企业官网建设流程全解析

1. 为什么要在本地跑 OpenClaw，以及它到底能做什么

OpenClaw 是一个开源的个人 AI 助手项目，你可以把它理解成「装在自己电脑上的工程型智能体」——它不只是聊天，还能读写文件、执行命令、访问网页、跑定时任务。适合谁？适合那些不满足于网页对话框、想让 AI 直接操作本地环境干活的开发者。它的网关服务默认监听 18789 端口，通过 Web UI 或聊天通道跟你交互，模型侧则通过配置文件里的 API 端点来对接。

问题在于，OpenClaw 默认的模型供应商配置对国内开发者不太顺手：要么需要海外账号，要么端点地址填起来别扭。我这次的做法是把它接到 TaoToken 的 API 端点上，用一套兼容的鉴权方式跑通。整条链路是：Node.js 环境 → 安装 OpenClaw → 装 ClawHub 技能管理 → 配置网关服务 → 把模型端点改到 TaoToken → 发一条测试请求验证连通性。

这篇教程按「能跟着做」的标准写，每一步都给完整命令和配置片段。你需要准备的东西不多：一台 2GB 内存以上的机器（macOS / Windows / Linux 都行）、Node.js 22 以上、一个 TaoToken 的 API Key。下面从环境检查开始，一路走到验证请求成功。

先说清楚 OpenClaw 和普通聊天工具的区别，免得你装完发现预期不对。普通聊天工具是「你问它答」，OpenClaw 是「你给它任务，它自己拆步骤执行」。比如你说「把 workspace 里所有 .log 文件按日期归档」，它会真的去列目录、建文件夹、移动文件。这种能力来自它的技能系统和网关服务，而技能通过 ClawHub 分发。所以安装流程里，ClawHub 不是可选项，是让 OpenClaw 真正好用的关键一环。

另外提醒一点：OpenClaw 的配置文件集中在~/.openclaw/目录下，主配置是openclaw.json，模型密钥存在agents/<agent>/agent/auth-profiles.json。后面改端点就是改这两个地方，记住路径能省很多排查时间。

2. Node.js 环境准备与 OpenClaw 安装（含 ClawHub 技能管理）

2.1 检查并安装 Node.js 22+

OpenClaw 要求 Node.js ≥ 22，低于这个版本会在启动时报引擎不兼容。先查版本：

node -v npm -v

如果版本低于 22，用 nvm 升级最省事：

# 安装 nvm（macOS / Linux） curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc # 安装并使用 Node.js 22 nvm install 22 nvm use 22 node -v # 应输出 v22.x.x

Windows 用户直接去 Node.js 官网下 22 的 LTS 安装包，装完重开终端验证即可。这一步别跳过，我见过太多「装完启动就崩」的案例，根因都是 Node 版本太低。

2.2 安装 OpenClaw

一键脚本适合快速体验：

# macOS / Linux curl -fsSL https://openclaw.ai/install.sh | bash

但更推荐 npm 全局安装，版本可控、卸载干净：

npm i -g openclaw --registry=https://registry.npmmirror.com openclaw --version

如果你要改源码或跟进最新特性，用源码模式：

git clone https://github.com/openclaw/openclaw.git cd openclaw pnpm install pnpm ui:build pnpm build pnpm openclaw onboard --install-daemon

2.3 安装 ClawHub 技能管理工具

ClawHub 是 OpenClaw 的技能市场，技能就是给助手加功能的模块。装好管理工具后，搜索、安装、更新技能都靠它：

npm install -g clawhub clawhub login clawhub search "file" clawhub install <技能名> clawhub update --all

装完技能后，用openclaw skills list确认本地已加载。这里有个坑：技能装完不会自动生效，需要重启网关服务，后面会讲。

2.4 初始化配置

执行交互式向导：

openclaw onboard --install-daemon

向导里几个关键选择：启动模式选 QuickStart；模型配置这一步先随便选一个供应商占位，因为后面我们要手动改成 TaoToken；端口保持默认 18789；技能选择可以直接跳过，后续用 ClawHub 补装；最后选 Open the Web UI 打开界面。

配置完成后访问http://127.0.0.1:18789/chat能看到聊天界面，说明基础环境通了。接下来才是重点——把模型端点接到 TaoToken。

3. 网关服务配置：把 API 端点改到 TaoToken

3.1 先拿到 TaoToken 的 API Key

去 TaoToken 控制台创建一个 API Key，路径是 API Keys 页面。创建后复制那串以sk-开头的密钥，只显示一次，存好。同时确认你要用的模型 ID，比如claude-sonnet-4-5这类，具体以控制台模型列表为准。

• 控制台 / API Keys：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite
• 接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

3.2 修改主配置文件

OpenClaw 的主配置在~/.openclaw/openclaw.json。先备份再改：

cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.bak openclaw config file # 确认路径

用编辑器打开，找到模型供应商相关段落，改成下面这样。注意 Base URL 用https://taotoken.net/api，不要带任何多余路径：

{ "models": { "providers": { "taotoken": { "type": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "models": [ { "id": "claude-sonnet-4-5", "name": "Claude Sonnet 4.5" } ] } }, "default": "taotoken/claude-sonnet-4-5" } }

