1. 为什么 Windows 和 Mac 装 OpenClaw 2.7.9 总在同一个地方翻车OpenClaw 2.7.9 是一个本地 AI 智能体运行框架能操控浏览器、读写本地文件、模拟键鼠完成自动化任务适合想把重复办公流程交给 AI 的普通用户和开发者。它内置了 490 多款大模型适配库从 GPT、Claude 到通义千问、DeepSeek、Llama 都能在下拉菜单里切换。但我在 Windows 和 Mac 上各装了一遍之后发现真正卡住人的从来不是软件本身而是三类环境问题依赖缺失、路径冲突、权限报错。Windows 这边最典型的是解压后核心配置文件丢失双击启动程序弹 SmartScreen 拦截或者安装到一半提示路径非法直接终止。Mac 这边则是另一套麻烦Gatekeeper 拦截未签名应用、终端里 node 或 python 版本不对导致依赖装不上、以及~/Library/Application Support目录权限不足让 Gateway 起不来。这两个平台的报错信息完全不同但根因高度重合——系统安全机制把 OpenClaw 当成了可疑程序加上路径里混入了中文或空格。我试过在一台 8G 内存的 Windows 11 笔记本和一台 M1 MacBook Air 上分别部署前者卡在 Gateway 离线后者卡在权限拒绝。后来把两边的流程统一成一套「先清障、再装依赖、后接模型」的顺序才做到一次跑通。这篇就把这套顺序拆开讲包括可复制的安装命令、环境变量配置、本地模型 endpoint 填写模板以及逐项验证成功的检查动作。你跟着做双平台都能落地。需要先说明一点OpenClaw 本身是开源项目源码可自行核验。安装阶段临时关闭安全软件只是为了让系统底层权限调用不被误杀装完可以按需恢复。下面所有操作都不涉及任何网络加速工具纯粹是本地环境配置。2. TaoToken 统一 Key 的前置准备与 OpenClaw 模型接入定位OpenClaw 2.7.9 内置了模型适配库但内置额度耗尽后或者你想用自己的模型账号时就需要一个统一的 API 入口来管理 Key。TaoToken 在这里扮演的角色是「统一 Key 网关」你不需要在 OpenClaw 里为每个模型单独填一套 Base URL 和 Key而是通过一个兼容 OpenAI 协议的端点让 OpenClaw 用同一把 Key 调用不同模型。这对本地模型接入尤其有用因为本地模型比如 Ollama 跑的 Qwen和云端模型可以走同一套配置模板切换时只改 Model ID。前置准备分三步。第一步注册并拿到 API Key。访问 https://taotoken.net/api-keys 创建一把 Key复制保存后面配置里会用到。第二步确认你要用的模型 ID。TaoToken 的模型列表在 https://taotoken.net/doc 可以查到常见的比如gpt-4o、claude-sonnet-4、deepseek-v3、qwen-max等。第三步确认 Base URL。TaoToken 的 API 端点是https://taotoken.net/api注意这里不加任何 UTM 参数直接写这个地址即可。为什么要在 OpenClaw 里接 TaoToken 而不是直接用内置额度两个原因。一是内置额度用完后统一 Key 能让你继续用同一套配置不用改 OpenClaw 的代码或配置文件二是本地模型和云端模型可以共用一套 endpoint 模板你只需要在 OpenClaw 的模型配置里改 Model ID 字段Base URL 和 Key 保持不变。这样在 Windows 和 Mac 上迁移配置时只需要复制同一份 JSON不用重新填。这里要提醒一个常见误区很多人以为 OpenClaw 的模型配置藏在图形界面里其实 2.7.9 的模型接入是通过配置文件加环境变量完成的。图形界面里的下拉菜单只是读取配置后的展示层。所以你要做的第一件事是找到 OpenClaw 的配置目录。Windows 默认在%APPDATA%\OpenClaw\Mac 默认在~/Library/Application Support/OpenClaw/。如果目录不存在启动一次 OpenClaw 让它自动生成然后再改配置。另外TaoToken 的 Coding Plan 适合长期编码和 Agent 场景如果你打算让 OpenClaw 长时间跑自动化任务可以了解 https://taotoken.net/coding-plan 的额度方案。但这一步不是必须的先用按量 Key 跑通流程更重要。3. 双平台可复制配置环境变量、settings.json 与本地模型 endpoint 模板这一节是核心直接给可复制的配置片段。先讲 Windows再讲 Mac最后给本地模型 endpoint 模板。所有路径和原文保持一致你复制后改 Key 和模型 ID 即可。Windows 环境变量配置。打开 PowerShell管理员模式执行以下命令。注意把sk-你的Key替换成你在 TaoToken 创建的真实 Key[System.Environment]::SetEnvironmentVariable(TAOTOKEN_API_KEY, sk-你的Key, User) [System.Environment]::SetEnvironmentVariable(TAOTOKEN_BASE_URL, https://taotoken.net/api, User) [System.Environment]::SetEnvironmentVariable(OPENCLAW_HOME, D:\OpenClaw279, User)设置完后关闭 PowerShell 重新打开用echo $env:TAOTOKEN_API_KEY验证是否生效。如果输出为空说明变量没写进用户级环境检查是不是用了管理员模式但写到了系统级。Mac 环境变量配置。打开终端编辑~/.zshrc如果是 bash 则编辑~/.bash_profileexport TAOTOKEN_API_KEYsk-你的Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api export OPENCLAW_HOME$HOME/OpenClaw279保存后执行source ~/.zshrc再用echo $TAOTOKEN_API_KEY验证。