RTX 4090，24GB显存，外加128GB系统内存，这配置跑个模型结果卡成幻灯片，你敢信？Reddit上一位老哥昨天就为这事折腾了快三个小时。
- 硬件是RTX 4090 + 128GB内存，跑Qwen3.5:27b和Gemma4模型，用ollama launch openclaw启动。
- 速度慢到离谱，思考几分钟，输出也慢。原因是上下文长度被默认设为262144，直接撑爆VRAM，溢到系统内存。
- 用户尝试修改openclaw.json，但重启就被覆盖；用Ollama内置工具重建模型指定ctx也没用，问题依旧。
这配置跑不动，问题出在哪？
用户自己把问题定位得非常准，就是那个context length。他原文里写：“Problem is context length. It is using 262144 as contextlength which saturates my VRAM and overflows into my system memory.” 说白了，26万多的上下文长度，就算4090的24GB显存也扛不住，数据只能往128GB的系统内存里倒，速度自然就下来了。
更气人的是，他知道问题在哪，但就是改不了。试了直接编辑openclaw.json配置文件，结果“as soon as I launch a new session. The contextlength parameter gets overwritten in json file and the problem persists”。文件会被自动覆盖，改了个寂寞。他又试了用Ollama自带的工具去重建模型，指定一个低一点的ctx，结果“does not seem to be using the specified contextlength either”，工具可能也没按他想的来。
求助AI，结果被带进沟里
自己搞不定，那就问问AI助手吧。结果这位老哥的经历堪称经典。他原文是这么说的：“Spent 2-3 hours yesterday with Gemini pro and claude to find answers to this issue and both of them took me through wild goose chase that did not produce anything of value”。花了俩仨小时，跟Gemini Pro和Claude周旋，结果被带着“wild goose chase”（白忙活一场），一点有价值的东西都没整出来。讲真，这体验太真实了，有时候AI给的步骤看着挺像回事，跑一圈发现根本不解决核心问题。
这事给你提个什么醒？
首先，别以为顶级硬件就能通吃所有配置。OpenClaw这种工具链，可能内置了一些对普通用户不太友好的默认值，比如这个26万的上下文长度。上手之前，最好先查查社区有没有类似的坑。其次，依赖AI助手排查具体的技术问题，尤其是涉及特定工具链和配置的，风险很高，它们很可能给不出针对性的方案，反而浪费你时间。最后，社区的力量很重要，像这位用户最后也是发帖到Reddit的Ollama板块，希望“I am not the only one with this issue”。
留言聊聊
你在用Ollama跑大模型的时候，遇到过最坑的默认配置是什么？
来源：Reddit Ollama｜原文：Ollama + Openclaw is slow. I know the reason but c
