Ollama e OpenClaw: Come eseguire OpenClaw su un modello locale

OpenClaw è un assistente AI auto-hostato che interagisce con te tramite applicazioni di messaggistica ed esegue strumenti sul tuo computer. Non dispone di alcuna integrazione specifica per Ollama; per collegare i due sistemi, devi semplicemente indirizzare il fornitore di modelli di OpenClaw verso l’endpoint compatibile con OpenAI di Ollama, http://localhost:11434/v1. Funziona, ma solo con un modello in grado di richiamare gli strumenti in modo affidabile e con una finestra contestuale ben superiore al valore predefinito di Ollama.

Che cos’è realmente OpenClaw

OpenClaw è un assistente personale open source che gira come processo gateway persistente sul tuo hardware. Collega canali di messaggistica — WhatsApp, Telegram, Discord, Signal, iMessage — a un ciclo agente con accesso a strumenti: comandi shell, operazioni sui file, recupero dati dal web, calendario e memoria. Il progetto è nato come Clawdbot, è stato brevemente rinominato Moltbot, per poi stabilizzarsi su OpenClaw. Il suo cervello predefinito era un modello Anthropic, ma poiché utilizza il protocollo OpenAI chat-completions per i fornitori di terze parti, qualsiasi sistema che implementi tale protocollo può essere utilizzato al suo posto — incluso Ollama.

Una precisazione: esiste un progetto non correlato chiamato OpenClaw, che è una reimplementazione in C++ del platformer del 1997 Captain Claw. Non ha alcun legame con gli LLM. Se hai cercato «ollama openclaw», quasi certamente stai cercando l’assistente.

Perché questa combinazione è più complessa di una semplice interfaccia chat

Indirizzare un frontend chat a Ollama è banale. Un framework agente non lo è, per tre motivi:

• Le chiamate agli strumenti devono essere strutturalmente corrette. OpenClaw invia le definizioni degli strumenti e si aspetta in risposta oggetti JSON per le chiamate agli strumenti. I modelli privi di un template chat consapevole degli strumenti producono testo in prosa come «Ora eseguirò ls» e il ciclo si blocca.
• Il prompt è già ampio prima ancora che tu digiti qualcosa. Le istruzioni di sistema insieme agli schemi degli strumenti consumano regolarmente diverse migliaia di token. La finestra contestuale predefinita di Ollama tronca tale contenuto, e il troncamento all’inizio del prompt elimina proprio le istruzioni di cui l’agente dipende.
• Gli errori si accumulano nel corso dei vari turni. Un modello con un’accuratezza del 90% per ogni singola chiamata a uno strumento completa un compito a sei passi solo circa la metà delle volte.

Passo 1: Configura Ollama in modo che sia accessibile da un indirizzo raggiungibile

Se Ollama non è ancora installato, segui innanzitutto le Guida all'installazione di Ollama istruzioni ufficiali. Verifica che il server risponda correttamente eseguendo:

curl http://localhost:11434/api/version
curl http://localhost:11434/v1/models

Se OpenClaw gira sullo stesso host e al di fuori di un contenitore, il binding predefinito su loopback è sufficiente e puoi passare direttamente al Passo 2. Se invece OpenClaw gira all’interno di un contenitore Docker o su un’altra macchina, Ollama deve essere configurato per accettare connessioni oltre il loopback tramite OLLAMA_HOST. Il metodo per farlo varia a seconda della piattaforma.

macOS

L’applicazione nella barra dei menu non legge il tuo profilo shell. Imposta la variabile nell’ambiente di avvio, quindi riavvia l’applicazione dall’icona nella tray:

launchctl setenv OLLAMA_HOST "0.0.0.0:11434"

I modelli sono memorizzati in ~/.ollama/models. I log del server si trovano in ~/.ollama/logs/. Da un contenitore sulla stessa Mac, raggiungi l’host all’indirizzo http://host.docker.internal:11434.

Linux

L’installer registra un’unità systemd. Sovrascrivi le sue variabili d’ambiente anziché modificare direttamente il file dell’unità fornito:

sudo systemctl edit ollama.service

Aggiungi:

[Service]
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_KEEP_ALIVE=-1"

Poi sudo systemctl daemon-reload && sudo systemctl restart ollama. I log provengono da journalctl -u ollama -f. Sotto l’account servizio, i modelli usano come percorso predefinito /usr/share/ollama/.ollama/models, non la tua cartella home — una sorpresa comune quando ollama list risulta vuota eseguendo il comando come root.

