权声明： 本文由 莫潇羽@无忆研习社（www.wuyi.wiki）原创，转载请注明出处。未经授权的搬运和洗稿行为，我们将保留追究的权利。
第一部分：核心概念与架构原理
在动手操作之前，先搞清楚"我们到底在做什么"以及"这套东西是怎么工作的"非常重要。很多新手在配置过程中遇到问题，往往不是操作本身出了错，而是对整体架构缺乏理解，导致排查问题时没有方向。所以这一章，莫潇羽会用尽量通俗的方式把底层逻辑讲清楚。
什么是 OpenClaw
OpenClaw 是一个开源的 AI 助手框架（Framework），你可以把它理解成一个"AI 助手的操作系统"。它本身并不提供 AI 模型的算力，而是提供了一套完整的基础设施，让你可以方便地接入各种 AI 模型，并在此基础上扩展功能。
OpenClaw 框架由几个核心组件构成：
- Clawdbot：这是整个框架的核心引擎，负责接收用户指令、调度 AI 模型、管理对话上下文、处理响应结果。你可以把它理解成"AI 助手的大脑"，所有的请求最终都要经过 Clawdbot 来处理和转发。
- ClawHub：类似于手机上的"应用商店"，这是 OpenClaw 的技能市场。社区开发者可以把自己编写的扩展功能（称为"技能"）发布到 ClawHub 上，其他用户可以一键安装。常见的技能包括网页摘要、代码审查、文档翻译、数据分析等。
- 多平台适配层：OpenClaw 原生支持对接多个即时通讯平台，包括飞书、Telegram、Discord、WhatsApp 等。这意味着你配置好 Clawdbot 之后，可以在自己常用的聊天工具中直接与 AI 对话，而不需要反复切换应用。
从技术架构的角度来看，Clawdbot 在运行时会启动一个本地的 Gateway（网关服务），所有的 AI 请求都通过这个 Gateway 来路由。Gateway 的作用类似于一个"交通枢纽"，它知道不同的模型应该被发送到哪个后端服务，也知道如何格式化请求和解析响应。
什么是 Antigravity Manager
Antigravity Manager（社区里也简称为"反重力"）是一个 AI API 代理管理工具。它的核心功能是：在你的本地电脑上运行一个 API 服务，将来自不同 AI 厂商（Anthropic、Google、OpenAI 等）的 API 统一代理到一个本地端口上。
用一个日常生活中的类比来解释：假设你同时使用了三家银行的信用卡，每次支付都要掏出不同的卡、输入不同的密码，非常麻烦。Antigravity Manager 就像是一个"钱包 App"，它把你所有的卡都绑定到一个入口，你只需要对着这一个入口操作就行了——底层它会自动选择合适的卡来完成支付。
Antigravity Manager 启动后，默认会在本地的 http://127.0.0.1:8045 地址上提供服务。这个地址只有你自己的电脑能访问，外部网络无法触达，这也是本地部署方案在隐私保护方面的天然优势之一。
项目开源地址： https://github.com/lbjlaq/Antigravity-Manager
OpenClaw 的技术背景补充
对于有一定技术基础的读者，这里再补充一些 OpenClaw 框架的技术细节。OpenClaw 的底层通信使用的是标准的 HTTP/HTTPS 协议，这意味着它不需要依赖任何特殊的网络环境或专有协议。Clawdbot 在启动时会在本地监听一个端口（这就是前面提到的 Gateway），所有的上游请求都通过这个端口进行调度。
在配置文件层面，OpenClaw 采用的是 JSON 格式——这是目前应用最广泛的结构化数据格式之一，几乎所有的编程语言和编辑工具都能很好地支持它。配置文件的核心结构分为几个主要区域：models（模型注册信息）、agents（智能体配置，包括默认模型、行为参数等）、skills（已安装的技能列表）、platforms（对接的通讯平台信息）。本文主要关注的是 models 部分，后续如果你要做更深入的定制（比如配置飞书机器人或安装社区技能），就需要接触到其他区域的配置。
从软件工程的角度来看，OpenClaw 的这种"配置驱动"的设计理念是非常值得称赞的。它把所有的可变参数都外置到了配置文件中，而不是硬编码在代码里。这样做的好处是：你不需要会写代码也能完成各种定制化操作——只需要按照规则修改 JSON 配置文件就行。这也是为什么这篇指南能够面向零基础用户的原因。
Antigravity Manager 的代理机制详解
为了帮你更深入地理解 Antigravity Manager 的工作原理，这里展开讲解一下它的代理机制。当一个 API 请求到达 Antigravity Manager 时，它会经过以下几个处理阶段：
首先是身份验证阶段。Antigravity Manager 会检查请求中携带的 User Token 是否有效。这一步确保只有经过授权的客户端才能使用代理服务。
