企业官网建设流程全解析

1. OpenClaw 博查搜索 Skill 上线后，本地部署到底解决了什么问题

OpenClaw 博查搜索 Skill 正式上线，简单说就是给本地跑的 Agent 装了一个中文联网搜索底座。它是什么？是一个能让你在 OpenClaw 里直接调用博查搜索能力、拿到中文实时结果的 Skill 模块。能做什么？让本地部署的智能体在回答问题时不再只依赖训练数据，而是能实时检索中文网页、抓取摘要、返回结构化结果。适合谁？适合需要中文联网搜索能力、又不想把请求发到不可控通道的开发者，尤其是做本地知识库、行业问答、Agent 工具链的同学。

我试过在纯本地环境里让 Agent 查一个当天发生的行业新闻，没有搜索 Skill 时它只能编，接上博查搜索 Skill 之后返回的是带来源链接的真实结果。这个差别在中文场景里特别明显，因为很多中文内容的时效性很强，模型内置知识根本覆盖不到。

本地部署的核心价值有三个：第一是链路可控，搜索请求从你自己的机器发出，经过统一 Key 通道，不依赖第三方黑盒；第二是延迟更稳，本地进程直接调 API，少了中间转发层；第三是配置透明，config.toml 和 settings.json 都在你手里，出问题能定位到具体哪一层。

这篇就按本地部署接入的完整路径走一遍：先拿 TaoToken 统一 Key，再写 config.toml 和 settings.json，然后启动 OpenClaw 验证搜索连通性，最后把常见的报错逐个排掉。全程可复制，你跟着敲就行。

2. TaoToken 统一 Key 与 API 通道准备

OpenClaw 的博查搜索 Skill 需要一个能稳定调用的 API 通道。TaoToken 在这里的角色是统一 Key 管理加 API 转发，你不需要为每个模型或每个 Skill 单独维护一套密钥，一个 Key 走通所有通道。

先到官网注册并进入控制台。官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册后进控制台创建 API Key。

控制台入口：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite

创建 Key 的页面：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

拿到 Key 之后，API 基础地址用 https://taotoken.net/api ，注意这个地址不带 UTM 参数，直接写进配置里就行。

注意：API Key 只显示一次，创建后立刻复制到本地安全位置。不要提交到 Git 仓库，建议用环境变量或本地配置文件管理。

如果你后续要做长期编码或 Agent 任务，可以了解 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

接入文档在这里，配置字段有疑问可以对照：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

Key 准备好之后，先做一次最简连通性测试，确认通道没问题再往下配 OpenClaw。用 curl 发一个最小请求：

curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "ping"}], "max_tokens": 8 }'

返回里有 choices 字段就说明 Key 和通道都正常。这一步别跳过，后面 OpenClaw 报错时你能快速判断是通道问题还是配置问题。

3. config.toml 与 settings.json 可复制配置骨架

OpenClaw 的配置分两层：config.toml 管全局运行时和 Skill 注册，settings.json 管具体 Skill 的参数。博查搜索 Skill 上线后，这两处都要加对应字段。

先看 config.toml。放在 OpenClaw 项目根目录，核心是声明 API 通道和启用搜索 Skill：

# config.toml [api] base_url = "https://taotoken.net/api" api_key_env = "TAOTOKEN_API_KEY" timeout_seconds = 60 max_retries = 3 [agent] name = "openclaw-local" workspace = "./workspace" log_level = "info" [skills] enabled = ["bocha_search"] [skills.bocha_search] provider = "bocha" endpoint = "https://taotoken.net/api/v1/search" result_count = 8 timeout_seconds = 20

几个关键点说明。base_url 用 TaoToken 的 API 地址，api_key_env 指向环境变量名而不是把 Key 写死。skills.enabled 里加上 bocha_search 才会加载这个 Skill。result_count 控制每次搜索返回的结果条数，中文场景建议 8 到 10 条，太少覆盖不够，太多会拖慢响应。

再看 settings.json，放在 workspace 目录下，管搜索行为细节：

{ "bocha_search": { "enabled": true, "language": "zh-CN", "region": "cn", "safe_search": true, "freshness": "oneWeek", "summary": true, "max_snippets": 3, "cache_ttl_seconds": 300, "fallback_on_empty": true }, "logging": { "search_debug": false, "log_path": "./logs/search.log" } }

language 设 zh-CN 保证中文结果优先，freshness 设 oneWeek 让时效性内容排前面，summary 开启后返回结果会带摘要而不是只有标题链接。cache_ttl_seconds 是本地缓存时间，同一查询 5 分钟内不重复请求，省额度也提速。

提示：两个文件的字段名要和 OpenClaw 版本对应。如果你用的是较新版本，skills 段可能要求写成数组形式，具体以接入文档为准。

环境变量这样设置，Linux 或 macOS：

export TAOTOKEN_API_KEY="你的Key"

Windows PowerShell：

$env:TAOTOKEN_API_KEY="你的Key"

想持久化就写进 ~/.bashrc 或系统环境变量。配置写完先别急着启动，用下面命令检查 TOML 语法：

python3 -c "import tomllib; tomllib.load(open('config.toml','rb')); print('config.toml OK')"

