1. 从零部署 OpenClaw 时大模型配置为什么最容易卡住OpenClaw 是一个把大模型接到本地执行环境的自动化框架能操作鼠标键盘、识别屏幕 OCR、跑 Shell 和 Python、驱动浏览器还能接入 Slack、飞书这类企业 IM。适合谁适合想把「聊天窗口里说一句话本地自动跑脚本」这件事落地的开发者尤其是做运维自动化、批量构建、桌面流程替代的同学。但真正上手时卡人的往往不是安装而是大模型配置这一环。原因很直接OpenClaw 的 Agent 规划、工具调用、错误重试都依赖 LLM一旦 Key 配错、base_url 写错、模型名对不上表现就是「启动成功但一句话都不回」或者「Agent 空转不调用工具」。更麻烦的是很多人手里同时有 OpenAI、Claude、国产模型好几套 Key散落在环境变量、config 文件、shell 脚本里换一个模型就要翻一遍配置。这篇就按「首次部署」的路径走一遍先给可复制的 config.toml 骨架再用 TaoToken 统一 Key 把多模型收敛成一个入口最后给出启动后验证连通性的命令和常见报错排查。TaoToken 在这里的角色是统一的大模型 API 入口一个 Key 就能切不同模型省掉多套凭证管理。官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点是 https://taotoken.net/api 。2. 部署前的环境准备与 TaoToken 统一 Key 获取2.1 系统与目录准备OpenClaw 推荐 macOS 或 Ubuntu 22.04Python 3.10 以上内存 16GB 起步CPU 4 核以上。如果要跑沙箱执行再装个 Docker。目录我习惯这样放后面所有路径都基于它mkdir -p /opt/openclaw/{app,config,logs,models,plugins,venv} cd /opt/openclaw python3 -m venv venv source venv/bin/activate把主程序放进app/配置文件统一丢config/日志和插件各自独立升级和排障时不会互相污染。2.2 拿 TaoToken 的 Key打开控制台创建 API Key入口是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。创建后复制那串sk-开头的 Key先别急着写进代码用环境变量兜一层避免提交到仓库export TAOTOKEN_API_KEYsk-你的key echo export TAOTOKEN_API_KEYsk-你的key ~/.bashrcKey 的具体管理页面在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 可以按项目建多个 Key方便后面区分环境和额度。接入细节和参数说明看文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。注意Key 只放环境变量或密钥管理服务不要硬编码进 config.toml 再提交。OpenClaw 的配置支持读环境变量下面骨架里就用${TAOTOKEN_API_KEY}引用。3. 可复制的 config.toml 骨架与 TaoToken 配置片段3.1 完整 config.toml 骨架OpenClaw 的配置核心是model、agent、gateway三段IM 接入各自独立。下面这份可以直接抄改掉注释里的占位即可# /opt/openclaw/config/config.toml [model] # 统一走 TaoToken一个 Key 切多模型 provider openai-compatible base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} name claude-sonnet-4-20250514 # 按需替换成你要的模型 timeout 60 max_retries 3 [agent] auto_loop true max_steps 10 # Gateway 白名单只有列出的命令才允许执行 allowed_commands [ls, cd, go, python3, git, cat] [gateway] host 127.0.0.1 port 8080 sandbox false # 生产建议 true配合 Docker [slack] enabled false bot_token ${SLACK_BOT_TOKEN} signing_secret ${SLACK_SIGNING_SECRET} [feishu] enabled false app_id ${FEISHU_APP_ID} app_secret ${FEISHU_APP_SECRET}关键点在于provider openai-compatibleTaoToken 的 API 兼容 OpenAI 协议所以 OpenClaw 里凡是支持自定义 base_url 的 provider都能直接指过去。base_url填https://taotoken.net/api注意不要多加/v1之类的后缀具体以文档为准。3.2 模型名怎么填模型名不是随便写的要和控制台里列出的标识一致。常见几类用途模型名示例说明通用对话/规划claude-sonnet-4-20250514Agent 规划、工具调用稳轻量任务gpt-4o-mini成本低适合高频小任务长上下文按控制台列表选处理大日志、长文档想先确认某个模型能不能用不用改 OpenClaw直接去模型对话页试一句 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 能正常回再写进配置省得来回重启服务。