然后是路由分发阶段。根据请求的目标模型和 API 协议类型（比如 Anthropic Messages API、Google Generative AI API 等），Antigravity Manager 会自动选择正确的后端端点，并将请求转发过去。在转发的过程中，它会用你之前录入的真实 API 密钥替换掉请求中的 User Token——这就是"代理"的核心含义。
接着是响应回传阶段。当远端的 AI 模型返回响应后，Antigravity Manager 会把响应原封不动地回传给发起请求的客户端（也就是 Clawdbot）。在这个过程中，Antigravity Manager 可能还会做一些日志记录和使用量统计的工作。
最后是错误处理阶段。如果远端 API 返回了错误（比如密钥无效、请求超限、模型不可用等），Antigravity Manager 会将错误信息格式化后返回给客户端，方便你排查问题。
这种代理模式在软件架构中被称为"反向代理"（Reverse Proxy），它和 Nginx、Caddy 等 Web 服务器的反向代理功能在原理上是一样的。只不过 Antigravity Manager 是专门为 AI API 场景设计的，所以在协议适配和密钥管理方面做了更多的针对性优化。
二者如何协同工作：架构全景图
理解了两个组件各自的职责之后，来看它们是怎么配合的。整个数据流的走向如下：
用户输入
↓
Clawdbot Gateway（本地网关）
↓
Antigravity Manager（本地 API 代理，127.0.0.1:8045）
↓
实际的 AI 模型 API（Claude / Gemini / GPT 等）
↓
模型返回响应
↓
Antigravity Manager 接收并转发
↓
Clawdbot Gateway 解析响应
↓
用户看到 AI 回复简单来说，用户的每一条消息会经过两层本地服务的处理：Clawdbot Gateway 负责"调度和管理"，Antigravity Manager 负责"代理和转发"。这种分层设计带来了几个明显的好处：
第一，解耦合。Clawdbot 不需要直接和各家 AI 厂商的 API 打交道，它只需要知道 Antigravity Manager 的本地地址即可。当你需要更换 AI 厂商或者更新 API 密钥时，只需要在 Antigravity Manager 里修改，Clawdbot 那边完全不用动。
第二，统一管理。所有的 API 密钥都集中存储在 Antigravity Manager 中，Clawdbot 通过一个 User Token 来访问 Antigravity Manager，不需要直接接触底层的 API 密钥。这既简化了配置流程，也降低了密钥泄露的风险。
第三，灵活扩展。如果将来有新的 AI 模型发布，你只需要在 Antigravity Manager 中添加对应的 API 密钥，然后在 Clawdbot 的配置文件中注册新的 Provider，就可以立即使用新模型，整个过程不需要升级 Clawdbot 本体。
第四，本地优先。由于 Clawdbot 和 Antigravity Manager 都运行在本地，你的对话内容、API 密钥等敏感数据都不会经过任何第三方中转服务器。当然，最终发送给 AI 模型的请求还是要走互联网，但至少在"用户到代理层"这一段是完全本地化的。
💡 莫潇羽@无忆研习社 提示： 对于技术小白来说，你不需要完全理解上面的架构细节，只要记住一点——Antigravity Manager 负责"连接 AI"，Clawdbot 负责"使用 AI"，二者配合就能在本地搭建出一个功能完整的多模型 AI 助手。
这个组合方案的实际价值
在具体动手之前，再聊聊这个方案的实际使用价值，帮你判断它是否适合你的需求。
隐私保护层面： 所有的配置文件、API 密钥、对话历史都存储在你自己的电脑上，不经过任何第三方平台的服务器。对于需要处理敏感信息（比如内部文档、代码审查）的用户来说，这一点非常重要。
灵活性层面： 不同的 AI 模型有不同的擅长领域。Claude 在长文本理解和代码生成方面表现突出，Gemini 在多模态（图文混合）任务上很有优势，GPT 系列则拥有最大的生态和插件支持。通过这个组合方案，你可以随时切换模型，甚至为不同的任务类型预设不同的默认模型，做到"用对的工具做对的事"。
可控性层面： 使用自己的 API 密钥意味着你可以完全掌控使用量和配额。不会出现"突然被限流"或"账号被封"的情况（当然前提是正常使用）。同时，Antigravity Manager 的本地管理界面可以清晰地展示每个模型的调用情况，方便你随时了解使用状态。
扩展性层面： ClawHub 技能市场提供了大量社区贡献的扩展功能，相当于给你的 AI 助手"装 App"。从简单的翻译工具到复杂的数据分析流水线，都可以一键安装。
