企业官网建设流程全解析

1. 为什么要在 Mac mini 上折腾 OpenClaw 加飞书这套组合

先说结论：Mac mini 跑 OpenClaw，再通过飞书机器人远程调用，是目前我试过的「家庭 AI 服务器」方案里性价比最高的一种。OpenClaw 是一个完全开源、本地部署的 AI 智能体平台，它和网页版对话工具最大的区别在于——它能直接操作你的 macOS 系统，读写文件、执行脚本、控制浏览器、生成文档，相当于给你的电脑装了一个能动手的 AI 管家。而 Mac mini 功耗低、性能够、可以 7×24 小时挂着不关机，天生就是跑这类常驻服务的料。

但光部署上去还不够。你总不能每次想用 AI 都跑到 Mac mini 面前打开浏览器。所以我们需要把它接入飞书——这样你在手机上发一条消息，家里的 Mac mini 就会立刻帮你处理任务。再配合 cpolar 内网穿透，OpenClaw 生成的网页、搭建的本地服务还能一键暴露到公网，朋友点开链接就能直接体验。

这套流程涉及几个关键环节：Node.js 环境准备、OpenClaw 安装与模型配置、飞书应用创建与事件订阅、cpolar 内网穿透。其中模型调用凭据的管理，我建议用 TaoToken 统一 Key 通道来处理，后面会详细讲怎么配。整篇教程按「能跟着做」的标准来写，每个命令、每段配置都会给全，遇到容易踩坑的地方我会单独标出来。

适合谁看：有一台 Mac mini（M 系列芯片都行）、想让 AI 帮自己干活的开发者或技术爱好者、想搭一个私人 AI 助手但不想把数据传到第三方平台的人。如果你之前没接触过 OpenClaw，也没关系，跟着步骤走就行。

2. TaoToken 统一 Key 前置准备与模型通道配置

在开始装 OpenClaw 之前，先把模型调用的凭据问题解决掉。OpenClaw 本身不提供模型，它需要你接入一个 AI 大模型的 API。你可以直接去各家平台注册拿 Key，但问题是：不同平台的 Key 格式不一样、额度分散、切换模型时要改配置。我实测下来，用 TaoToken 做统一 Key 管理会省事很多——一个 Key 就能调用多种模型，Base URL 统一，切换模型只需要改 Model ID。

TaoToken 的官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api 。注意 API 地址后面不加 UTM 参数，直接填这个就行。

具体操作步骤：先访问官网注册账号，然后进入控制台创建 API Key。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，API Keys 管理页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。创建好 Key 之后复制下来，后面配置 OpenClaw 时要用。

这里有个关键点：OpenClaw 的模型配置支持自定义 Provider，你需要填三个东西——Base URL、API Key、Model ID。用 TaoToken 的话，Base URL 填https://taotoken.net/api，API Key 填你刚创建的那串，Model ID 根据你想用的模型来填。比如你想用 Claude 系列，就填对应的模型标识；想用 GPT 系列，换一个 Model ID 就行，不用改 Base URL 和 Key。

如果你后面要长期跑编码类任务或者 Agent 工作流，可以考虑 Coding Plan，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。模型对话调试入口在 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。Claude Code 相关配置参考 https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude-code-anthropic&utm_campaign=rewrite 。

为什么要提前做这一步？因为 OpenClaw 的配置向导里会让你选模型提供商，如果你选 Custom Provider，就需要当场填 Base URL 和 Key。提前把 TaoToken 的 Key 准备好，到时候直接粘贴就行，不用中途去注册。

另外提醒一点：TaoToken 是统一的 API 通道，不是让你绕过什么限制，它只是帮你把多个模型的调用凭据统一管理起来。你该有的账号注册、额度充值流程一样不少，只是省去了在多个平台之间来回切换的麻烦。

3. Mac mini 环境准备与 OpenClaw 可复制配置片段

这一章是整篇教程的核心操作部分，我会把每一步的命令和配置文件都写全。你可以在 Mac mini 上打开终端（Command + 空格，输入「终端」回车），跟着一步步执行。

3.1 Homebrew 与 Node.js 安装

先检查 Homebrew 是否已安装：

brew -v

如果显示版本号就跳过安装。如果没有，执行官方安装脚本：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安装完成后按照终端提示把 Homebrew 加入 PATH。M 系列芯片的 Mac mini 通常是：

echo 'eval "$(/opt/homebrew/bin/brew shellenv zsh)"' >> ~/.zprofile eval "$(/opt/homebrew/bin/brew shellenv zsh)"

接着安装 Node.js 22：

brew install node@22

安装完成后把 Node 22 加入系统路径：

echo 'export PATH="/opt/homebrew/opt/node@22/bin:$PATH"' >> ~/.zshrc source ~/.zshrc

