企业官网建设流程全解析

1. 先搞清楚 OpenClaw 里 agent 和 session 到底谁管什么

OpenClaw 是一个本地多智能体运行框架，你可以把它理解成一个「智能体调度台」：agent 是常驻的角色配置，session 是这个角色跟模型之间的一次具体对话线程。很多人第一次用 OpenClaw 会懵，因为界面上 agent 和 session 是分开的两层，配置写错一层，另一层就报错。这篇就按本地多智能体调试场景，把 agent 与 session 的配置拆开讲，再演示一次会话隔离与状态复用的验证动作，最后把常见报错定位方法给全。

先说结论：agent 决定「用哪个模型、走哪个 API 通道、绑定哪些 channel」，session 决定「这次对话的上下文、token 消耗、历史消息」。一个 agent 可以开多个 session，session 之间默认隔离；同一个 session 内状态复用，跨 session 不共享。理解这条边界，后面所有配置和排错都顺了。

适合谁看：已经在本地跑 OpenClaw、想给不同任务拆不同 agent 的人；遇到 session 列表里看不到会话、或者 agent 发消息没反应的人；以及想把模型调用统一走一个 Key/API 通道、不想每个 agent 单独填 key 的人。

我试过把写代码、查资料、跑脚本三件事塞进同一个 agent，结果上下文互相污染，模型一会儿在改 Python，一会儿又去解释概念，输出质量掉得厉害。后来拆成三个 agent，每个 agent 独立 session，问题就没了。所以第一步永远是：先规划 agent 边界，再谈 session。

OpenClaw 的 agent 配置默认落在~/.openclaw/下，每个 agent 一个 workspace 目录，形如.openclaw/workspace-xxx。session 的状态则跟 agent 绑定，通过openclaw sessions系列命令查看。下面从零走一遍。

2. TaoToken 前置：统一 Key 与 API 通道，别让每个 agent 各填一份

在配置 agent 的模型之前，先把 API 通道统一掉。OpenClaw 每个 agent 创建时会问你要不要配置 model/auth，如果每个 agent 都手填一遍 base_url 和 key，后面换 key 就是灾难。TaoToken 提供统一的 Key 和 API 通道，base_url 用https://taotoken.net/api，一个 key 覆盖多个模型，agent 配置里只改 model id 就行。

具体操作：先到 TaoToken 控制台拿 Key。打开 https://taotoken.net/api-keys ，登录后创建一个 API Key，复制出来。这个 key 就是后面所有 agent 共用的凭证。

然后确认你要用的模型 id。OpenClaw 里配置模型时填的是模型标识，比如deepseek-chat、claude-sonnet-4-5这类。你可以在模型对话页先验证一下 key 能不能通：https://taotoken.net/models ，选一个模型发一句话，能正常返回就说明 key 和通道没问题。

这一步别跳过。很多人 agent 配好了但发消息报 401，回头查半天，其实是 key 没生效或者 base_url 写错。先在模型对话页确认通道通，再去配 agent，能省掉一大半排错时间。

TaoToken 的接入文档在 https://taotoken.net/doc ，里面有 base_url、鉴权头、模型列表的完整说明。OpenClaw 走的是 OpenAI 兼容协议，所以 base_url 填https://taotoken.net/api，key 填你刚创建的，model 填模型 id，三件套齐了就能通。

如果你后面要长期跑编码类 agent，或者做多 agent 协作，可以考虑 Coding Plan，额度更稳：https://taotoken.net/coding-plan 。不过这篇重点在 agent/session 配置，通道部分先到这。

3. 可复制的 agent 与 session 配置片段

这一节给可直接抄的配置。OpenClaw 的 agent 创建是交互式的，但配置文件本身是结构化的，我把它拆成 JSON 片段方便你对照。

先看 agent 创建流程。执行：

openclaw agents add writer

它会依次问你几个问题。第一个是 workspace 目录，OpenClaw 会自动建议.openclaw/workspace-writer，直接回车确认。第二个是：

◆ Copy auth profiles from "main"? │ ○ Yes / ● No

这里选 No。因为我们要用 TaoToken 的统一 key，不从 main 拷贝旧凭证，避免旧 key 混进来。

第三个：

◆ Configure model/auth for this agent now? │ ● Yes / ○ No

选 Yes，然后进入模型配置。选 LLM 类型时选 OpenAI 兼容，base_url 填https://taotoken.net/api，api key 填你的 TaoToken key，model 填deepseek-chat（或你验证过的模型 id）。

第四个：

◆ Configure chat channels now? │ ○ Yes / ● No

先选 No，channel 后面单独配，避免一次问太多。

创建完成后，agent 的配置大致落在~/.openclaw/agents/writer.json，结构类似：

{ "name": "writer", "workspace": ".openclaw/workspace-writer", "model": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "sk-你的TaoTokenKey", "model_id": "deepseek-chat" }, "channels": [], "session": { "isolation": true, "reuse_state": true, "max_context_tokens": 131072 } }

注意session这一段：isolation: true表示不同 session 之间上下文隔离；reuse_state: true表示同一 session 内复用历史状态。这两个开关就是 agent 与 session 协作的核心。

如果你要手动改配置，改完执行：

openclaw agents reload writer

让配置生效。查看当前所有 agent：

openclaw agents

输出会列出 agent 名称、workspace、模型。确认 writer 在列表里，模型是 deepseek-chat，就对了。

session 不需要单独创建配置文件，它是 agent 运行时产生的。但你可以通过命令控制 session 行为。查看所有 agent 的所有 session：

openclaw sessions --all-agents

输出类似：

Agent Kind Key Age Model Tokens (ctx %) Flags writer direct agent:writer:main 2m ago deepseek-chat unknown/131k (?%) id:32a71da5-...