第二部分：环境准备与 Antigravity Manager 安装
搞清楚了原理，接下来就进入实操环节。这一章会详细讲解安装 Antigravity Manager 的全过程，包括不同操作系统的差异化处理。
系统环境要求
在开始安装之前，请先确认你的电脑满足以下基本条件：
- 操作系统： macOS 10.15（Catalina）及以上、Windows 10 及以上、或主流 Linux 发行版（Ubuntu 20.04+、Debian 11+、Fedora 36+ 等）
- 内存： 建议至少 4GB 可用内存（Antigravity Manager 本身占用不大，但如果你同时运行其他开发工具，内存不足可能导致卡顿）
- 存储空间： 预留至少 500MB 的磁盘空间用于安装应用和存储配置文件
- 网络： 需要稳定的互联网连接（因为最终还是要访问远端的 AI 模型 API）
- 命令行工具： 需要安装
jq（JSON 处理工具），后续配置 Clawdbot 时会用到
如果你不确定自己的系统是否满足这些条件，可以打开终端（macOS/Linux）或命令提示符（Windows），输入以下命令来检查：
# 检查操作系统版本（macOS）
sw_vers
# 检查操作系统版本（Linux）
cat /etc/os-release
# 检查可用内存（macOS）
sysctl hw.memsize
# 检查可用内存（Linux）
free -h
# 检查 jq 是否已安装
jq --version如果 jq 未安装，可以通过以下方式安装：
# macOS（使用 Homebrew）
brew install jq
# Ubuntu/Debian
sudo apt-get install jq
# CentOS/Fedora
sudo yum install jqWindows 用户可以通过 Chocolatey 来安装 jq：
choco install jqmacOS 用户安装流程
macOS 的安装过程相对直观，按照以下步骤操作即可。
首先，打开浏览器访问 Antigravity Manager 的 GitHub Releases 页面：
https://github.com/lbjlaq/Antigravity-Manager/releases在 Releases 页面中找到最新版本，下载以 .dmg 结尾的安装包。下载完成后，双击打开 .dmg 文件，你会看到一个标准的 macOS 安装窗口——把 Antigravity Manager 的图标拖动到 Applications 文件夹即可完成安装。
第一次打开应用时，macOS 可能会弹出安全提示，提示"无法验证开发者"。这是因为 Antigravity Manager 是开源社区作品，没有购买 Apple 的开发者签名。处理方式很简单：打开"系统偏好设置"（macOS Ventura 及以上版本叫"系统设置"），进入"隐私与安全性"，找到相关的提示信息，点击"仍然打开"即可。
⚠️ 莫潇羽提醒： 这个安全提示只会出现一次，后续再打开应用就不会再弹出了。如果你使用的是搭载 Apple Silicon（M1/M2/M3/M4 芯片）的 Mac，建议优先下载 arm64 版本的安装包，运行效率会更高。
Windows 用户安装流程
Windows 用户的安装过程同样简单。访问上述 GitHub Releases 页面，下载以 .exe 结尾的安装包。双击运行安装程序，按照引导界面一步步点击"下一步"即可完成安装。
安装完成后，你可以在开始菜单中找到 Antigravity Manager 的快捷方式，也可以直接在桌面上找到它的图标。双击启动应用。
需要注意的一点是：Windows 的防火墙可能会询问你是否允许 Antigravity Manager 访问网络。这里请选择"允许"，因为它需要通过网络来转发你的 API 请求。同时，请确保只勾选"专用网络"而非"公用网络"，以保证本地服务只在你的私有网络环境中可访问。
Linux 用户安装流程
Linux 用户有两种安装方式可以选择，根据你的发行版来决定。
方式一：AppImage（通用方式）
AppImage 是 Linux 上的一种便携式应用格式，不需要安装，下载后直接运行即可。
# 下载最新版本的 AppImage（请替换为实际的文件名）
wget https://github.com/lbjlaq/Antigravity-Manager/releases/download/v最新版本/Antigravity-Manager-最新版本.AppImage
# 赋予可执行权限
chmod +x Antigravity-Manager-*.AppImage
# 运行
./Antigravity-Manager-*.AppImage方式二：deb 包（Debian/Ubuntu 系列）