JSON 检查：

python3 -m json.tool settings.json > /dev/null && echo "settings.json OK"

两个都输出 OK 再进下一步，能省掉一半启动报错。

4. 本地启动与搜索连通性验证

配置就绪后启动 OpenClaw。启动命令取决于你的安装方式，常见的是：

openclaw start --config ./config.toml --workspace ./workspace

或者用 Python 模块方式：

python3 -m openclaw --config ./config.toml

启动日志里要看到两行关键信息：一行是 API channel initialized，说明 TaoToken 通道加载成功；一行是 skill loaded: bocha_search，说明搜索 Skill 注册成功。如果只看到第一行没有第二行，回去检查 config.toml 的 skills.enabled 字段。

启动成功后做搜索连通性验证。OpenClaw 一般提供 CLI 交互模式，进入后直接发一个需要联网的查询：

openclaw query "今天有哪些 AI 行业新闻"

预期返回结构里应该包含搜索结果数组，每条有 title、url、snippet 字段。如果返回的是模型直接编的内容而没有 url 字段，说明搜索 Skill 没真正生效，请求没走到博查通道。

更直接的验证方式是单独测搜索接口，绕过 Agent 层：

curl -X POST https://taotoken.net/api/v1/search \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "query": "OpenClaw 博查搜索 Skill", "count": 5, "language": "zh-CN" }'

返回里有 results 数组且每条带 url，就说明搜索通道本身没问题。这一步和上一步的区别是：curl 测的是通道，OpenClaw query 测的是 Skill 集成。两个都通才算完整接入。

验证通过后，你可以把搜索 Skill 接到实际工作流里。比如让 Agent 先搜索再总结：

openclaw query "搜索最近的国产大模型发布动态，整理成三条要点"

观察日志里是否有 search request 和 search response 两条记录，有就说明调用链完整。响应时间方面，本地部署加 TaoToken 通道，中文搜索一般在 1 到 3 秒返回，比走多层转发的方案稳定不少。

5. 本篇常见报错排查

接入过程中最容易卡在几个固定位置，逐个说清楚。

第一个报错：启动时提示 skill not found: bocha_search。原因是 config.toml 里写了 enabled 但 Skill 包没装。解决方式是确认 OpenClaw 版本包含博查搜索 Skill，用包管理器更新到最新版，或者手动把 Skill 目录放到 skills/ 下。

第二个报错：搜索返回 401 Unauthorized。这是 Key 问题，三种可能：环境变量没生效、Key 复制时带了空格、Key 已过期。先用 echo $TAOTOKEN_API_KEY 确认变量有值，再用第 2 节的 curl 命令单独测通道。通道通但 OpenClaw 报 401，就是 OpenClaw 进程没读到环境变量，重启终端或改用配置文件直接指定。

第三个报错：搜索返回空结果但状态码 200。检查 settings.json 里的 language 和 region 字段，中文查询设成 en 或 us 会导致结果为空。另外 freshness 设得太窄也会过滤掉大部分内容，先改成 noLimit 测试。

第四个报错：请求超时。config.toml 里 timeout_seconds 默认可能偏小，搜索类请求建议设 20 秒以上。如果持续超时，检查本地网络到 TaoToken API 地址的连通性，用 curl -I https://taotoken.net/api 看响应头。

第五个报错：返回结果里 url 字段缺失。这是 summary 或 max_snippets 配置导致的裁剪，把 summary 设 true、max_snippets 设 3 以上，url 就会保留。如果还是没有，说明请求没走搜索通道而是走了模型通道，回去检查 skills.enabled。

第六个报错：缓存导致结果不更新。cache_ttl_seconds 设太长时，同一查询会返回旧结果。调试阶段设成 0 关闭缓存，生产环境再按需调大。

注意：排错时先把 log_level 调到 debug，日志里会打印每次搜索的请求参数和响应状态，比猜快得多。

如果上面都试过还有问题，直接对照接入文档的字段说明逐项核对：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

6. 接入路径与后续动作

整条链路走下来，核心就三件事：TaoToken 统一 Key 打通 API 通道，config.toml 注册博查搜索 Skill，settings.json 调搜索行为参数。本地部署的好处是每一层都可见可改，出问题能定位到具体文件的具体字段。

如果你还在配 Key 阶段，先去 API Keys 页面创建：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

想先验证模型对话是否正常，用模型对话页面测一轮：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite

长期跑编码或 Agent 任务的话，Coding Plan 更适合：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

配置字段拿不准就翻文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

最后给一个实用建议：把 config.toml 和 settings.json 纳入版本管理时，用 .env 文件存 Key 并加进 .gitignore，配置文件里只留环境变量名。这样团队协作时每个人用自己的 Key，配置骨架保持一致，换人接手不用重新摸一遍。搜索 Skill 的 result_count 和 cache_ttl_seconds 这两个值，建议按实际查询频率调，高频场景缓存调大，时效敏感场景缓存调小，比一刀切默认值好用得多。