3.3 环境变量注入config.toml 里用了${VAR}占位启动前确保这些变量在当前 shell 可见export TAOTOKEN_API_KEYsk-你的key export SLACK_BOT_TOKENxoxb-xxx export SLACK_SIGNING_SECRETxxx export FEISHU_APP_IDcli_xxx export FEISHU_APP_SECRETxxx如果 OpenClaw 用 systemd 托管记得在 unit 文件里用EnvironmentFile指向一个chmod 600的 env 文件别让 Key 出现在ps里。4. 启动 OpenClaw 并验证模型连通性4.1 启动服务cd /opt/openclaw source venv/bin/activate python3 app/main.py --config config/config.toml看到 Gateway 监听127.0.0.1:8080且没有报配置解析错误就算起来了。日志默认在logs/下启动阶段重点看有没有model provider init failed这类字样。4.2 用 curl 直接验证模型链路在怀疑 OpenClaw 之前先用 curl 打一次 TaoToken确认 Key 和网络没问题curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 只回复 ok}] }返回里带choices[0].message.content就说明 Key 有效、模型可用。这一步过了问题基本就锁定在 OpenClaw 配置侧。4.3 通过 OpenClaw 发一条测试指令Gateway 起来后用它的本地接口发一条最小任务curl -s http://127.0.0.1:8080/chat \ -H Content-Type: application/json \ -d {message: 列出当前目录下的文件}预期是 Agent 规划后调用ls返回文件列表。如果返回空、超时或提示工具未注册对照下一节的排查表。4.4 接入 Slack / 飞书后的连通验证Slack 侧把enabled改true填好bot_token和signing_secret在 Slack App 里开启 Event Subscriptions把请求 URL 指向你的 Gateway 公网地址。飞书侧创建企业自建应用拿 App ID / Secret开启事件订阅同样指向 Gateway。两边都配好后在对应聊天窗口发一句「列出当前目录文件」能收到 Agent 回复就说明 IM → Gateway → LLM → 工具这条链路全通了。5. 本篇常见报错排查5.1 401 / invalid api key九成是 Key 没注入或拼错。先echo $TAOTOKEN_API_KEY看有没有值再确认 config.toml 里写的是${TAOTOKEN_API_KEY}而不是字面量。如果用了 systemd检查EnvironmentFile路径和权限。5.2 404 / model not found模型名和控制台列表不一致或者 base_url 多写了/v1。TaoToken 的 base_url 是https://taotoken.net/api路径拼接由客户端负责别手动加后缀。换模型前先去模型对话页确认可用。5.3 启动成功但 Agent 不调用工具看allowed_commands白名单。比如任务要跑go build但白名单里没有goGateway 会直接拦掉Agent 拿不到结果就会反复重试直到max_steps耗尽。把需要的命令加进去别图省事写*。5.4 超时 / 连接被拒先 curl 测 TaoToken 通不通排除网络问题。如果 curl 通但 OpenClaw 超时检查timeout是不是设太短长任务规划建议 60 秒以上。本地 Gateway 连不上就确认host/port和防火墙。5.5 Slack / 飞书事件收不到事件订阅的请求 URL 必须是公网可达的 HTTPS本地127.0.0.1收不到回调。签名校验失败通常是signing_secret填错或请求体被中间层改过。飞书侧还要确认应用已发布、权限已勾选。6. 长期跑编码和 Agent 任务Key 与额度怎么规划OpenClaw 这类框架一旦接上 IM很容易从「试一下」变成「天天用」Agent 规划、工具调用、错误重试都会消耗 token多模型切换也会变频繁。这时候统一 Key 的价值就出来了——不用为每个模型维护一套凭证额度、限流、日志都在一个地方看。如果你的场景偏长期编码、批量构建、Agent 自动循环建议直接看 Coding Plan按用量规划比零散充值更可控https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。接入过程中遇到配置问题对照文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 和 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 基本都能定位。Claude Code 相关的接入说明在 https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 需要的话可以一起配。最后留一个我踩过的坑改完 config.toml 一定要重启 GatewayOpenClaw 不会热加载模型配置改了不重启会一直用旧 Key 报 401白白排查半天。