如果你使用的是 Debian 或 Ubuntu 系列的发行版，可以直接下载 .deb 包来安装：
# 下载 deb 包
wget https://github.com/lbjlaq/Antigravity-Manager/releases/download/v最新版本/Antigravity-Manager-最新版本.deb
# 安装
sudo dpkg -i Antigravity-Manager-*.deb
# 如果缺少依赖，运行以下命令修复
sudo apt-get install -f安装验证
无论你使用哪个操作系统，安装完成后都需要验证一下 Antigravity Manager 是否正常运行。
启动应用后，它会在本地启动一个 API 服务。默认情况下，这个服务监听在以下地址：
http://127.0.0.1:8045这里的 127.0.0.1 是一个特殊的 IP 地址，叫做"回环地址"（Loopback Address），它永远指向你自己的电脑。而 8045 是 Antigravity Manager 默认使用的端口号。两者组合起来就构成了一个完整的本地服务地址。
打开浏览器，在地址栏中输入上面的地址并回车。如果你能看到 Antigravity Manager 的管理界面（通常是一个简洁的 Web 仪表盘，上面会显示已配置的 API 密钥状态、服务运行信息等），说明安装成功。
这个管理界面是你和 Antigravity Manager 交互的主要窗口。后续录入 API 密钥、生成 User Token、查看使用状态等操作，都在这个界面上完成。如果你之前使用过类似的 Web 管理面板（比如路由器管理页面或者宝塔面板），那么你会对这个界面的操作逻辑非常熟悉。
如果页面无法打开，可以在终端中检查端口是否被占用：
# macOS / Linux
lsof -i :8045
# Windows（在 PowerShell 中运行）
netstat -ano | findstr "8045"如果发现端口 8045 已被其他程序占用，你需要先关闭那个程序，或者在 Antigravity Manager 的设置中更改默认端口。
💡 莫潇羽@无忆研习社 小贴士： 建议在安装完成后，将 Antigravity Manager 设置为"开机自启动"。这样每次开机后它都会自动在后台运行，省去了手动启动的步骤。macOS 用户可以在"系统设置 → 通用 → 登录项"中添加；Windows 用户可以把快捷方式放到启动文件夹中；Linux 用户可以创建一个 systemd service 或使用桌面环境自带的自启动管理工具。
第三部分：API 密钥配置详解
Antigravity Manager 装好之后，它还只是一个"空壳子"——你需要给它填入各个 AI 模型的 API 密钥，它才能真正工作。这一章会详细讲解如何获取和配置这些密钥。
理解 API 密钥的概念
如果你是第一次接触 API 密钥，这里简单解释一下。API（Application Programming Interface，应用程序编程接口）是软件之间进行通信的标准方式。当你在浏览器中使用 ChatGPT 或者 Claude 对话时，浏览器的背后其实就是在通过 API 和 AI 模型通信。
而 API 密钥（API Key）本质上就是一个"通行证"，是 AI 服务商用来识别你身份的凭证。当你向 AI 模型发送请求时，需要在请求中附上这个密钥，服务商才会响应你的请求。没有有效密钥的请求会被直接拒绝。
每个密钥通常和一个计费账户关联。你可以把它理解为：API 密钥 = 你的身份证 + 你的银行卡号。正因为如此，API 密钥一定要妥善保管，不要泄露给任何第三方，不要上传到公开的代码仓库中，也不要在即时通讯工具中明文传输。
一个容易被忽略的安全建议是：每个应用场景最好使用独立的 API 密钥。比如你为 Clawdbot 创建一个密钥、为另一个项目创建另一个密钥。这样即使某个密钥泄露了，你只需要撤销那一个，不会影响其他场景的正常使用。
另外，大多数 AI 服务商都支持设置密钥的"权限范围"和"使用上限"。强烈建议你在创建密钥时就配置好这些安全选项，给自己加一道保险。
获取 Claude API 密钥
Claude 是 Anthropic 公司出品的大语言模型，在代码生成、长文本理解、逻辑推理方面表现出色。获取它的 API 密钥需要以下步骤：
访问 Anthropic 的开发者控制台：
https://console.anthropic.com/注册账号并完成验证之后，在控制台的 "API Keys" 页面中点击"Create Key"即可生成一个新的密钥。生成后立即复制保存，因为完整的密钥只会在创建时显示一次。
需要注意的是，Anthropic 的 API 服务是按量计费的。你需要在控制台中绑定一个有效的支付方式才能开始使用。建议初次使用时设置好用量上限（Spending Limit），避免因为调试过程中的反复调用而产生意外费用。
