Cara Menjalankan OpenClaw dengan Ollama

Intisari

Ollama adalah cara termudah untuk menjalankan model AI canggih secara lokal. Dikombinasikan dengan OpenClaw, ia menciptakan asisten AI gratis yang berfokus pada privasi yang menyaingi alternatif berbayar. Panduan ini akan memandu Anda dalam menyiapkan Ollama, memilih model yang tepat, dan mengintegrasikannya dengan OpenClaw untuk asisten AI pribadi Anda.

Pengantar

Menjalankan AI secara lokal dulunya merupakan kegiatan para penghobi, membutuhkan pengaturan yang rumit dan perangkat keras yang mahal. Ollama mengubahnya. Dengan perintah instalasi yang sederhana dan API yang intuitif, Ollama membuat menjalankan model AI secara lokal dapat diakses oleh siapa saja.

ollama launch openclaw --model qwen3.5:35b

Ketika dipasangkan dengan OpenClaw, Anda akan mendapatkan asisten AI yang kuat yang:

Tidak memerlukan biaya untuk dijalankan (setelah penyiapan awal)
Menjaga data Anda 100% pribadi
Bekerja secara offline setelah model diunduh
Menawarkan kontrol kustomisasi penuh

Panduan ini mencakup semua yang Anda butuhkan untuk memulai.

Mengapa Menggunakan Ollama dengan OpenClaw

Manfaat AI Lokal

Privasi: Percakapan Anda tidak pernah meninggalkan mesin Anda
Tanpa biaya API: Bayar sekali untuk perangkat keras, gunakan tanpa batas
Akses offline: Berfungsi tanpa internet
Kontrol penuh: Sesuaikan model dan prompt
Tanpa batas tarif: Gunakan sebanyak yang Anda mau

Mengapa Ollama

Ollama menonjol karena beberapa alasan:

Instalasi sederhana: Satu perintah untuk memulai
Pustaka model: 100+ model tersedia
Lintas platform: Berfungsi di macOS, Linux, Windows
API-first: Integrasi mudah dengan OpenClaw
Pengembangan aktif: Pembaruan rutin dan model baru

Prasyarat

Sebelum memulai, pastikan Anda memiliki:

Persyaratan Perangkat Keras

Ukuran Model	RAM Minimum	RAM yang Disarankan
7B params	8GB	16GB
14B params	16GB	32GB
32B params	32GB	64GB
70B params	64GB	128GB

Persyaratan Perangkat Lunak

macOS 10.15+, Linux, atau Windows 10+
Akses Administrator/root untuk instalasi
Koneksi internet untuk unduhan awal
Keterbiasaan dengan baris perintah

Yang Anda Butuhkan

Komputer yang memenuhi persyaratan RAM
Internet untuk mengunduh model
Waktu untuk unduhan model awal (bervariasi berdasarkan ukuran dan koneksi)

Menginstal Ollama

Instalasi macOS

Metode termudah menggunakan Homebrew:

brew install ollama

Atau gunakan skrip penginstal resmi:

curl -fsSL https://ollama.ai/install.sh | sh

Instalasi Linux

# Menggunakan skrip instalasi (disarankan)
curl -fsSL https://ollama.ai/install.sh | sh

# Atau unduh biner secara langsung
sudo curl -L https://ollama.ai/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

Instalasi Windows

Unduh penginstal
Jalankan penginstal
Ikuti instruksi di layar

Memverifikasi Instalasi

ollama --version

Anda akan melihat output seperti ollama version 0.15.0 atau yang lebih baru.

Memulai Layanan Ollama

Ollama berjalan sebagai layanan latar belakang:

# Periksa apakah Ollama sedang berjalan
ollama list

# Mulai Ollama jika tidak berjalan
ollama serve

Periksa apakah ollama berjalan dengan perintah Ollama list

Memilih Model yang Tepat

Ollama mendukung 100+ model. Berikut cara memilihnya:

Berdasarkan Kasus Penggunaan

Kasus Penggunaan	Model yang Disarankan
Percakapan umum	Qwen3.5, Llama 3.2, Mistral
Bantuan pengkodean	Qwen3.5-Coder, DeepSeek-Coder
Penalaran/matematika	DeepSeek-R1, Qwen3.5
Perangkat keras yang lebih kecil	Phi3.5, Gemma2.2B

Berdasarkan Perangkat Keras

RAM Tersedia	Disarankan
8GB	Model 7B (Qwen3.5, Llama3.2, Mistral)
16GB	Model 8-14B
32GB	Model 14-32B
64GB+	Model 70B+

Model Populer di Tahun 2026

Qwen3.5 — Kinerja serbaguna yang sangat baik, penalaran kuat, baik untuk pengkodean. Pilihan paling populer untuk OpenClaw pada tahun 2026.

