企业官网建设流程全解析

1. 为什么你的 OpenClaw 装了 Skills 还是“呆”？从 Clawhub 加载链路说起

很多人把 OpenClaw 部署起来，模型也接上了，对话能通，但一让它“查一下今天的新闻”“把下载文件夹整理一下”，它就开始装傻：要么说“我理解你的需求但无法执行”，要么直接抛一个tool not found。问题往往不在模型，而在 Skills 的加载与调用链路没打通。

OpenClaw Skills 是什么？一句话：它是给 AI 助手扩展多工具能力的“说明书 + 代码包”。模型负责思考，Skills 负责告诉模型“这件事分几步做、调用哪个 Tool、参数怎么填”。Clawhub 则是这些 Skills 的分发市场，类似应用商店。适合谁？适合已经跑通 OpenClaw 基础对话、想让它真正动手干活的开发者，尤其是想把搜索、浏览器、文件、定时任务串成工作流的人。

我试过在一台干净的测试机上从零走一遍：先确认 Skills 目录结构，再用 Clawhub 装技能，最后把模型请求统一收敛到 TaoToken 的 Key 上。整条链路里最容易断的有三处——目录放错、网关没重启、模型 Base URL 和 Key 没配对。下面按“可复制”的方式拆开讲，每一步都给命令和配置片段，你照着敲就能复现一次成功的工具调用，以及一次失败后的回退。

先明确一个认知：Skill 不等于插件。一个 Skill 最小就是一个文件夹加一个SKILL.md，里面用 Markdown 写清楚触发条件、执行步骤、依赖哪些 Tool。它不需要常驻后台服务，也不需要额外运行时。这意味着加载链路其实很轻：OpenClaw 启动时扫描 Skills 目录 → 解析SKILL.md元信息 → 注册到技能索引 → 对话时按关键词匹配 → 命中后按说明调用已开启的 Tool。任何一环缺失，表现都是“AI 说它做不到”。

所以排障顺序应该是：先看目录对不对，再看网关有没有重启，再看对应 Tool 有没有开，最后才怀疑模型。把这条链路记住，后面所有报错都能对号入座。

2. TaoToken 前置：统一 Key 与 Base URL，让 Skills 调用有稳定的模型出口

Skills 本身不产生模型能力，它最终还是要通过一次模型请求来决定“调哪个工具、传什么参数”。如果你的模型出口不稳定，或者每个 Skill 各配一套 Key，排障会非常痛苦。我的做法是把所有模型请求统一走 TaoToken，一个 Key、一个 Base URL，Skills 和主对话共用同一出口。

TaoToken 在这里的角色是统一的模型接入层：你拿到一个 API Key，把 Base URL 指向https://taotoken.net/api，然后在 OpenClaw 的模型配置里填上 Key 和 Model ID。这样无论后面装多少 Skills，模型出口只有一处，出问题只查一个地方。

先拿 Key。打开控制台创建密钥，路径是 console，创建后复制那串sk-开头的字符串，只显示一次，先存到安全的地方。注意不要把它写进会提交到 Git 的.env里，前面 excerpt 里提到的安全建议同样适用：尽量用短期、任务专属的令牌。

拿到 Key 之后，OpenClaw 的模型配置通常落在一个 JSON 或 TOML 文件里。不同版本路径略有差异，常见的是~/.openclaw/config.json或项目根目录下的openclaw.toml。核心就三个字段：Base URL、API Key、Model ID。下面给一份可直接改的 JSON 片段，路径按你实际的配置文件来：

{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "modelId": "claude-sonnet-4-5", "timeoutMs": 60000 } }

如果你用的是 TOML 风格配置，等价写法是：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoToken密钥" model_id = "claude-sonnet-4-5" timeout_ms = 60000