获取 Gemini API 密钥
Gemini 是 Google 推出的多模态大语言模型，其特色在于支持图片、视频等多种输入格式，上下文窗口也非常大。获取 API 密钥的流程如下：
访问 Google AI Studio（请注意，早期的地址 makersuite.google.com 已经迁移，目前的正确地址为）：
https://aistudio.google.com/使用 Google 账号登录后，在 "API Keys" 区域可以创建新的密钥。Google 目前为 Gemini API 提供了一定额度的免费使用量，具体额度以官方公告为准。
获取 OpenAI API 密钥
OpenAI 的 GPT 系列模型拥有最广泛的生态支持。获取密钥的方式：
访问 OpenAI 开发者平台：
https://platform.openai.com/api-keys注册并登录后，在 API Keys 页面创建新密钥即可。同样需要绑定支付方式。
在 Antigravity Manager 中录入密钥
获取到各家的 API 密钥后，接下来需要把它们录入到 Antigravity Manager 中。操作步骤如下：
打开浏览器，访问 Antigravity Manager 的管理界面（http://127.0.0.1:8045）。在管理界面中，找到并点击"API Keys"选项（通常在左侧导航栏或顶部菜单中）。你会看到一个分类列表，列出了支持的 AI 服务商——选择对应的服务商（比如 Anthropic、Google、OpenAI），在输入框中粘贴你的 API 密钥，然后点击"保存"。
保存完成后，Antigravity Manager 会在后台尝试验证密钥的有效性。如果一切正常，对应的服务商状态会显示为"已连接"或类似的提示。
⚠️ 莫潇羽@无忆研习社 安全提醒： API 密钥是非常敏感的信息。虽然 Antigravity Manager 将密钥存储在本地，但仍然建议你定期轮换密钥（即删除旧密钥、创建新密钥），并确保你的电脑设置了强密码和屏幕锁定。如果你怀疑密钥可能已经泄露，请立即到对应服务商的控制台中删除该密钥并创建新的。
第四部分：生成 User Token 并配置 Clawdbot
API 密钥配好之后，下一步是让 Clawdbot 能够通过 Antigravity Manager 来调用这些模型。这里涉及到一个关键的中间凭证——User Token。
什么是 User Token，为什么需要它
你可能会想：既然 API 密钥已经录入了 Antigravity Manager，为什么 Clawdbot 不直接用 API 密钥来调用呢？
这是一个很好的问题。答案是：出于安全隔离的考虑。
Antigravity Manager 使用了"中间令牌"的设计模式。你的真实 API 密钥只存储在 Antigravity Manager 内部，外部的客户端（包括 Clawdbot）通过一个独立的 User Token 来访问 Antigravity Manager。这样做的好处是：
- 即使 User Token 不小心泄露了，攻击者也无法直接拿到你的原始 API 密钥
- 你可以为不同的客户端创建不同的 User Token，方便独立管理和撤销
- 如果某个 Token 出了问题，只需要在 Antigravity Manager 中禁用它即可，不会影响其他 Token
生成 User Token 的步骤
在 Antigravity Manager 的管理界面中，找到右上角的"User Tokens"入口（不同版本的位置可能略有差异，但一般都在设置或用户管理区域），点击进入后选择"创建新 Token"。
系统会生成一个类似这样格式的 Token：
sk-82bc103b51f24af888af525a7835e87c非常重要的一点：这个 Token 只会在创建时完整显示一次！ 创建完成后，Antigravity Manager 出于安全考虑不会再展示完整的 Token 值。所以请务必在创建后立即将其复制到一个安全的地方保存（比如密码管理器中）。
如果你不慎丢失了 Token，别担心——你可以随时删除旧的 Token 并创建一个新的。只是需要同步更新所有使用旧 Token 的客户端配置。
配置 Clawdbot：接入 Claude Sonnet 4.5（推荐作为默认模型）
现在进入整个配置过程中最核心的环节——在 Clawdbot 的配置文件中注册 AI 模型。Clawdbot 使用 JSON 格式的配置文件，存储在 ~/.clawdbot/clawdbot.json 路径下。
下面的命令会在 Clawdbot 的配置文件中添加一个名为 local-anthropic 的 Provider（提供者），并将 Claude Sonnet 4.5 注册为可用模型。在你的终端中执行以下命令：