DeepSeek-R1 — Model penalaran open-source yang menyaingi GPT-4 dalam tugas matematika dan logika. Sangat baik untuk pemecahan masalah kompleks.

Mistral — Ringan tetapi mampu. Sangat baik untuk sistem dengan RAM terbatas.

Menginstal Model

Mengunduh Model

# Instal Qwen3.5 (disarankan untuk sebagian besar pengguna)
ollama pull qwen2.5:7b

# Atau Qwen3 terbaru
ollama pull qwen3:7b

# DeepSeek-R1 untuk tugas penalaran
ollama pull deepseek-r1:7b

# Llama 3.2
ollama pull llama3.2:7b

# Mistral
ollama pull mistral:7b

Tag Model

Model tersedia dalam berbagai ukuran:

# Ukuran parameter yang berbeda
ollama pull qwen2.5:3b    # Lebih kecil, lebih cepat
ollama pull qwen2.5:7b    # Seimbang
ollama pull qwen2.5:14b   # Lebih mampu

Melihat Model yang Terinstal

ollama list

Ini menunjukkan semua model yang diunduh dan ukurannya.

Menjalankan dan Menguji Model

Mode Interaktif

# Berbicara dengan model
ollama run qwen2.5:7b

Ketik pesan Anda dan tekan Enter. Ketik /bye untuk keluar.

Mode API

Ollama menjalankan server API di port 11434 secara default:

# Titik akhir Generate
curl http://localhost:11434/api/generate -d {
  "model": "qwen2.5:7b",
  "prompt": "Hello, how are you?",
  "stream": false
}

Menggunakan Pustaka Python

from ollama import Client

client = Client()
response = client.chat(
    model='qwen2.5:7b',
    messages=[
        {'role': 'user', 'content': 'Hello!'}
    ]
)
print(response['message']['content'])

Pengujian dengan Apidog

Sebelum terhubung ke OpenClaw, uji pengaturan Ollama Anda menggunakan Apidog:

Buat permintaan baru di Apidog
Atur metode menjadi POST
Masukkan URL: http://localhost:11434/api/generate
Tambahkan header: Content-Type: application/json

5. Tambahkan body:

{
  "model": "qwen3-coder",
  "prompt": "What is 2 + 2?",
  "stream": false
}

Ini memverifikasi bahwa pengaturan Ollama Anda berfungsi sebelum berintegrasi dengan OpenClaw.

Mengintegrasikan Ollama dengan OpenClaw

Sekarang mari kita hubungkan Ollama ke OpenClaw.

Metode 1: Konfigurasi Cepat

# Atur OpenClaw untuk menggunakan Ollama dengan model Anda
openclaw models set ollama/qwen2.5:7b

Metode 2: Variabel Lingkungan

# Konfigurasi titik akhir Ollama
export OLLAMA_HOST=http://localhost:11434

# Atur model default
export OLLAMA_MODEL=qwen2.5:7b

Metode 3: File Konfigurasi

Buat atau edit ~/.openclaw/config.yaml:

models:
  default: ollama/qwen2.5:7b

ollama:
  host: http://localhost:11434
  model: qwen2.5:7b
  temperature: 0.7
  top_p: 0.9

Memverifikasi Integrasi

# Periksa status model OpenClaw
openclaw models status

# Uji dengan pesan
openclaw chat "Hello!"

Anda akan menerima respons dari model lokal Anda.

Opsi Konfigurasi

Sempurnakan pengaturan Ollama + OpenClaw Anda:

Suhu (Temperature)

Mengontrol kreativitas vs presisi:

ollama:
  temperature: 0.7    # 0.0 = presisi, 1.0 = kreatif

Top-P dan Top-K

Mengontrol keberagaman respons:

ollama:
  top_p: 0.9         # Sampel nukleus
  top_k: 40          # Pemilihan token

Panjang Konteks

Untuk percakapan yang lebih panjang:

ollama:
  context_size: 4096  # Default seringkali 2048 atau 4096

Prompt Sistem

Sesuaikan perilaku model:

ollama:
  system_prompt: |
    Anda adalah asisten pengkodean yang membantu.
    Berikan contoh kode yang jelas dan ringkas.
    Jelaskan konsep-konsep secara sederhana.