验证版本：

node -v npm -v git --version

Node.js 版本需要 22 及以上，Git 版本没有硬性要求，macOS 一般自带。

3.2 OpenClaw 安装与模型配置

执行官方一键安装命令：

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

安装完成后会进入配置向导。如果中途退出了，可以用openclaw onboard --install-daemon重新进入。

在模型提供商选择界面，选 Custom Provider，然后填写：

• API Base URL：https://taotoken.net/api
• API Key：粘贴你在 TaoToken 控制台创建的 Key
• Endpoint 类型：选 OpenAI-compatible
• Model ID：填你要用的模型标识，比如Pro/MiniMaxAI/MiniMax-M2.5或 Claude 系列对应的 ID

验证成功后会提示 Verification successful。接着设置一个 Model alias（模型别名），随便填一个好记的就行。

如果你习惯用配置文件管理，OpenClaw 的配置通常落在~/.openclaw/目录下。一个典型的模型配置片段（JSON 格式）如下：

{ "models": { "default": { "provider": "custom", "baseUrl": "https://taotoken.net/api", "apiKey": "你的_TaoToken_Key", "modelId": "Pro/MiniMaxAI/MiniMax-M2.5", "endpointType": "openai-compatible" } } }

如果你用的是 TOML 格式的配置（部分版本支持），对应写法：

[models.default] provider = "custom" baseUrl = "https://taotoken.net/api" apiKey = "你的_TaoToken_Key" modelId = "Pro/MiniMaxAI/MiniMax-M2.5" endpointType = "openai-compatible"

注意：实际配置文件的路径和字段名可能因 OpenClaw 版本不同而有差异，建议以配置向导生成的为准。上面这段是给你一个结构参考，方便你理解三个核心要素——Base URL、Key、Model ID 是怎么组织的。

3.3 飞书插件安装

在配置向导的 Select channel 页面选择 Feishu/飞书，然后选 Download from npm。下载完成后会提示输入 App Secret，说明插件装好了。先别急着填，下一步我们去飞书开放平台创建应用拿凭据。

4. 飞书机器人创建与事件订阅验证请求

4.1 创建企业自建应用

访问飞书开放平台 https://open.feishu.cn/?lang=zh-CN ，登录后点击「开发者后台」，然后点「创建企业自建应用」。填写应用名称、描述、图标，点击创建。

进入应用详情页后，点击「添加应用能力」，找到「机器人」点添加。然后在「如何开始使用」部分点编辑，设置机器人名称。

4.2 批量导入权限

点击左侧菜单「权限管理」，点「批量导入」，粘贴以下 JSON：

{ "scopes": { "tenant": [ "aily:file:read", "aily:file:write", "application:application.app_message_stats.overview:readonly", "application:application:self_manage", "application:bot.menu:write", "cardkit:card:write", "contact:user.employee_id:readonly", "corehr:file:download", "docs:document.content:read", "event:ip_list", "im:chat", "im:chat.access_event.bot_p2p_chat:read", "im:chat.members:bot_access", "im:message", "im:message.group_at_msg:readonly", "im:message.group_msg", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource", "sheets:spreadsheet", "wiki:wiki:readonly" ], "user": [ "aily:file:read", "aily:file:write", "im:chat.access_event.bot_p2p_chat:read" ] } }

粘贴后点「下一步，确认新增权限」，然后点「申请开通」和「确认」。

4.3 获取凭据并填入 OpenClaw

在左侧菜单「凭证与基础信息」页面，复制 App Secret 和 App ID。回到 Mac mini 终端，把 App Secret 粘贴进去回车，再把 App ID 粘贴进去回车。提示 client ready 就说明连接成功了。

接着依次选择 WebSocket (default)、Feishu - China、Allowlist。Group chat allowlist 直接回车跳过（不让机器人加群）。

4.4 完成剩余配置

Search provider 选 Skip for now，Configure skills now 选 NO，Enable hooks 按需勾选（我一般全选），然后等待网关安装完成。安装完成后选 Open The Web UI，浏览器会自动打开 OpenClaw 页面。你可以发一条测试消息：

你好，你是谁，你当前运行在什么操作系统上，接入的是什么模型，你能够干什么，请详细回答。

如果能看到正常回复，说明模型通道和 OpenClaw 本体都通了。

4.5 飞书事件订阅配置

回到飞书开放平台，在左侧「事件与回调」菜单里，把订阅方式改为「长连接」，然后保存。注意：如果 OpenClaw 网关没启动或者渠道没添加，长连接会保存失败。

保存后点右下角「添加事件」，搜索「接收消息」，勾选后确认。然后到「版本管理与发布」页面，点「创建版本」，填写版本号和更新说明，保存后点「确认发布」。

4.6 授权机器人

下载飞书客户端并登录，在「开发小助手」里找到你刚发布的机器人，点「打开应用」。随便发一条消息，会收到类似这样的回复：

OpenClaw: access not configured. Your Feishu user id: ou_xxxxxxxx Pairing code: XXXXXXXX Ask the bot owner to approve with: openclaw pairing approve feishu XXXXXXXX

