企业官网建设流程全解析

1. 树莓派5 上 OpenClaw 接 Ollama 的真实痛点

树莓派5 跑 OpenClaw 这件事，我一开始以为最麻烦的是性能，结果真正卡住我的是 Key 管理。OpenClaw 本身是个多工具编排框架，它可能同时要调本地 Ollama 的模型、调云端的大模型、调 embedding 服务，每个 provider 一套 Key，散落在不同的配置文件和环境变量里。树莓派5 的 SD 卡读写本来就慢，你改一次配置重启一次服务，调试成本比在 PC 上高得多。

所以这篇的核心思路是：本地 LLM 走 Ollama，云端兜底和统一入口走 TaoToken，所有 Key 收敛到一个config.toml骨架里，一次配置跑通整条 AI 工具链。OpenClaw 在树莓派5 上调用 Ollama 本地 LLM 的配置场景，重点不是模型跑多快，而是配置结构清晰、Key 不分散、出问题能快速定位。

适合谁看：手上有一台树莓派5（4GB 或 8GB 都行）、想跑 OpenClaw 做本地 Agent 实验、同时希望云端模型有个统一 Key 入口的人。如果你只是想单纯跑个 Ollama 聊天，这篇可能偏重了；但只要涉及 OpenClaw 这种多 provider 编排，下面的骨架能省你不少来回改配置的时间。

先说结论：树莓派5 本地跑小参量模型（0.6B 到 3B）做轻量任务完全可行，重任务交给云端，TaoToken 负责把云端那部分的 Key 统一掉。下面从环境准备开始，一步步给可复制的配置。

2. TaoToken 前置：统一 Key 与 Ollama 本地服务的关系

在动手写config.toml之前，先把两个东西的定位分清楚，不然后面配置容易混。

Ollama 是本地推理服务，跑在树莓派5 的127.0.0.1:11434，它不需要任何云端 Key，模型拉下来就能用。它的作用是承担那些对延迟不敏感、数据不想出本地的任务，比如本地文档摘要、简单分类、Agent 的草稿生成。

TaoToken 是云端模型的统一接入层，官网在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api 。它的价值在于：你不需要为每个云端模型厂商单独维护一套 Key 和 base_url，OpenClaw 里所有走云端的 provider 都指向同一个入口，Key 也只有一把。这样config.toml里云端部分的配置量能压到最小。

两者在 OpenClaw 里的关系是这样的：OpenClaw 把 Ollama 当作一个 custom provider，把 TaoToken 当作另一个 custom provider，两者在配置里平级。任务路由由 OpenClaw 的模型选择逻辑决定，你可以在配置里指定默认走本地还是走云端。

注意：Ollama 的本地端口不要暴露到公网，树莓派5 上保持127.0.0.1监听即可。TaoToken 的 Key 属于敏感信息，不要提交到任何公开仓库。

先去 TaoToken 控制台拿一把 Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，具体 Key 管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。拿到之后先放环境变量里，别直接写死在配置文件。

export TAOTOKEN_API_KEY="sk-你的key"

Ollama 这边确认服务在跑：

curl -s http://127.0.0.1:11434/api/tags | head -c 300

如果返回模型列表的 JSON，说明本地服务正常。没装 Ollama 的话，树莓派5 上用官方脚本装即可，装完拉一个小模型：

ollama pull qwen2.5:0.5b

0.5B 在树莓派5 上响应很快，适合做连通性验证；真要干活可以换 3B 左右的量化版本，内存占用和速度平衡更好。

3. 可复制的 config.toml 骨架

下面是 OpenClaw 的config.toml骨架，我按「本地 Ollama + 云端 TaoToken」双 provider 的结构写。字段名以 OpenClaw 实际版本为准，不同版本可能有细微差异，但结构逻辑是通用的。

# OpenClaw on Raspberry Pi 5 # 本地 Ollama + TaoToken 统一云端入口 [general] default_provider = "ollama_local" log_level = "info" data_dir = "/home/pi/.openclaw" # ---------- 本地 Ollama ---------- [providers.ollama_local] type = "custom" base_url = "http://127.0.0.1:11434/v1" api_key = "ollama" model = "qwen2.5:0.5b" timeout_seconds = 120 max_retries = 2 # ---------- 云端统一入口 TaoToken ---------- [providers.taotoken_cloud] type = "custom" base_url = "https://taotoken.net/api" api_key = "${TAOTOKEN_API_KEY}" model = "claude-sonnet-4-5" timeout_seconds = 60 max_retries = 3 # ---------- 任务路由 ---------- [routing] default = "ollama_local" fallback = "taotoken_cloud" [routing.rules] # 长文本、复杂推理走云端 "task:reasoning" = "taotoken_cloud" "task:long_context" = "taotoken_cloud" # 轻量本地任务走 Ollama "task:summarize_short" = "ollama_local" "task:classify" = "ollama_local"