Windows

Imposta la variabile tramite l’interfaccia grafica: Start → «Modifica le variabili di ambiente di sistema» → Variabili di ambiente → Nuovo nella sezione «Variabili utente», imposta il nome OLLAMA_HOST, valore 0.0.0.0:11434. Esci da Ollama tramite l’icona nella barra delle applicazioni e riavvialo; il processo nella barra legge le variabili d’ambiente soltanto all’avvio. I modelli sono memorizzati in %USERPROFILE%.ollamamodels; i log in %LOCALAPPDATA%\Ollama.

OpenClaw stesso è un’applicazione Node.js e funziona in modo più affidabile su Linux o macOS. Su Windows, eseguilo all’interno di WSL2. In tal caso, Ollama può rimanere installato nativamente su Windows — WSL2 raggiunge l’host Windows tramite l’indirizzo del gateway (mirroring o NAT), quindi verifica con curl da dentro WSL prima di configurare qualsiasi cosa.

Nota di sicurezza: Ollama non prevede alcuna autenticazione. Associare l’ascolto su 0.0.0.0 espone l’inferenza dei modelli a ogni host in grado di instradare traffico verso quella porta. Mantienilo su una LAN attendibile o su una VPN, oppure proteggilo con un reverse proxy che richieda un token. Non esporlo mai su Internet pubblico.

Passo 2: Scarica un modello in grado di richiamare strumenti

La chiamata agli strumenti (tool calling) in Ollama dipende dal modello di chat (chat template) del modello, non da un flag passato in input. Le dimensioni indicate di seguito sono approssimative per i tag quantizzati a 4 bit più comuni e possono variare tra le versioni — consulta ollama list e l’elenco corrente dei tag per i valori esatti.

Tag del modello	Parametri	Download approssimativo	VRAM pratica richiesta a contesto da 32K	Adatto a OpenClaw
llama3.1:8b	8B	~4,7 GB	8–10 GB	Limite inferiore. Adatto solo a compiti semplici con un singolo strumento.
qwen3:8b	8B	~5 GB	8–10 GB	Disciplina nell’uso degli strumenti migliore rispetto a Llama 3.1 8B.
qwen3:14b	14B	~9 GB	12–16 GB	Buon compromesso su una GPU da 16 GB.
gpt-oss:20b	20B MoE	~14 GB	16 GB	Uso efficace degli strumenti; veloce grazie all’attivazione sparsa.
mistral-small	24B	~14 GB	16–20 GB	Chiamata affidabile alle funzioni.
qwen3:32b	32 miliardi	~20 GB	24 GB o superiore	Migliore esperienza realistica locale.

Estrai uno e verifica che accetti tools prima di toccare OpenClaw:

ollama pull qwen3:14b

Per un confronto più ampio dei candidati e del loro comportamento sotto carichi di agent, vedi i migliori modelli locali per Ollama.

Passo 3: Aumenta la finestra contestuale

Questo è il passaggio che le persone saltano, ed è la causa più comune di una configurazione OpenClaw-on-Ollama che «quasi funziona». Ollama applica un modesto contesto predefinito (storicamente 2048, aumentato nelle versioni successive) indipendentemente da quello che il modello supporta. Le versioni recenti accettano una OLLAMA_CONTEXT_LENGTH variabile di ambiente a livello di server, ma il metodo indipendente dalla versione è incorporarla in un modello derivato:

FROM qwen3:14b
PARAMETER num_ctx 32768

Salva come Modelfile, quindi:

ollama create qwen3-14b-32k -f Modelfile

Usa qwen3-14b-32k come nome del modello in OpenClaw. Contesti più grandi consumano VRAM per la cache KV, che è separata dai pesi — usa Calcolatore VRAM per vedere di quanta VRAM ha effettivamente bisogno un dato modello e lunghezza di contesto prima di scoprirlo con un OOM. Nelle build recenti di Ollama, OLLAMA_FLASH_ATTENTION=1 e una cache KV quantizzata («OLLAMA_KV_CACHE_TYPE=q8_0») riducono significativamente questo overhead.