Mac 上常见坑是用了sudo写环境变量导致当前用户读不到所以不要加 sudo。接下来是 OpenClaw 的模型配置文件。Windows 路径是%APPDATA%\OpenClaw\settings.jsonMac 路径是~/Library/Application Support/OpenClaw/settings.json。如果文件不存在就新建一个内容如下{ gateway: { host: 127.0.0.1, port: 18789, autoStart: true }, models: { default: taotoken-unified, providers: { taotoken-unified: { baseUrl: https://taotoken.net/api, apiKeyEnv: TAOTOKEN_API_KEY, modelId: deepseek-v3, protocol: openai }, local-ollama: { baseUrl: http://127.0.0.1:11434/v1, apiKeyEnv: OLLAMA_API_KEY, modelId: qwen2.5:7b, protocol: openai } } } }这段配置里有两个 providertaotoken-unified走 TaoToken 统一 Keylocal-ollama走本地 Ollama。注意apiKeyEnv字段写的是环境变量名不是 Key 本身这样 Key 不会明文落在配置文件里。protocol统一写openai因为 TaoToken 和 Ollama 都兼容 OpenAI 协议。本地模型 endpoint 填写模板。如果你用 Ollama 跑本地模型先确认 Ollama 已启动然后执行ollama pull qwen2.5:7b拉取模型。Ollama 默认监听http://127.0.0.1:11434OpenAI 兼容端点是http://127.0.0.1:11434/v1。在 settings.json 里对应的就是上面local-ollama那段。如果你用 LM Studio端点通常是http://127.0.0.1:1234/v1Model ID 填 LM Studio 里加载的模型名。这里有个关键点OpenClaw 2.7.9 的 Gateway 会读取 settings.json 里的 providers然后在图形界面下拉菜单里展示。如果你改完配置后下拉菜单没更新重启 Gateway 即可。Windows 上重启按钮在主界面右上角Mac 上可以执行pkill -f openclaw-gateway再重新启动 OpenClaw。配置写完后建议用python -m json.tool settings.json校验 JSON 格式避免因为一个逗号导致 Gateway 起不来。这个命令 Windows 和 Mac 都能用前提是装了 Python。4. 验证请求与成功结果从 Gateway 在线到模型真实响应配置写完不代表跑通必须逐项验证。这一节给一套检查动作Windows 和 Mac 通用。按顺序做哪一步失败就停在哪一步排查。第一步验证 Gateway 是否在线。启动 OpenClaw 后观察主界面右上角是否显示「Gateway 在线」。如果没有打开终端执行curl -s http://127.0.0.1:18789/health正常返回应该是{status:ok}或类似结构。如果返回connection refused说明 Gateway 没起来检查 settings.json 里的 port 是否被占用。Windows 上用netstat -ano | findstr 18789查占用Mac 上用lsof -i :18789。第二步验证 TaoToken Key 是否可用。直接用 curl 打 TaoToken 的模型对话端点curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {model:deepseek-v3,messages:[{role:user,content:回复OK}]}如果返回里有choices字段和内容说明 Key 和 Base URL 都对。如果返回 401说明 Key 无效或没读到环境变量如果返回model not found说明 Model ID 写错了去 https://taotoken.net/doc 核对。第三步验证 OpenClaw 能否通过配置调用模型。在 OpenClaw 主界面底部输入框发送「你好请回复当前使用的模型名称」。如果返回内容正常说明 OpenClaw 已经通过 settings.json 里的 provider 调到了模型。如果报reading choices错误通常是返回结构不是标准 OpenAI 格式检查protocol是否写成了openai。第四步验证本地模型接入。在 settings.json 里把default改成local-ollama重启 Gateway再发一条消息。如果 Ollama 没启动会报连接拒绝如果模型没拉取会报 model not found。确认 Ollama 在跑、模型已 pull 之后应该能正常返回。第五步验证模型切换。在图形界面下拉菜单里切换taotoken-unified和local-ollama各发一条消息确认都能响应。这一步能过说明双 provider 配置正确本地模型和云端模型可以共存。成功结果的判定标准很明确Gateway 在线、curl 能拿到 choices、OpenClaw 界面能返回模型回复、下拉菜单切换后仍能响应。四项全过安装和接入就算完成。任何一项失败对照下一节的报错排查。5. 本篇常见报错排查401、local proxy failed、reading choices、OAuth这一节按真实报错逐项拆。每个报错给现象、根因、处理方式Windows 和 Mac 通用。