这里三个字段必须成套出现，缺一个都会在调用时报错。Base URL 末尾不要多加/v1之类的后缀，按上面这个写就行；Model ID 要和你实际可用的模型对齐，写错会返回模型不存在。配置改完必须重启网关，否则读的还是旧配置：

openclaw gateway restart

重启后先别急着装 Skills，先用一次纯对话验证模型出口通不通。发一句“你好，回复 ok 即可”，能正常返回说明 Key 和 Base URL 没问题。这一步过了，再进入 Skills 配置，排障范围就小很多。如果你更想先在网页里确认模型可用，可以直接用模型对话页面发一条测试消息，确认账号和模型都正常，再回到本地配置。

3. 可复制配置：Skills 目录结构 + Clawhub 安装 + 统一 Key 片段

这一节是整篇的核心，全部给可复制的片段。先建目录，再装 Clawhub，再装技能，最后把配置对齐。

第一步，确认 Skills 存放位置。OpenClaw 默认扫描~/.openclaw/workspace/skills/，每个技能一个子目录，目录里至少有一个SKILL.md。标准结构长这样：

~/.openclaw/workspace/skills/ ├── daily-brief/ │ └── SKILL.md └── trend-scout/ ├── SKILL.md ├── scripts/ │ └── run.sh └── references/ └── source.md

SKILL.md是入口，scripts/放可选脚本，references/放参考资料。放进去之后重启网关即可自动识别，不需要注册。手动建一个自定义技能目录：

mkdir -p ~/.openclaw/workspace/skills/my-skill touch ~/.openclaw/workspace/skills/my-skill/SKILL.md

第二步，安装 Clawhub。它是技能管理命令行工具，全局装一次即可：

npm install -g clawhub clawhub --version

国内网络如果下载超时，配一下镜像再装：

npm config set registry https://registry.npmmirror.com

第三步，用 Clawhub 装技能。常用命令就几个，搜索、安装、列出、更新、卸载：

clawhub search web-search clawhub install web-search clawhub install agent-browser cron-scheduling clawhub list clawhub update --all clawhub uninstall web-search

也可以直接用npx免全局安装：

npx clawhub@latest install agent-browser

第四步，把模型出口和 Skills 配置写进同一份配置文件。下面这份 JSON 同时包含模型出口、Tools 白名单、审批和路径限制，可以直接改路径后使用：

{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "modelId": "claude-sonnet-4-5" }, "tools": { "allow": ["read", "write", "edit", "exec", "web_search", "web_fetch", "browser"], "deny": ["nodes", "llm_task"] }, "approvals": { "exec": { "enabled": true }, "write": { "allowedPaths": ["/Users/你的用户名/Documents", "/root/workspace"] } }, "skills": { "dir": "~/.openclaw/workspace/skills", "autoLoad": true } }

注意tools.allow里必须有 Skill 依赖的 Tool。比如web-search依赖web_search和web_fetch，agent-browser依赖browser，file-manager依赖read/write。如果 Skill 装了但对应 Tool 没开，调用时会直接失败，表现就是“技能存在但无法执行”。改完配置重启网关：

openclaw gateway restart openclaw skills list

openclaw skills list能列出已识别技能，说明加载链路通了。如果列表里没有你刚装的技能，先查目录对不对，再查网关有没有重启。

4. 验证请求：一次成功的工具调用与一次失败回退

配置完必须验证，而且要验证“成功”和“失败回退”两种路径，否则你不知道边界在哪。

先验证成功路径。装好web-search后，直接发自然语言指令：

帮我搜索一下 OpenClaw Skills 的最新动态，给我三条要点

预期行为：模型识别到需要联网，命中web-searchSkill，调用web_searchTool，返回结果后整理成三条要点。如果返回的是“我无法联网”，说明 Skill 没命中或web_search没开。可以用命令行确认技能状态：

openclaw skills info web-search openclaw skills list --eligible

再验证一次文件类 Skill。装file-manager后：

帮我看看 ~/Downloads 目录下有哪些文件，按类型分组

预期返回文件列表和分组结果。这一步依赖readTool，如果报权限错误，检查approvals.write.allowedPaths是否包含该目录。

然后是失败回退验证，这是很多人忽略的。故意制造一次失败：把tools.allow里的web_search删掉，重启网关，再发同样的搜索指令。预期表现是模型不再假装能搜，而是明确告知“当前未开启联网搜索能力”，或者回退到用已有知识回答并标注“以下内容可能不是最新”。这就是回退路径——Skill 不可用时，模型应该降级而不是硬编造。