Passo 4: Indirizza OpenClaw verso Ollama

OpenClaw memorizza la configurazione in una dot-directory nella tua home («~/.openclaw/») e consente override tramite variabili di ambiente. I tre valori di cui hai bisogno hanno sempre la stessa sostanza:

Impostazione	Valore
URL base	http://localhost:11434/v1 — il /v1 suffisso è obbligatorio
Chiave API	Qualsiasi stringa non vuota, ad esempio ollama. Il valore viene ignorato, ma molti client rifiutano un valore vuoto.
Modello	Tag esatto da ollama list, incluso il percorso :tag porzione

La configurazione esatta nomi delle chiavi sono cambiati a seguito delle rinominazioni del progetto e del suo rapido ciclo di rilasci. Invece di copiare un blocco di configurazione da un articolo sul blog, esegui l’output della guida della CLI e ispeziona il file di configurazione generato nella versione installata:

openclaw --help

In pratica, stai cercando il blocco generico del provider compatibile con OpenAI — lo stesso utilizzato per OpenRouter, vLLM o LM Studio — e devi impostare l’URL base, la chiave e il modello in quella sezione. Se OpenClaw offre la possibilità di selezionare un provider durante la configurazione iniziale, scegli l’opzione compatibile con OpenAI anziché un fornitore specifico.

Prima di eseguire il debug di OpenClaw, verifica che l’endpoint risponda correttamente a una richiesta di chiamata strumentale inviando direttamente curl contro /v1/chat/completions. Se questa richiesta fallisce, il problema è Ollama, non OpenClaw.

Verifica della realtà hardware

OpenClaw è un servizio in background. Il modello viene caricato e ricaricato ogni volta che arrivano nuovi messaggi, e ogni ricaricamento comporta secondi di latenza: pertanto, vuoi che i pesi del modello rimangano residenti in memoria in modo permanente — ecco perché OLLAMA_KEEP_ALIVE=-1. Ciò significa che la VRAM viene impegnata per tutta la durata dell’esecuzione dell’assistente, non solo durante una singola richiesta. Pianifica di conseguenza: una scheda grafica da 24 GB che esegue qwen3:32b con contesto da 32K ha praticamente zero memoria residua disponibile per qualsiasi altro compito.

Una GPU da 16 GB rappresenta il punto di ingresso ragionevole per un modello da 14B–20B con un contesto utilizzabile. Con meno di 12 GB sei limitato a modelli da 8B, nei quali l’affidabilità su più passaggi cala drasticamente. I dispositivi Apple Silicon dotati di almeno 32 GB di memoria unificata funzionano bene grazie alla condivisione della memoria, anche se l’elaborazione dei prompt è più lenta rispetto a una GPU NVIDIA dedicata. Consulta la guida alle GPU per LLM locali per conoscere le specifiche schede grafiche consigliate per ciascuna fascia di prezzo.

La configurazione ibrida adottata dalla maggior parte degli utenti

Il risultato reale: un modello locale da 14B gestisce perfettamente messaggi di routine, riassunti, promemoria e ricerche strumentali singole. Catene di ricerca lunghe, modifiche al codice su più file e qualsiasi attività che richieda un’aderenza precisa alle istruzioni subiscono un degrado evidente. Molti utenti di OpenClaw mantengono quindi configurato un fornitore cloud per il ciclo principale dell’agente, utilizzando invece Ollama per operazioni ad alto volume ma basso impatto, oppure per contenuti sensibili dal punto di vista della privacy che non devono lasciare il dispositivo.

Se questa suddivisione comporti un risparmio dipende dal tuo volume di messaggi e dal costo dell’elettricità. Esegui i tuoi calcoli attraverso il Calcolatore del break-even self-hosting vs API prima di acquistare una GPU specificamente per questo scopo: a bassi volumi, l’API è solitamente più economica rispetto all’ammortamento hardware.

