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. 打开 LM Studio 2. 进入聊天或开发者相关页面 3. 选择刚下载好的 Gemma 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. 打开 LM Studio 2. 进入 Developer 3. 打开 Start server 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. primary写成lmstudio/模型ID2. baseUrl指向你的 Mac：http://局域网IP:1234/v13. api写成openai-responses4. 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。