另一种失败是模型出口问题。把apiKey改成一个错误值，重启后发任意消息，预期报 401 或鉴权失败。这时 Skills 链路本身没坏，坏的是模型出口。把 Key 改回来重启即可恢复。通过这两组对照，你能清楚区分“Skill 层故障”和“模型层故障”，排障效率会高很多。

验证通过后，如果你打算长期跑编码或 Agent 类任务，可以把模型出口固定到 Coding Plan，避免频繁换 Key；只是临时验证模型，用模型对话页面更快。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth

这一节按真实报错对照，遇到直接查表。

401 Unauthorized：模型出口鉴权失败。检查三件事——apiKey是否是完整的sk-开头字符串、有没有多余空格、Base URL 是否写成https://taotoken.net/api。如果 Key 是从控制台复制的，确认没有把前后引号一起粘进去。改完必须重启网关。

local proxy failed / connection refused：本地代理或网关没起来。先确认openclaw gateway restart执行成功，再看端口有没有被占用。如果你在配置里写了本地代理地址，确认那个地址可达；Skills 调用模型走的是配置里的 Base URL，不是系统环境变量，别混。

Error reading choices / choices 字段为空：模型返回体结构不符合预期，常见于 Base URL 指向了不兼容的端点，或者 Model ID 写错导致返回了错误结构。核对baseUrl和modelId，用一次纯对话先验证模型出口，再跑 Skill。

OAuth / 授权相关报错：多出现在需要登录态的 Skill，比如浏览器自动化。这类 Skill 依赖已登录的浏览器会话，需要以调试模式启动浏览器并保持登录态。如果报 OAuth 失败，先确认浏览器调试端口可用，再确认目标站点登录没过期。注意不要在生产环境用高权限账号跑这类 Skill。

Skill 装了但列表里没有：目录层级错了。确认是~/.openclaw/workspace/skills/技能名/SKILL.md，不是多套了一层或少了SKILL.md。改完重启网关。

调用时提示 tool not found：Skill 命中了，但它依赖的 Tool 没在tools.allow里。对照 Skill 说明补上对应 Tool，重启网关。

CC Switch / Cline MCP / Codex auth.json 场景：如果你在这些工具里接 OpenClaw 或接模型，三件套必须写全——Base URL 填https://taotoken.net/api，Key 填你的 TaoToken 密钥，Model ID 填实际可用模型。缺任何一个都会在调用时报错，且报错信息往往不直接指向缺失项，容易误判。

排查时记住顺序：先纯对话验证模型出口 → 再openclaw skills list验证加载 → 再单技能验证 Tool 依赖 → 最后才看 Skill 内部逻辑。按这个顺序，绝大多数报错五分钟内能定位。

6. 把 Skills 用起来：从单技能到工作流的落地建议

装完技能只是开始，真正提升效率的是把多个 Skill 串成工作流。比如“每天早上八点抓取行业新闻 → 摘要 → 推送到指定渠道”，这条链路会同时用到cron-scheduling、web-search、summary三个 Skill，底层依赖cron、web_search、message三个 Tool。配置时先确保这三个 Tool 都在白名单里，再逐个验证单技能可用，最后用定时任务串起来：

openclaw cron add "0 8 * * *" "搜索今日行业新闻并生成三条摘要" openclaw cron list

安全上别偷懒。社区 Skill 质量参差，装之前先看 ClawHub 上的 Security Scan 结果，确认是良性再装。exec、browser这类高权限 Tool 一定要开审批，写入路径用allowedPaths限制到具体目录。SOUL.md、AGENTS.md这类持久化上下文文件要保护好，别让不明 Skill 有机会写入。

最后给一个实用习惯：每装一个新 Skill，先单独发一条指令验证它能跑通，再放进工作流。这样出问题时你能立刻知道是哪个环节坏了，而不是在一长串自动化里大海捞针。Skills 的价值不在于装得多，而在于每一条链路都验证过、可控、可回退。