cat ~/.clawdbot/clawdbot.json | jq '.models.providers["local-anthropic"] = {
"baseUrl": "http://127.0.0.1:8045",
"apiKey": "你的User_Token",
"auth": "api-key",
"api": "anthropic-messages",
"models": [
{
"id": "claude-sonnet-4-5-20250929",
"name": "Local Claude Sonnet 4.5",
"reasoning": false,
"input": ["text"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 200000,
"maxTokens": 8192
}
]
}' > /tmp/clawdbot-temp.json && mv /tmp/clawdbot-temp.json ~/.clawdbot/clawdbot.json然后把它设置为 Clawdbot 的默认模型：
clawdbot config set agents.defaults.model.primary "local-anthropic/claude-sonnet-4-5-20250929"请务必把命令中的 你的User_Token 替换成你在上一步中生成的实际 Token 值。
来逐行解释一下这段配置的含义，帮助你理解每个字段的作用：
baseUrl：告诉 Clawdbot 去哪里发送 API 请求。这里填写的是 Antigravity Manager 的本地地址。apiKey：就是前面生成的 User Token，Clawdbot 用它来向 Antigravity Manager 验证身份。auth：认证方式，这里使用标准的 API Key 认证。api：指定 API 协议类型。对于 Claude 模型，使用anthropic-messages（Anthropic 的 Messages API 格式）。models：模型列表。一个 Provider 下可以注册多个模型。id：模型的唯一标识符，需要和实际的模型名称匹配。name：模型的显示名称，可以自定义，方便你辨认。reasoning：是否支持推理模式（思维链）。Sonnet 4.5 不是推理模型，所以设为false。cost：费用配置。因为通过本地代理调用，这里设为 0 即可（实际费用由你的 API 账户扣除）。contextWindow：上下文窗口大小，Claude Sonnet 4.5 支持 200k tokens。maxTokens：单次响应的最大 token 数，设为 8192。
配置 Claude Opus 4.5 Thinking（推理增强模型）
Claude Opus 4.5 Thinking 是 Anthropic 推出的推理增强模型。和普通模型相比，它在回答问题之前会先进行"深度思考"——也就是展开一轮内部的推理过程，然后再给出最终答案。这使得它在处理复杂的逻辑推理、数学证明、算法设计等任务时表现更好。
cat ~/.clawdbot/clawdbot.json | jq '.models.providers["local-anthropic-opus"] = {
"baseUrl": "http://127.0.0.1:8045",
"apiKey": "你的User_Token",
"auth": "api-key",
"api": "anthropic-messages",
"models": [
{
"id": "claude-opus-4-5-thinking",
"name": "Local Claude Opus 4.5 Thinking",
"reasoning": true,
"input": ["text"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 200000,
"maxTokens": 8192
}
]
}' > /tmp/clawdbot-temp.json && mv /tmp/clawdbot-temp.json ~/.clawdbot/clawdbot.json注意这里的关键差异：reasoning 字段设为了 true，这告诉 Clawdbot 这是一个推理模型，需要以不同的方式处理它的响应（推理模型的输出通常包含一个"思考过程"区块和一个"最终回答"区块）。
同样，记得把 你的User_Token 替换为你的实际 Token。
配置 Gemini 3 Pro Image（多模态模型）
Gemini 3 Pro Image 是 Google 的多模态大语言模型，它最大的特色是能够同时处理文本和图片输入。比如你可以给它发送一张设计稿的截图，让它分析 UI 布局的合理性；或者发送一份扫描文档的图片，让它帮你提取其中的文字和表格。
