Ollama 本地模型工具调用失效问题排查与解决

背景

最近在配置 OpenClaw 心跳任务时，想让本地 Ollama 模型来执行定时检查。结果发现：模型能运行，但工具调用完全失效——要么读错文件，要么直接假设无法访问文件系统。

这篇文章记录了排查过程和最终解决方案。

问题现象

心跳任务需要读取 HEARTBEAT.md 文件，然后执行里面的任务清单。但本地模型表现各异：

模型	大小	问题
gpt-oss:20b	13GB	读错文件，读了 USER.md 而不是 HEARTBEAT.md
qwen3.5:35b	26GB	不调用工具，直接返回 HEARTBEAT_OK
llama3.1:8b	4.9GB	写 Python 代码解释怎么做，但不执行
gemma3:4b	3.3GB	无输出
qwen3:30b-a3b	53GB	内存不足（需要 53GB，系统只有 15GB）

模型的 thinking 过程显示：

"I can't actually access the file system"
"The tools provided don't include a file reading function"

它们直接假设自己无法访问文件，根本没尝试调用 read 工具。

排查过程

1. 检查模型是否支持工具调用

ollama show qwen3:30b-a3b --modelfile | head -30

发现模型的 template 里确实有 {{ .Tools }} 支持：

{{- if .Tools }}# Tools

You may call one or more functions to assist with the user query.

You are provided with function signatures within <tools></tools> XML tags:

说明模型本身支持工具调用。

2. 检查 OpenClaw 配置

查看 ~/.openclaw/openclaw.json：

"ollama": {
  "baseUrl": "http://127.0.0.1:11434/v1",
  "apiKey": "ollama-local",
  "api": "openai-completions",
  ...
}

问题找到了！

根本原因

查阅 OpenClaw 官方文档，发现明确警告：

Do not use the /v1 OpenAI-compatible URL (http://host:11434/v1) with OpenClaw. This breaks tool calling and models may output raw tool JSON as plain text. Use the native Ollama API URL instead: baseUrl: "http://host:11434" (no /v1).

简单说：

• 原生 Ollama API：baseUrl: "http://host:11434" + api: "ollama" → 工具调用可靠
• OpenAI 兼容模式：baseUrl: "http://host:11434/v1" + api: "openai-completions" → 工具调用不可靠

之前的配置用了 OpenAI 兼容模式，导致工具调用失效。

解决方案

修改 ~/.openclaw/openclaw.json：

"ollama": {
  "baseUrl": "http://127.0.0.1:11434",
  "apiKey": "ollama-local",
  "api": "ollama",
  "models": [
    {
      "id": "qwen3.5:9b",
      "name": "qwen3.5:9b",
      ...
    }
  ]
}

关键改动：

1. 去掉 /v1：baseUrl 改为 http://127.0.0.1:11434
2. 使用原生 API：api 改为 "ollama"

然后重启 Gateway：

systemctl --user restart openclaw-gateway.service

验证结果

测试心跳任务：

# 使用 ollama/qwen3.5:9b 测试
openclaw heartbeat test

模型正确调用了 read 工具：

<function=read>
<parameter=path>
/home/saiita/.openclaw/workspace/HEARTBEAT.md
</parameter>
</function>

成功！

最终配置

心跳任务配置：

"heartbeat": {
  "every": "30m",
  "model": "ollama/qwen3.5:9b",
  "target": "feishu",
  "to": "ou_xxx..."
}

选择 qwen3.5:9b 的原因：

• 内存占用小（6.6GB），不会撑爆系统
• 工具调用能力稳定
• 推理速度适中

总结

1. Ollama 有两种 API 模式：原生 API 和 OpenAI 兼容 API
2. 工具调用必须用原生 API：baseUrl 不带 /v1，api 设为 "ollama"
3. 选择合适的模型大小：考虑内存限制，qwen3.5:9b 是个不错的平衡点

参考

• OpenClaw 官方文档 - Ollama Provider