OpenClawAI支持InternLM2吗？书生大模型调用教程

本文详细介绍了如何在OpenClaw AI中成功接入并调用国产高性能开源大模型InternLM2（书生大模型），涵盖从模型兼容性确认、使用lmdeploy本地部署API服务、配置OpenClaw的models.yaml文件，到在Web UI和CLI中切换测试、乃至启用工具调用（Tool Calling）的完整实操流程——无论你是想私有化部署、追求低延迟响应，还是需要让书生大模型真正“动起来”执行文件操作等实际任务，这篇教程都提供了清晰、可靠、开箱即用的技术路径。

如果您在使用 OpenClaw AI 时希望接入 InternLM2（书生大模型），需确认该模型是否已纳入 OpenClaw 支持的模型列表，并完成对应配置。InternLM2 是面向中英文双语的高性能开源大语言模型，具备强推理、长文本理解与代码能力，OpenClaw 可通过标准 API 接口或本地运行时方式调用。以下是具体配置与调用步骤：

一、确认 InternLM2 模型兼容性与接入路径

OpenClaw 不直接内置 InternLM2，但支持通过标准化协议接入任意兼容 OpenAI 兼容 API 的后端服务。InternLM2 可通过 lmdeploy、vLLM 或 OpenRouter 等中间层暴露为类 OpenAI 格式接口，从而被 OpenClaw 识别并调用。该方式不依赖云端模型服务商，完全可控且适配私有部署场景。

1、访问 InternLM 官方 GitHub 仓库，下载对应版本的模型权重（如 internlm2_7b、internlm2_20b）。

2、使用 lmdeploy 启动本地服务：执行命令 lmdeploy serve api_server internlm2_7b --model-format hf --quant-policy 0 --server-port 23333。

3、验证服务是否就绪：在浏览器中访问 http://127.0.0.1:23333/docs，确认 Swagger UI 页面可正常加载并显示 /v1/chat/completions 等端点。

二、配置 OpenClaw 使用本地 InternLM2 API

OpenClaw 通过 model config 文件定义模型源，需手动添加一条指向本地 lmdeploy 服务的配置项。该配置将被 runEmbeddedPiAgent 阶段读取并用于构造请求头与 endpoint 地址。

1、打开 OpenClaw 配置目录中的 models.yaml 文件（路径通常为 ~/.openclaw/config/models.yaml）。

2、在 models 列表末尾新增如下 YAML 片段：

- name: internlm2-local

provider: openai

base_url: http://127.0.0.1:23333/v1

api_key: none

3、保存文件后重启 OpenClaw 服务，使配置生效。

三、在 Web UI 中切换并测试 InternLM2 模型

Web 界面通过 /model 命令触发模型切换逻辑，底层调用 runAgentTurnWithFallback 进行模型路由判定。成功配置后，InternLM2 将出现在可用模型列表中，且支持流式响应与上下文延续。

1、在 OpenClaw Web 界面左侧聊天输入框中输入指令：/model internlm2-local。

2、执行后观察右上角状态栏是否显示当前模型名称变为 internlm2-local。

3、发送测试提示：“请用中文解释 Transformer 架构的核心思想”，确认响应内容由 InternLM2 生成且格式正确。

四、通过 CLI 直接调用 InternLM2 执行任务

OpenClaw CLI 模式绕过 Web 层，直接进入 getReplyFromConfig 入口函数，适用于脚本化集成与自动化测试。该路径可跳过会话管理，强制指定模型与参数，适合验证模型基础能力。

1、在终端中执行命令：openclaw chat --model internlm2-local --prompt "写一段 Python 函数，实现快速排序"。

2、等待输出完成，检查返回代码是否语法正确、逻辑完整。

3、如需调试 Token 消耗或响应延迟，追加 --verbose 参数查看详细日志。

五、启用工具调用（Tool Calling）支持 InternLM2

InternLM2 原生不支持 function calling 输出格式，但可通过配置 output_parser 插件实现结构化解析。OpenClaw 在 runPreparedReply 阶段注入系统提示，引导模型按 JSON Schema 输出 tool_calls 字段，再由 runEmbeddedPiAgent 解析执行。

1、编辑 ~/.openclaw/config/skills/internlm2-tool-prompt.md，在 system_prompt 区域添加说明：“你必须严格按 JSON 格式输出，包含 action 和 action_input 字段，不得添加任何额外文本。”

2、在 models.yaml 中为 internlm2-local 添加字段：tool_parser: json。

3、在对话中输入：“帮我把当前目录下所有 .txt 文件打包成 archive.zip”，观察是否触发 file_tool 执行。

以上就是《OpenClawAI支持InternLM2吗？书生大模型调用教程》的详细内容，更多关于openclaw的资料请关注golang学习网公众号！