cat ~/.clawdbot/clawdbot.json | jq '.models.providers["local-google"] = {
"baseUrl": "http://127.0.0.1:8045/v1beta",
"apiKey": "你的User_Token",
"auth": "api-key",
"api": "google-generative-ai",
"models": [
{
"id": "gemini-3-pro-image",
"name": "Local Gemini 3 Pro Image",
"reasoning": false,
"input": ["text", "image"],
"cost": {
"input": 0,
"output": 0,
"cacheRead": 0,
"cacheWrite": 0
},
"contextWindow": 2000000,
"maxTokens": 8192
}
]
}' > /tmp/clawdbot-temp.json && mv /tmp/clawdbot-temp.json ~/.clawdbot/clawdbot.json这段配置有几个和前面不同的地方值得关注：
baseUrl末尾加了/v1beta，这是因为 Google 的 API 路径结构和 Anthropic 不同，Antigravity Manager 会根据这个路径来正确地路由请求。api字段的值是google-generative-ai，对应 Google 的 Generative AI API 协议。input数组中包含了"image"，表示这个模型支持图片输入。contextWindow高达 2000000（200 万 tokens），这是 Gemini 系列的一大优势——超长的上下文窗口意味着你可以一次性输入更多的内容。
💡 莫潇羽@无忆研习社 补充说明： 上面三组命令执行完毕后，你的 ~/.clawdbot/clawdbot.json 配置文件中就包含了三个 Provider（local-anthropic、local-anthropic-opus、local-google），分别对应三个不同的 AI 模型。你可以根据实际需要选择配置全部三个，也可以只配置其中一个或两个。
配置过程中的注意事项
在执行上述配置命令之前，这里有几个容易踩的坑，莫潇羽提前帮你排掉：
坑一：配置文件不存在。 如果你是首次使用 Clawdbot，~/.clawdbot/clawdbot.json 这个文件可能还不存在。你需要先运行一次 clawdbot init 或者手动创建这个文件和目录：
mkdir -p ~/.clawdbot
echo '{}' > ~/.clawdbot/clawdbot.json坑二：jq 命令报错。 如果执行命令时提示 jq: command not found，说明你的系统没有安装 jq。请回到第二部分中的"系统环境要求"章节，按照指引安装 jq。
坑三：JSON 格式错误。 复制命令时一定要确保完整复制，不要遗漏任何花括号或引号。JSON 对格式的要求非常严格，少一个逗号或多一个括号都会导致整个配置文件无法解析。如果不确定配置文件是否正确，可以用 jq 来验证：
cat ~/.clawdbot/clawdbot.json | jq .如果这个命令能正常输出格式化后的 JSON 内容，说明格式是正确的。如果报错了，说明配置文件中存在语法问题，需要检查并修复。
坑四：Token 中的特殊字符。 虽然 User Token 通常只包含字母和数字，但如果你的 Token 中恰好包含一些特殊字符（比如 $、! 等），在 bash 命令中可能会被解释为变量或命令。这种情况下，建议使用单引号包裹 Token 值，或者直接用文本编辑器手动编辑配置文件。
第五部分：验证配置与日常使用
配置完成后，不要急着开始正式使用——先走一遍验证流程，确保所有组件都正常工作。
验证步骤一：检查模型列表
在终端中运行以下命令：
clawdbot models list如果配置正确，你应该看到类似这样的输出：
Model Input Ctx Local Auth Tags
local-anthropic/claude-sonnet-4-5-20250929 text 195k yes yes default
local-anthropic-opus/claude-opus-4-5-thinking text 195k yes yes configured
local-google/gemini-3-pro-image text,image 1953k yes yes configured这个表格展示了每个模型的基本信息：模型 ID、支持的输入类型、上下文窗口大小、是否为本地部署、是否已认证、以及标签。如果某个模型没有出现在列表中，说明对应的 Provider 配置有误，需要回去检查。
