如果实验室有一台大家一起用服务器，能跑大模型，那么OpenClaw的token费用不用愁了，免费免费！这里详细介绍一下配置步骤。

Ollama 会自动检查并通过 npm 安装 OpenClaw，弹出模型选择器，选我们刚刚在步骤3下的模型即可，启动 TUI，直接在终端聊天即可。如果想用更厉害更大的云上模型，在ollama处登录账号写入API就可以啦，这里就不赘述，这部分要付费。可以本地安装OpenClaw，用付费的模型API，然后按照token付费。你只需要一台windows电脑，我看了安装OpenClaw的方法还集思广益了别

那就是覆盖各种生活场景的APP账号没法都连到OpenClaw的，美团、抖音、淘宝、支付宝等等这些用户信息是很宝贵的，但是对我来说我很多生活场景是想只有一个输入的接口，然后拿到最实惠最高效的方法买到东西，找到最好的资料，现在情况是背靠不同的大公司大集团，这些生活场景依托的APP信息是不连通的。所以我觉得最根本的利益立场出发，OpenClaw很难走很远，但是每个集团有自己的小龙虾，像千问一样只调用自己

六.倒回去看llm.py llm类看函数 generate函数和chat函数 这个放在下面异步和同步的内容offline看benchmarks\benchmark_throughput.pymain函数入手backend 为vllm ，async_engine==False为default(1)进入run_vllm函数 定义LLM 到vllm\entrypoints\llm.pyLLM 定义LLE

examples文件夹下分析rag_pipeline.py用到的类RAGExample。

训练时：1. 把前一个block中input tokens经过embedding layer和transformer block的输出，进入output head之前的内容记为h，与下一个block的input tokens经过embedding layer输出的内容都经过rmsnorm后concat 再送入projection和block。这是causal chain的连接关系，在embeddi

对于llm 如果max_model_len不能承受更多的话，需要修改metagpt\provider\openrouter_reasoning.py对于rag案例：需要修改metagpt\rag\schema.py。

一般来说，很多厂商的给的SDK demo都名目繁多，比如华为的昇腾推理的示例超级多，并且超级乱，cann samples还有mindx，谁看谁迷糊，有机会一定要问，提issue或者观察一下人家写的和自己内部要兼并的SDK有无共同之处。如果有一些对齐变量的需求，比如格式转换，图片格式，变量格式等等，一般厂商提供的某个相关的库里会有用到的函数，注意版本如果不是最新，翻看最新的版本文档。比如python

从debate函数开始看。

已计算3token] [缓存4token] [新6token] [块1:3token] [块2:4token] [块3:4token] [块4:2token][已计算8token] [新3token] [预分配] [块1:4token] [块2:4token] [块3:3token] [块4:空][已计算6token] [新5token] [块1:4token] [块2:4token] [块3:3