401 Unauthorized。现象是 curl 或 OpenClaw 返回 401。根因通常是 Key 没读到、Key 写错、或者环境变量没生效。处理方式先在终端echo $TAOTOKEN_API_KEYMac或echo $env:TAOTOKEN_API_KEYWindows确认变量有值再确认 settings.json 里apiKeyEnv写的是变量名而不是 Key 本身最后确认 Base URL 是https://taotoken.net/api没有多余斜杠。如果 Key 是在 TaoToken 控制台刚创建的确认没有复制到空格。local proxy failed。现象是 OpenClaw 启动时报local proxy failed或 Gateway 起不来。根因通常是端口被占用或者 settings.json 里 host 写成了0.0.0.0导致权限问题。处理方式把 host 改回127.0.0.1换一个没被占用的 port比如 18790。Windows 上用netstat -ano | findstr 18789查占用进程Mac 上用lsof -i :18789。如果是安全软件拦截了本地端口监听临时退出安全软件再启动。reading choices 报错。现象是 OpenClaw 返回error reading choices或类似解析错误。根因是模型返回的 JSON 结构不是标准 OpenAI 格式或者protocol字段写错。处理方式确认 settings.json 里protocol是openai用 curl 直接打一次模型端点看返回里有没有choices数组如果本地模型返回的是 Ollama 原生格式而不是 OpenAI 兼容格式确认端点带了/v1后缀。OAuth 相关报错。现象是提示 OAuth token 失效或需要重新授权。根因是某些模型 provider 走的是 OAuth 而不是 API Key但你在 settings.json 里配了apiKeyEnv。处理方式确认你用的模型是否支持 API Key 直连。TaoToken 统一 Key 走的是 Bearer Token不需要 OAuth。如果 OpenClaw 内置的某个 provider 强制 OAuth把它从 settings.json 里移除改用taotoken-unified走统一 Key。路径非法报错。现象是 Windows 安装时提示路径非法终止。根因是路径含中文、空格或特殊符号。处理方式换成纯英文无空格路径比如D:\OpenClaw279。Mac 上对应的是OPENCLAW_HOME不要设在含中文的目录下。Gateway 持续离线。现象是右上角一直显示离线。处理方式先确认安全软件完全退出再确认 settings.json 的 JSON 格式正确然后重启 Gateway如果还不行删除%APPDATA%\OpenClaw\或~/Library/Application Support/OpenClaw/下的缓存目录重新启动让 OpenClaw 重建配置。8G 内存卡顿。现象是低配设备响应慢。处理方式在 settings.json 里把default改成local-ollamaModel ID 用qwen2.5:3b或phi3:mini这类轻量模型关闭浏览器等后台程序避免同时跑多个自动化任务。这里要强调一个原则报错先看日志。OpenClaw 的日志在 Windows 的%APPDATA%\OpenClaw\logs\和 Mac 的~/Library/Application Support/OpenClaw/logs/。日志里会写明是 Key 问题、端口问题还是模型解析问题比猜快得多。6. 长期跑 Agent 与 Coding 场景的 Key 管理建议装好只是开始长期用 OpenClaw 跑自动化和编码任务时Key 管理会变成新的痛点。这一节给几条实操建议帮你少踩坑。第一不要把 Key 明文写进 settings.json。本篇的配置模板用的是apiKeyEnv字段读环境变量这是推荐做法。如果你有多台设备每台设备各自设环境变量settings.json 可以共用一份迁移时只改OPENCLAW_HOME路径。第二本地模型和云端模型分开配 provider。本地模型走local-ollama云端走taotoken-unified这样切换时只改default字段不用动其他配置。如果你经常在编码场景用 DeepSeek、在长文本场景用 Claude可以在 providers 里多配几个每个用不同的 Model ID共用同一个 Base URL 和 Key。第三长期跑 Agent 任务时关注额度消耗。TaoToken 的 Coding Plan 适合长时间编码和 Agent 场景如果你打算让 OpenClaw 持续跑批量任务可以了解 https://taotoken.net/coding-plan 的额度方案。按量 Key 适合先跑通流程确认稳定后再换套餐。第四验证模型响应时用模型对话页面快速确认。如果你不确定某个 Model ID 是否可用可以打开 https://taotoken.net/chat 直接发一条消息测试比在 OpenClaw 里排查快。确认可用后再写进 settings.json。第五接入文档放在手边。TaoToken 的接入文档在 https://taotoken.net/doc里面有完整的 Base URL、Model ID 列表和协议说明。OpenClaw 的配置字段如果和文档对不上以文档为准。第六Mac 上注意 Gatekeeper。如果 OpenClaw 启动时被拦截去「系统设置 - 隐私与安全性」里点「仍要打开」。Windows 上对应的是 SmartScreen 的「更多信息 - 仍要运行」。这两个拦截都是系统常规防护不是程序本身有问题。最后一条经验每次改完 settings.json先用python -m json.tool settings.json校验格式再重启 Gateway。JSON 里一个多余的逗号就能让 Gateway 起不来而报错信息往往不直接指向 JSON 格式。这个习惯能帮你省掉大量排查时间。