验证步骤二：重启 Gateway
每次修改 Clawdbot 的配置文件后，都需要重启 Gateway 才能使新配置生效。这一点非常容易被忽略，也是新手遇到的最常见的"配置不生效"问题。
clawdbot gateway restart验证步骤三：发送测试消息
用一条简单的消息来测试连接是否畅通：
clawdbot message send "你好，请介绍一下你自己"如果一切正常，你会在终端中看到 AI 模型的回复。这说明完整的链路已经打通了：你的消息经过 Clawdbot Gateway → Antigravity Manager → AI 模型 API，然后响应沿着相同的路径返回。
如果测试失败（报错或无响应），请先检查以下几点：
- Antigravity Manager 是否正在运行（浏览器访问
http://127.0.0.1:8045是否正常） - API 密钥是否已正确录入 Antigravity Manager
- User Token 是否正确
- 网络连接是否正常
日常使用：发送消息
验证通过后，你就可以开始日常使用了。最基本的用法很简单：
clawdbot message send "写一个 Python 脚本，实现快速排序算法"这条命令会使用你当前设定的默认模型来处理请求。默认模型就是我们之前通过 clawdbot config set agents.defaults.model.primary 命令设定的那个。
日常使用：切换模型
根据不同的任务类型，你可能需要切换到不同的模型。有两种方式来实现模型切换。
方式一：修改默认模型（持久生效）
这种方式会永久改变默认模型，后续所有的请求都会使用新模型，直到你再次修改：
# 切换到 Claude Opus 4.5 Thinking
clawdbot config set agents.defaults.model.primary "local-anthropic-opus/claude-opus-4-5-thinking"
clawdbot gateway restart
# 切换到 Gemini 3 Pro Image
clawdbot config set agents.defaults.model.primary "local-google/gemini-3-pro-image"
clawdbot gateway restart
# 切换回 Claude Sonnet 4.5
clawdbot config set agents.defaults.model.primary "local-anthropic/claude-sonnet-4-5-20250929"
clawdbot gateway restart方式二：临时指定模型（单次生效）
如果你只是偶尔需要用一下别的模型，不想修改默认配置，可以在发送消息时临时指定：
# 临时使用 Opus Thinking 处理一个复杂的推理问题
clawdbot agent --model "local-anthropic-opus/claude-opus-4-5-thinking" --message "请证明勾股定理"
# 临时使用 Gemini Image 分析一张图片
clawdbot agent --model "local-google/gemini-3-pro-image" --message "分析这张图片中的内容" --image ./screenshot.png这种方式不会影响默认模型的设置，执行完毕后一切恢复如常。
模型选择建议
三个模型各有所长，莫潇羽在这里给出一份详细的选择参考，帮你在不同场景下做出最优决策。
Claude Sonnet 4.5 适合作为"日常主力模型"。它的响应速度快，生成质量稳定，在代码编写、文档撰写、日常问答等场景中表现均衡。200k tokens 的上下文窗口足以应对绝大多数任务。如果你不确定用哪个模型，选它就对了。在莫潇羽的实际使用体验中，Sonnet 4.5 在处理中文内容时的表现也相当不错——无论是长篇文章的撰写、技术文档的翻译，还是中文代码注释的生成，都能给出流畅自然的结果。对于大多数用户来说，仅仅配置这一个模型就已经能满足百分之七八十的日常需求了。
Claude Opus 4.5 Thinking 更适合需要"深度思考"的场景。当你遇到复杂的逻辑推理题、数学证明、算法优化、策略分析等任务时，切换到这个模型会获得更好的效果。它的"思维链"特性意味着你可以看到模型的推理过程，这对于学习和验证结果都很有帮助。代价是响应时间通常会比 Sonnet 更长（因为需要额外的思考时间）。什么时候该用推理模型？莫潇羽总结了一条简单的判断规则：如果这个问题你自己想清楚也需要反复推敲好几步，那大概率就适合交给推理模型来处理。比
