Featherless AI
Featherless AI 可以理解成“托管开源模型的 OpenAI 兼容入口”。
如果你不想自己搭 vLLM / SGLang，但又想用 Qwen、Kimi 一类开源或开放模型，Featherless 是一条比较省事的路线。
先记住 4 个事实：
- Provider id 是
featherless - API Key 环境变量是
FEATHERLESS_API_KEY - 默认地址是
https://api.featherless.ai/v1 - OpenClaw 默认模型是
featherless/Qwen/Qwen3-32B
适合什么场景
适合：
- 想少折腾，直接用托管开源模型
- 需要 OpenAI 兼容接口，方便和已有工具链接轨
- 想先体验 Qwen 3 这一类自带工具调用能力的模型
不太适合：
- 你已经自己有本地推理服务
- 你强依赖官方内置模型目录里“完整列出所有模型”
Featherless 的模型很多，但 OpenClaw 不会把它整份公开目录都无脑塞进选择器里。 对未知模型，OpenClaw 会按更保守的默认能力处理。
快速开始
如果当前环境还没装对应 provider 插件，先安装：
bash
openclaw plugins install @openclaw/featherless-provider
openclaw gateway restart然后走向导：
bash
openclaw onboard --auth-choice featherless-api-key无交互写法：
bash
openclaw onboard --non-interactive \
--mode local \
--auth-choice featherless-api-key \
--featherless-api-key "$FEATHERLESS_API_KEY"检查是否接通：
bash
openclaw models list --provider featherless常用配置
json5
{
env: {
FEATHERLESS_API_KEY: "<your-key>",
},
agents: {
defaults: {
model: {
primary: "featherless/Qwen/Qwen3-32B",
},
},
},
}如果 Gateway 是后台服务、Docker 容器或守护进程，只在当前 shell 里 export FEATHERLESS_API_KEY=... 往往不够。 要把变量放进 Gateway 真正启动时能读到的环境里。
自定义其他模型
如果你想切到别的 Featherless 模型，通常直接写完整模型引用即可：
json5
{
agents: {
defaults: {
model: {
primary: "featherless/moonshotai/Kimi-K2-Instruct",
},
},
},
}如果某个模型其实支持图像输入、更大的上下文或不同输出上限，而 OpenClaw 默认没识别到，就手动补模型元数据：
json5
{
models: {
mode: "merge",
providers: {
featherless: {
baseUrl: "https://api.featherless.ai/v1",
apiKey: "${FEATHERLESS_API_KEY}",
api: "openai-completions",
models: [
{
id: "google/gemma-3-27b-it",
name: "Gemma 3 27B",
input: ["text", "image"],
reasoning: false,
contextWindow: 32768,
maxTokens: 4096,
},
],
},
},
},
}常见问题
为什么模型列表是空的
先查这三件事：
- 插件有没有装上并启用
FEATHERLESS_API_KEYGateway 进程是否真的能读到- 你写的 provider 是否确实是
featherless
为什么模型调用退化成普通文本回复
优先确认你选的模型是否真的支持原生工具调用。 如果只是“兼容聊天接口”但没有可靠 tool calling，OpenClaw 侧也救不回来。
为什么我填了模型名却报 unknown model
很多时候不是模型不存在，而是模型 id 大小写或路径不对。 Featherless 这里最好直接用它官方目录里的完整 id，再加上 featherless/ 前缀。