几个关键点解释一下。

api_key = "ollama"这行是很多人踩坑的地方。Ollama 的 OpenAI 兼容接口本身不校验 Key，但 OpenClaw 的 custom provider 在初始化时如果发现api_key为空，某些版本会直接报配置错误。所以这里随便填一个非空字符串，写"ollama"最直观。这跟之前社区里提到的「设置 api-key 时不要留空」是同一个坑。

base_url本地用http://127.0.0.1:11434/v1，注意带/v1，因为 OpenClaw 走的是 OpenAI 兼容协议。TaoToken 的 base_url 是https://taotoken.net/api，不带/v1，具体以接入文档为准，文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

api_key = "${TAOTOKEN_API_KEY}"这种写法是否被支持取决于 OpenClaw 版本。如果你的版本不支持环境变量插值，就改成直接填 Key，但记得给配置文件设权限：

chmod 600 ~/.openclaw/config.toml

[routing]段是 OpenClaw 的任务路由，把重任务丢给云端、轻任务留给本地，这样树莓派5 不会因为跑大模型而卡死。路由规则的 key 名以你实际使用的 OpenClaw 版本为准，这里给的是结构示例。

4. 验证请求：curl 打通本地与云端

配置写完别急着启动 OpenClaw，先用 curl 分别验证两个 provider 通不通。这一步能帮你把「配置问题」和「网络问题」分开。

先验证本地 Ollama 的 OpenAI 兼容接口：

curl -s http://127.0.0.1:11434/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer ollama" \ -d '{ "model": "qwen2.5:0.5b", "messages": [{"role": "user", "content": "用一句话说明你是什么模型"}], "max_tokens": 64 }'

正常返回是一段 JSON，choices[0].message.content里有模型输出。如果返回connection refused，检查 Ollama 服务是否在跑；如果返回 404，检查base_url有没有漏掉/v1。

再验证 TaoToken 云端入口：

curl -s https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -d '{ "model": "claude-sonnet-4-5", "messages": [{"role": "user", "content": "回复 ok 两个字母即可"}], "max_tokens": 16 }'

这里注意路径：TaoToken 的 base_url 是https://taotoken.net/api，chat completions 的完整路径通常是https://taotoken.net/api/v1/chat/completions，具体以接入文档为准。如果返回 401，检查 Key 是否正确、有没有多余空格；返回 404 就核对路径。

两个 curl 都通了之后，再启动 OpenClaw：

openclaw --config ~/.openclaw/config.toml

启动日志里会打印加载了哪些 provider。看到ollama_local和taotoken_cloud都注册成功，基本就稳了。然后在 OpenClaw 里发一条测试消息，观察它走的是哪个 provider。如果默认走了本地但你想测云端，可以临时把[routing]的default改成taotoken_cloud再重启。

实测下来，树莓派5 上 0.5B 模型的首次响应大概 1 到 2 秒，3B 量化模型在 5 到 10 秒区间，具体取决于 SD 卡速度和内存占用。云端响应取决于网络，通常比本地大模型快，但会有网络抖动。

5. 本篇常见错排查

配置过程中最容易卡住的几个点，我按出现频率排一下。

第一个坑：Ollama 的 api_key 留空。前面强调过，OpenClaw 的 custom provider 初始化时对空 Key 不友好，界面或配置里提示「没有就留空」的时候，千万别真空着，填个"ollama"就行。这个坑在 2026.3.8 版本的 OpenClaw 上依然存在。

第二个坑：base_url 的/v1后缀。Ollama 的 OpenAI 兼容接口必须带/v1，写成http://127.0.0.1:11434会 404。TaoToken 的 base_url 按文档写https://taotoken.net/api，不要自己加/v1到 base_url 里，路径拼接交给 OpenClaw 处理。两边规则不一样，混了就会报错。

第三个坑：树莓派5 内存不足导致 Ollama 被杀。4GB 版本跑 3B 以上模型容易触发 OOM。用dmesg | grep -i oom能看到被杀记录。解决办法是换更小的模型，或者在 Ollama 启动参数里限制并发。8GB 版本会宽松很多。

第四个坑：TaoToken Key 的环境变量没生效。如果你用systemd启动 OpenClaw，export的环境变量不会自动带进去。需要在 service 文件里加Environment=TAOTOKEN_API_KEY=sk-xxx，或者用EnvironmentFile指向一个权限 600 的文件。

第五个坑：路由规则 key 名对不上。OpenClaw 不同版本对[routing.rules]的 key 命名可能不同，写错了不会报错，只是规则不生效，任务全走 default。排查方法是把log_level调到debug，看日志里实际匹配到的规则名。

第六个坑：树莓派5 的散热。长时间跑推理，树莓派5 会降频。加个散热片或小风扇，能明显改善持续推理的稳定性。这个不算配置错误，但会影响你「感觉慢」的判断。

6. 一次配置跑通后的下一步

骨架跑通之后，你可以按需扩展。比如加一个 embedding provider 指向本地 Ollama 的 embedding 模型，或者把 TaoToken 的模型对话入口用来快速验证云端模型是否可用，地址在 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。如果你打算长期在树莓派5 上跑编码类 Agent，可以看看 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，它更适合持续性的编码任务。

配置这件事，一次写对骨架比反复改省事得多。树莓派5 的 IO 和内存都有限，每次重启服务都要等，所以宁可前期把config.toml的结构理清楚。本地 Ollama 负责轻量、隐私敏感的任务，TaoToken 统一云端 Key 负责重任务兜底，两者在 OpenClaw 里平级共存，路由规则决定谁上场。这套结构在 4GB 和 8GB 的树莓派5 上都验证过，8GB 版本能跑更大一点的本地模型，体验更接近「能用」而不是「能跑」。