调用免费模型时，真正让人头疼的往往不是模型本身的能力限制，而是那些隐藏在操作流程里的“坑”——API密钥绕不过去、生成内容被截断、好不容易跑出来的结果下游工具却解析不了。这些都不是配置选项的锅，而是执行路径的选择问题。下面直接拆解一套可复用的操作流程。

先说一个核心判断：如果觉得“免费模型”就是装上就能用、输入指令就出结果，那大概率会在第一步就卡住。关键在于先搞清楚本地到底有哪些模型是可以直接调用的。

确认本地可用的免费模型接口

进入OpenClaw的CLI界面后，第一件事不是急着写指令，而是先跑一遍openhands list-models --free-only。这条命令会把所有需要API密钥或计费方案的模型过滤掉，只显示当前环境里已经预置好的免费模型，比如Phi-3.5-mini、Qwen2.5-0.5B-Instruct、Gemma-2-2B-It这类常见选择。

如果命令返回为空，那说明权重文件根本没加载进来。这时候就得手动去~/.openhands/models/目录下，下载对应模型的GGUF格式量化版本，再用openhands register-model --path ./phi-3.5-mini.Q4_K_M.gguf --name phi35-mini-free完成注册。这一步省不了——不注册的话，后续所有分析指令都会回退到远程的兜底模型，而那个模型十有八九会因为超时而失败。

构造带结构约束的自然语言指令

直接输入“总结销售数据趋势”这种开放式指令，模型大概率会给你输出一段散文，内容自由发挥，结构一塌糊涂。必须强制要求它按JSON格式输出。具体做法是在指令末尾明确追加一句：“请严格按以下JSON Schema输出，不要任何额外文本”，然后附上具体的Schema结构，比如{‘trend_summary’: ‘字符串’, ‘key_drivers’: [‘字符串’], ‘anomaly_periods’: [{‘start’: ‘YYYY-MM-DD’, ‘end’: ‘YYYY-MM-DD’, ‘reason’: ‘字符串’}]}。

这一步不能省略。免费模型普遍缺乏对格式的强遵循能力，缺少Schema声明的情况下，大约87%的响应里会混入解释性文字或者Markdown标记。到时候下游的jq或者Python的json.loads()直接报错，回头还得花时间排查。

分阶段执行：清洗→聚合→归因

接下来是具体的执行节奏。建议分三步走，每一步都基于上一步的结果继续推进，并且**必须在同一次沙箱会话中完成**。

第一步，启动沙箱并加载原始数据文件：
openhands sandbox start --image=openhands/runtime:0.28-nikolaik，等提示符出现后，输入upload sales_q1_2026.csv上传文件。

第二步，调用免费模型进行列级清洗。指令可以写成：“使用phi35-mini-free模型，识别sales_q1_2026.csv中‘revenue’和‘date’字段的异常值，输出修正后的CSV内容，仅含这两列，日期转为ISO格式，收入保留两位小数”。

第三步，拿到清洗后的CSV结果后，立即追加聚合分析指令：“对上一步输出的数据，用同一模型计算周环比增长率，识别连续3周增长＞15%的时间段，并标注驱动因素（如促销活动、渠道新增）”。

这里有个关键前提：这三步必须在单次对话上下文中连贯完成，不能中途关闭沙箱或新建会话。免费模型没有跨会话记忆能力，一旦中断，前序的数据上下文和字段映射关系就会全部丢失。

验证输出结构可用性

模型返回JSON后，别急着往下走，先做一步验证。直接在沙箱里运行：echo "$OUTPUT" | jq -e '.trend_summary, .key_drivers, .anomaly_periods[]?.start' > /dev/null。

如果命令返回非零退出码，说明JSON结构不完整。这时候需要回退到第二步，给模型追加更严格的字段必填约束。比如在Schema里把key_drivers改为required: ["trend_summary", "key_drivers"]，重新跑一遍。这一步虽然折腾，但能有效避免“跑通了但结果不能用”的尴尬。