复制最后那行命令，回到 Mac mini 终端执行（把 XXXXXXXX 换成你的实际配对码）：

openclaw pairing approve feishu XXXXXXXX

出现成功提示后，再在飞书里发消息测试，机器人就能正常回复了。

5. 常见报错排查与 cpolar 内网穿透配置

这一章集中处理几个高频报错，以及 cpolar 的安装和穿透配置。

5.1 模型调用报 401 或 local proxy failed

如果你在 OpenClaw 里发消息后看到 401 错误，大概率是 API Key 填错了或者过期了。检查~/.openclaw/下的配置文件，确认apiKey字段和 TaoToken 控制台里的一致。如果是 local proxy failed，通常是 Base URL 写错了，确认填的是https://taotoken.net/api，不要多加斜杠或路径。

5.2 reading choices 报错

这个报错一般出现在模型返回格式不兼容的时候。检查 Endpoint 类型是否选了 OpenAI-compatible。如果你用的模型 ID 不对，也可能导致返回结构异常。建议先在 TaoToken 的模型对话页面测试一下该模型是否能正常返回，再回到 OpenClaw 里配置。

5.3 OAuth 相关报错

飞书侧如果出现 OAuth 报错，检查应用权限是否全部开通、版本是否已发布、事件订阅是否选了长连接。另外确认 OpenClaw 网关处于运行状态，否则长连接建立不起来。

5.4 cpolar 安装与穿透

cpolar 是一款内网穿透工具，能把本地服务映射到公网。在 Mac mini 上安装：

brew tap probezy/core && brew install cpolar sudo cpolar service install sudo cpolar service start cpolar version

然后访问 http://127.0.0.1:9200 登录 cpolar Web UI。注册账号后，在「隧道管理」里创建一个 HTTP 隧道，本地地址填你的服务端口（比如 OpenClaw 生成的网页跑在 8080，就填 8080），地区选 China Top。

创建完成后，在「状态」→「在线隧道列表」里能看到公网地址。比如你的贪吃蛇小游戏跑在 8080，穿透后访问https://你的隧道地址/snake.html就能打开。

如果需要固定域名，去 cpolar 的预留页面保留一个二级子域名，然后在隧道编辑里把域名类型改为「二级子域名」，填入你保留的名称，更新即可。这样每 24 小时不会失效。

5.5 CC Switch / Cline MCP / Codex auth.json 三件套

如果你同时用 CC Switch 或 Cline 这类工具，配置逻辑是一样的：Base URL 填https://taotoken.net/api，Key 填 TaoToken 的 Key，Model ID 填你要用的模型。Codex 的 auth.json 里对应字段也是这三个。不管哪个工具，核心就是这三件套对齐。

6. 接入后的玩法与统一 Key 管理建议

配置跑通之后，你可以让 OpenClaw 帮你做很多事。比如在飞书里发一句「帮我截一张当前屏幕的图发给我」，它就能调用系统工具截图并通过飞书发回来。或者让它「写一个贪吃蛇小游戏，放在桌面并运行起来」，它会生成 HTML 文件、启动本地服务，你通过 cpolar 穿透后就能在手机上玩。

我试过让它做 PPT：说「帮我做一个关于元旦节的 PPT，10 页左右，做完截图给我看」，它会调用本地应用生成文件并截图反馈。如果 Mac mini 上没装办公软件，它还会问你要不要装一个。

这些玩法的前提是模型通道稳定。用 TaoToken 统一 Key 的好处在这里就体现出来了：不管你后面想换 Claude 还是换其他模型，只需要改 Model ID，Base URL 和 Key 都不用动。如果你要长期跑编码任务或 Agent 工作流，Coding Plan 会更划算；如果只是偶尔调试模型，用模型对话页面就够了。

接入文档里有更详细的参数说明和示例，遇到配置问题可以先查文档。API Keys 管理页面可以随时创建、删除、查看 Key 的使用情况，建议定期检查一下额度消耗。

整套流程走下来，你得到的是一个 7×24 小时在线、能操作你 Mac mini 全部文件、可以通过飞书随时随地调用的私人 AI 助手。cpolar 负责把本地服务暴露到公网，TaoToken 负责统一管理模型调用凭据，OpenClaw 负责执行具体任务，飞书负责让你随时随地下达指令。四个环节各司其职，配合起来就是一个完整的家庭 AI 服务器方案。