OpenClaw模型服务限流熔断配置指南：从原理到实战

先说结论：OpenClaw的模型服务层是支持限流和熔断的，而且不是靠外面再套一层网关实现的旁路方案，而是在模型路由和请求代理这一层内置了完整的流量治理能力。我一开始也没注意到这点，直到有一次把OpenClaw接到微信群里，一个用户连发了二十条消息，模型服务直接被多条并发请求打满，上游API开始报429，然后整个agent像死了一样不回复。后来翻了配置文档才反应过来：限流熔断的开关其实就在openclaw.json的gateway段落里，只是默认值比较保守，很多部署教程不会特意讲。

这篇文章我就围绕“OpenClaw模型服务限流和熔断到底怎么配”这件事，把架构位置、配置项含义、参数计算公式、验证方法、还有我踩过的坑一次性讲清楚。无论你是用Docker部署在Mac mini上，还是跑在云服务器甚至昇腾910B这种国产加速卡环境，只要模型服务是走OpenClaw的gateway出去的，这套配置思路都适用。

1. 搞清楚限流熔断在OpenClaw里的管段边界

很多人一听到“模型服务”就默认指的是vLLM、Ollama或者某个云端API，但OpenClaw里的“模型服务”是一个完整链路：IM平台回调 → Agent调度 → 模型路由 → 上游模型API/本地推理服务。限流和熔断并不在IM平台那一端，也不在上游模型那一端，而是在OpenClaw自己的gateway层——也就是所有模型请求汇聚、转发、路由出去的那一层。这个位置非常关键，因为它决定了限流和熔断能做到什么粒度。

1.1 Gateway层到底管了哪些请求场景

OpenClaw的gateway本质是一个兼容OpenAI协议的服务端点，它对外暴露/v1/chat/completions这类接口，同时内部负责把请求路由到你配置的各个provider。也就是说，不管你是通过微信、飞书、钉钉触发的对话，还是用OpenClaw二次开发平台通过API直接调用模型，请求都要先打到gateway，再由gateway转发给实际的模型服务商或本地推理引擎。

这个架构带来的直接影响是：限流熔断配置放在gateway层，就能同时覆盖所有接入渠道。你不用在微信适配器、飞书适配器里分别做流控，只要在gateway统一管控就行。另外，如果你在OpenClaw里配置了多个模型，比如主模型用DeepSeek，嵌入模型用本地的BGE系列，reranker用本地的交叉编码器，这些不同模型的请求也都会从gateway统一经过，所以限流策略可以按模型维度单独设置。

1.2 哪些情况不在这个配置的管辖范围

必须说清楚边界，否则你会白折腾。gateway层的限流熔断管的是OpenClaw主动发出去的模型请求，管不了两件事：

一是IM平台侧的回调限流。微信、飞书、钉钉这些平台对机器人消息回调本身有频率限制，如果不注意控制发送频率，被IM平台封禁或者风控，那不是OpenClaw限流能救的。二是上游模型API本身的配额限制。比如你买的某个API套餐是每分钟10万token，OpenClaw网关层面的QPS限制和这个TPM配额是两套体系，不能互相替代，双层都要计算。

本地部署的场景也类似。如果你在昇腾910B服务器上用vLLM启动embedding和reranker模型给OpenClaw用，vLLM进程本身的并发限制和显存瓶颈，和OpenClaw网关的限流策略也是两回事。网关限流更像是给vLLM前面加一道“减速带”，防止突发流量把推理引擎打挂。

2. 限流策略配置：从参数含义到计算逻辑

OpenClaw的限流配置我习惯把它看成三层：全局限额、按用户（API Key）限额、按模型限额。三层是叠加关系，请求同时命中多个限制时，任何一个先到阈值都会触发限流。这种设计不是随便做的，而是模型网关最常见的分层思路——全局保护进程不被打爆，按用户保护单个调用方不饿死别人，按模型保护某个后端服务不因单一模型流量过大而崩溃。

2.1 一份可直接落地的gateway限流配置示例

我目前生产环境用的限流配置长这样，字段名在1.2.x版本上验证过，如果你用的版本很新或很旧，建议先用openclaw config --schema看一下自己版本支持的字段。

json复制{
  "gateway": {
    "host": "0.0.0.0",
    "port": 7376,
    "apiKeys": ["sk-local-admin"],
    "rateLimit": {
      "enabled": true,
      "global": {
        "qps": 30,
        "burst": 60
      },
      "perUser": {
        "qps": 5,
        "burst": 10
      },
      "perModel": {
        "deepseek-chat": {
          "qps": 15,
          "burst": 30
        },