如果你更习惯用 TOML 风格的配置片段（部分版本支持），等价写法是：

[models.providers.taotoken] type = "openai-compatible" baseUrl = "https://taotoken.net/api" apiKey = "sk-你的TaoToken密钥" [[models.providers.taotoken.models]] id = "claude-sonnet-4-5" name = "Claude Sonnet 4.5" [models] default = "taotoken/claude-sonnet-4-5"

3.3 写入鉴权文件

除了主配置，模型密钥还会落在~/.openclaw/agents/<agent>/agent/auth-profiles.json。确保这里也有对应条目：

{ "profiles": { "taotoken": { "provider": "taotoken", "apiKey": "sk-你的TaoToken密钥", "baseUrl": "https://taotoken.net/api" } } }

三件套对齐检查：Base URL 是https://taotoken.net/api，Key 是sk-开头那串，Model ID 是控制台里确认过的模型名。三者任何一个写错，后面请求都会失败。

3.4 校验并重启网关

改完配置必须校验再重启，否则改动不生效：

openclaw config validate openclaw gateway restart openclaw gateway status

gateway status显示 running 就说明网关起来了。如果显示 stopped，用openclaw gateway run --port 18789 --verbose前台跑一次，看具体报错。

4. 验证请求：发一条测试消息确认连通性

4.1 用命令行发测试请求

网关起来后，最直接的验证方式是发一条消息：

openclaw chat send "你好，请回复：连通成功"

如果配置正确，你会看到模型返回的内容里包含「连通成功」。这一步成功，说明 Base URL、Key、Model ID 三件套都对上了。

4.2 用 curl 直接验证端点

想更底层地确认 TaoToken 端点可达，可以绕过 OpenClaw 直接打 API：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的TaoToken密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-5", "messages": [{"role": "user", "content": "ping"}] }'

返回 JSON 里带choices数组就说明端点通。这一步能帮你区分「是 OpenClaw 配置问题」还是「是端点/密钥问题」。

4.3 在 Web UI 里验证

打开http://127.0.0.1:18789/chat，在输入框发一条消息。如果界面一直转圈或报错，按 F12 看 Network 面板里请求的 URL 和状态码。常见的是 401（Key 错）或 404（Base URL 多写了路径）。

4.4 验证技能是否生效

发一条需要调用技能的消息，比如「列出当前 workspace 的文件」。如果助手能返回文件列表，说明 ClawHub 技能和网关服务都正常联动。到这一步，整条链路就算跑通了。

5. 常见启动报错排查清单

5.1 401 Unauthorized

报错长这样：

Error: 401 Unauthorized - invalid api key

原因基本是 Key 写错、Key 过期，或者auth-profiles.json和openclaw.json里的 Key 不一致。排查顺序：先确认sk-开头那串没复制漏字符，再检查两个文件里的 Key 是否相同，最后去 TaoToken 控制台确认 Key 还有效。改完记得openclaw gateway restart。

5.2 local proxy failed / connection refused

Error: local proxy failed: connect ECONNREFUSED 127.0.0.1:18789

这是网关服务没起来。先openclaw gateway status看状态，stopped 就openclaw gateway start。如果启动就崩，用openclaw gateway run --port 18789 --verbose前台跑，看具体堆栈。常见根因是端口被占用，换个端口或杀掉占用进程。

5.3 reading 'choices' of undefined

TypeError: Cannot read properties of undefined (reading 'choices')

这个报错说明请求发出去了，但返回结构不对——通常是 Base URL 写成了https://taotoken.net/api/v1这种多带路径的形式，导致实际请求打到了错误端点。把 Base URL 改回https://taotoken.net/api，重启网关。

5.4 OAuth / token 相关报错

Error: OAuth token expired, please re-authenticate

如果你之前配过别的供应商，残留的 OAuth 配置会干扰。执行openclaw models auth setup-token重新配置鉴权，或者直接清掉auth-profiles.json里旧供应商的条目，只留 TaoToken。

5.5 配置改了不生效

这是最高频的「假故障」。OpenClaw 的配置是启动时加载的，改完openclaw.json不重启网关，改动不会生效。养成习惯：改配置 →openclaw config validate→openclaw gateway restart。三步走完再验证。

5.6 技能装了但助手不用

openclaw skills list能看到技能，但助手不调用。检查两点：技能是否 enable，网关是否重启过。技能安装后需要openclaw gateway restart才会被加载。另外部分技能有依赖，装的时候看下 ClawHub 的说明。

6. 把 OpenClaw 接到 TaoToken 后的日常使用建议

跑通之后，日常使用有几个点值得注意。模型切换用/model <模型名>斜杠命令，不用改配置文件；会话上下文乱了用/new重置；任务跑太久用/stop中止。这些命令在 Web UI 输入框直接敲就行。

长期编码或跑 Agent 任务的话，建议用 Coding Plan 这类套餐，比按次调用划算，适合高频使用场景。如果你只是想先验证模型效果，可以直接在模型对话页面试几条，确认输出质量再决定要不要本地部署。

• 模型对话：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite
• Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite
• 接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

最后说个实际经验：OpenClaw 的日志在/tmp/openclaw/*.log，出问题先openclaw logs --follow看实时日志，比猜快得多。配置改动前备份openclaw.json，改崩了直接还原。这套流程跑顺之后，你就有了一台完全跑在自己环境里的 AI 助手，模型端点指向 TaoToken，数据和控制权都在自己手里。