这里的agent:writer:main就是 session key，main是默认 session 名。一个 agent 可以有多个 session，key 不同，上下文隔离。

4. 验证请求：会话隔离与状态复用怎么测

配置写完必须验证，不然你不知道 isolation 和 reuse_state 到底生效没有。这一节给两个可复制的验证动作。

第一个验证：会话隔离。给 writer agent 发一条消息，开启 main session：

openclaw agent --agent writer --message "记住一个数字：42"

然后查看 session：

openclaw sessions --all-agents

你会看到 writer 下多了一个agent:writer:main的 session。现在再发一条，问它刚才记的数字：

openclaw agent --agent writer --message "我刚才让你记的数字是多少？"

如果reuse_state: true生效，它会回答 42。这说明同一 session 内状态复用成功。

接着测隔离。开一个新 session，指定不同的 session key：

openclaw agent --agent writer --session test2 --message "我刚才让你记的数字是多少？"

因为 test2 是新 session，跟 main 隔离，它应该答不出来，或者说不确定。如果它答出了 42，说明 isolation 没生效，回去检查 agent 配置里的isolation字段。

第二个验证：跨 agent 隔离。再创建一个 agent：

openclaw agents add coder

同样配 TaoToken 通道，model 换成你验证过的编码模型。然后：

openclaw agent --agent coder --message "我刚才让 writer 记的数字是多少？"

coder 完全不知道 writer 的 session，应该答不出来。这就验证了 agent 之间的 session 也是隔离的。

验证通过后，web 界面上也能看到会话。创建好 agent 后，web 上默认没有 session，需要先通过命令行给 agent 发一条消息，session 才会出现。发完之后刷新 web，左侧列表就能看到agent:writer:main，点进去可以直接对话。

删除 session 目前命令行没找到直接关闭的方法，可以在 web 左侧列表点会话，勾选前面的复选框，点 Delete 删除。删除 agent 用：

openclaw agents delete writer

会提示：

◆ Delete agent "writer" and prune workspace/state? │ Yes

确认后 agent 和它的 workspace、session 状态一起清掉。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

这一节按真实报错对照排查。OpenClaw 配 agent 时最容易踩的坑集中在这几个。

401 Unauthorized。最常见。原因通常是 agent 配置里的 api_key 没填对，或者 base_url 写成了https://taotoken.net（少了/api）。检查~/.openclaw/agents/xxx.json里的base_url必须是https://taotoken.net/api，api_key是 TaoToken 控制台创建的 key。改完openclaw agents reload xxx。如果还报 401，去模型对话页用同一个 key 发一条，确认 key 本身有效。

local proxy failed。这个报错说明 OpenClaw 尝试走本地代理但连不上。检查你的 agent 配置里有没有残留的 proxy 字段，或者环境变量里有没有指向本地端口的代理设置。OpenClaw 走 TaoToken 通道不需要本地代理，把配置里多余的 proxy 项删掉，环境变量里相关的也清掉，重启 OpenClaw。

reading choices 相关报错。通常是模型返回格式跟 OpenClaw 预期不一致。检查 model_id 是不是写错了，比如把deepseek-chat写成了deepseek。另外确认 base_url 是 OpenAI 兼容端点。如果 model_id 对、base_url 对还报这个，去模型对话页确认该模型当前可用。

OAuth 相关报错。如果你在 agent 配置里选了 OAuth 类型的 provider，但没走完授权流程，就会报这个。OpenClaw 配 TaoToken 通道不需要 OAuth，选 OpenAI 兼容 + API Key 即可。如果配置里残留了 OAuth 字段，删掉重配。

排查通用步骤：先看openclaw agents确认 agent 在列表里；再看~/.openclaw/agents/xxx.json确认 base_url、api_key、model_id 三件套；然后openclaw agents reload xxx；最后openclaw agent --agent xxx --message "hello"发一条测试。哪一步断了，问题就在那一步。

如果 agent 发消息没反应，先看 session 有没有创建。web 上没有 session 是因为还没发过消息，命令行发一条就有了。如果命令行发了也没 session，检查 agent 的 model 配置是否完整，配置不全时 agent 不会真正启动 session。

6. 把 agent 和 session 用顺的几个实操建议

最后给几条实操经验，都是踩过坑总结的。

agent 边界按任务类型拆，别按模型拆。同一个模型可以服务多个 agent，但一个 agent 别塞多种不相关的任务。写代码的 agent 就写代码，查资料的 agent 就查资料，session 隔离才有意义。

session 命名要有规律。默认 main 是主会话，临时测试用 test1、test2，长期任务用 task-xxx。这样openclaw sessions --all-agents一眼能看出哪个 session 在干什么。

TaoToken 的 key 统一放在 agent 配置里，别散落在环境变量和多个文件。换 key 时只改一处，openclaw agents reload全部生效。接入文档在 https://taotoken.net/doc ，模型列表在 https://taotoken.net/models ，需要验证通道时先去模型对话页发一条。

长期跑编码类 agent 的话，Coding Plan 的额度更稳，配置方式跟普通 key 一样，只是 key 来源不同：https://taotoken.net/coding-plan 。控制台在 https://taotoken.net/console ，API Key 管理在 https://taotoken.net/api-keys 。

最后一条：每次改完 agent 配置，先openclaw agents reload，再发一条 hello 测试，确认 session 正常创建，再去跑正式任务。这个习惯能帮你把配置问题和模型问题分开，排错快很多。