Beralih Antar Model

Salah satu keuntungan Ollama adalah kemudahan beralih model:

# Beralih ke DeepSeek-R1 untuk penalaran
openclaw models set ollama/deepseek-r1:7b

# Beralih ke Qwen-Coder untuk tugas pengkodean
openclaw models set ollama/qwen2.5-coder:7b

# Beralih kembali ke model umum
openclaw models set ollama/qwen2.5:7b

Pengaturan Banyak Model

Konfigurasi beberapa model di config.yaml:

models:
  default: ollama/qwen2.5:7b
  coding: ollama/qwen2.5-coder:7b
  reasoning: ollama/deepseek-r1:7b

Kemudian beralih di antaranya:

openclaw models set coding
openclaw models set reasoning

Pemecahan Masalah

Model Tidak Mau Memuat

Masalah: Kesalahan kehabisan memori

Solusi:

Gunakan model yang lebih kecil (7B daripada 14B)
Tutup aplikasi lain untuk membebaskan RAM
Periksa memori yang tersedia dengan free -h (Linux) atau Activity Monitor (Mac)

Respons Lambat

Masalah: Respons memakan waktu terlalu lama

Solusi:

Gunakan model yang lebih kecil
Aktifkan akselerasi GPU (jika tersedia)
Kurangi ukuran konteks
Gunakan penyimpanan SSD untuk file model

Koneksi Ditolak

Masalah: OpenClaw tidak dapat terhubung ke Ollama

Solusi:

# Verifikasi Ollama berjalan
ollama serve

# Periksa port
curl http://localhost:11434

Model Tidak Ditemukan

Masalah: Model tidak ada di Ollama

Solusi:

# Unduh model
ollama pull qwen2.5:7b

# Periksa model yang tersedia
ollama list

Kesimpulan

Anda kini memiliki asisten AI yang kuat dan pribadi yang berjalan secara lokal. Ollama + OpenClaw memberikan kemampuan yang akan menelan biaya $20+/bulan dengan alternatif cloud—semuanya berjalan di perangkat keras yang Anda kendalikan.

Apa yang bisa Anda lakukan sekarang:

Mengobrol dengan AI Anda melalui berbagai platform
Beralih antar model berdasarkan tugas
Sesuaikan prompt untuk perilaku khusus
Jalankan secara offline setelah model diunduh

Satu-satunya batasan adalah perangkat keras Anda.

Langkah selanjutnya:

Bereksperimen dengan model yang berbeda
Coba Qwen3.5, DeepSeek-R1, dan lainnya
Sesuaikan prompt sistem Anda
Jelajahi keterampilan OpenClaw di ClawHub

Siap membangun aplikasi AI profesional? Unduh Apidog gratis dan uji integrasi AI Anda dengan antarmuka visual yang dirancang untuk pengembang.

button

FAQ

Model Ollama terbaik untuk OpenClaw apa?

Qwen3.5 saat ini yang paling populer—kinerja seimbang dengan kemampuan penalaran dan pengkodean yang baik. DeepSeek-R1 unggul dalam tugas penalaran jika itu prioritas Anda.

Bisakah saya menjalankan beberapa model Ollama sekaligus?

Ya, tetapi setiap model memerlukan RAM. Pengaturan tipikal menjalankan satu model pada satu waktu, beralih sesuai kebutuhan.

Apakah saya membutuhkan GPU?

Tidak, Ollama bekerja pada CPU. Akselerasi GPU membuatnya lebih cepat tetapi tidak diperlukan. Model yang lebih kecil (7B) berfungsi cukup baik pada CPU.

Bagaimana cara memperbarui model?

ollama pull model-name

Ollama memperbarui secara otomatis jika versi yang lebih baru tersedia.

Bisakah saya menggunakan model yang telah saya sesuaikan sendiri?

Ya, impor model kustom menggunakan fungsionalitas impor Ollama. Periksa dokumentasi Ollama untuk detailnya.