Risoluzione dei problemi

Sintomo	Causa e soluzione
ECONNREFUSED / connessione rifiutata	Il server non è in esecuzione, oppure è vincolato all’indirizzo di loopback mentre OpenClaw gira in un contenitore. Prova curl http://localhost:11434/api/version dal namespace di rete interno al contenitore.
Errore 404 sulle richieste	URL base mancante /v1, oppure puntato al percorso nativo di Ollama /api/chat anziché a quello compatibile con OpenAI.
Errore 401 / chiave API mancante	Imposta il campo 'key' su una stringa non vuota.
modello non trovato	Mancata corrispondenza del tag. Copia il nome esattamente come appare in ollama list.
L’agente descrive l’utilizzo dello strumento invece di eseguirlo	Il modello non dispone di un template per le chiamate strumentali. Passa a uno dei modelli indicati nella tabella sopra.
L’agente dimentica le proprie istruzioni a metà compito	Troncamento del contesto. Ricostruisci con un valore di num_ctx.
La prima risposta dopo un periodo di inattività richiede 30+ secondi	Il modello è stato scaricato dopo il timeout di keep-alive. Imposta OLLAMA_KEEP_ALIVE=-1.

Domande frequenti

OpenClaw supporta ufficialmente Ollama?

No, non come integrazione denominata. Il supporto è indiretto: OpenClaw può utilizzare qualsiasi endpoint di chat-completions compatibile con OpenAI, e Ollama ne espone uno all’indirizzo /v1. Questo percorso è stabile e improbabile che cambi, ma lo schema di configurazione di OpenClaw evolve rapidamente, quindi consulta sempre la documentazione attuale per le chiavi esatte del provider, senza fare ipotesi.

Qual è il modello più piccolo che funziona davvero?

Un modello da 8B con supporto per le chiamate strumentali, come qwen3:8b , rappresenta il limite realistico, e solo per interazioni brevi e monospecifiche. Al di sotto di tale soglia, gli argomenti degli strumenti diventano spesso malformati, rendendo il ciclo dell’agente più frustrante che utile. A partire dai 14B il sistema comincia a risultare affidabile.

Posso eseguirlo su Windows?

Sì, con OpenClaw in esecuzione su WSL2 e Ollama installato nativamente su Windows, in modo da sfruttare direttamente il driver GPU. Verifica la connettività dalla shell WSL con curl prima di configurare OpenClaw. Nota che il canale iMessage è disponibile solo su macOS, indipendentemente dalla piattaforma, poiché dipende dal database locale di Messaggi.

Perché OpenClaw locale è così inferiore rispetto alla versione basata su cloud?

Due fattori cumulativi. Primo, l’accuratezza delle chiamate strumentali per singolo passaggio è inferiore, e gli errori si moltiplicano in un compito multipasso. Secondo, i modelli locali degradano più velocemente man mano che il contesto si riempie, e il prompt di OpenClaw è già ampio ancor prima che venga aggiunto il tuo messaggio. Entrambi sono limiti intrinseci delle capacità del modello, non problemi di configurazione.

È possibile eseguire Ollama su una macchina diversa da quella che ospita OpenClaw?

Sì, ed è un approccio consigliato: posiziona Ollama sulla macchina dotata di GPU e fai girare il gateway su un dispositivo sempre acceso e a basso consumo. Imposta OLLAMA_HOST=0.0.0.0:11434 sull’host GPU e usa il suo indirizzo LAN nell’URL base di OpenClaw. Poiché Ollama non prevede autenticazione, limita l’accesso a una rete attendibile o a una VPN.

Si tratta dello stesso OpenClaw del progetto del gioco Captain Claw?

No. Quell’OpenClaw è una riscrittura in C++, del tutto indipendente, di un platformer DOS del 1997 e condivide con questo progetto soltanto il nome. Se un risultato di ricerca parla di file di livello o rendering di sprite, ti trovi nel progetto del gioco.

Conclusione

La connessione tra Ollama e OpenClaw richiede cinque minuti di configurazione: l’endpoint compatibile con OpenAI, una chiave non vuota e un tag modello esatto. Il lavoro che determina se il sistema sarà effettivamente utilizzabile avviene a monte: scegliere un modello con reale supporto per le chiamate strumentali, fornirgli una finestra di contesto sufficientemente ampia per accogliere il prompt dell’agente e disporre di abbastanza VRAM per mantenerlo residente. Confronta i modelli candidati nella database di modelli, e se sei nuovo alla superficie di configurazione di Ollama, la Guida completa a Ollama approfondisce variabili d’ambiente e meccanismi del Modelfile.