1. 为什么要在云主机和 Windows 本地同时部署 OpenClawOpenClaw曾用名 Clawdbot、Moltbot是一款开源的本地 AI 智能体框架它能通过自然语言驱动电脑完成文件管理、代码生成、信息检索、定时任务等操作并且支持通过 skill 插件机制无限扩展能力。2026 年这个版本v2026.2 stable在配置结构上做了较大调整把模型接入层统一收敛到了config.toml这对想同时维护云端和本地两套环境的用户来说其实是好事——一份配置骨架改几个字段就能两边跑。但实际部署时新手最容易卡住的地方往往不是 OpenClaw 本身而是鉴权通道。OpenClaw 需要对接大模型 API 才能工作而不同厂商的 Key 格式、Base URL、模型名称各不相同云端和本地如果分别配置很容易出现「云上能跑、本地报 401」或者「skill 加载了但调用模型超时」这类问题。我试过用 TaoToken 的统一 Key 通道来收敛这件事一个 Key、一个 API 地址云主机和 Windows 本地共用同一套鉴权配置skill 集成前的连通性验证也能用同一条命令完成。这篇教程面向两类人一是想在云主机上跑一个 7×24 小时在线的 OpenClaw 实例二是想在 Windows 本地也部署一份用于调试 skill 的开发者。两条路线我都会给出可复制的config.toml骨架、环境变量清单和验证命令目标是一次性跑通部署与 skill 加载而不是反复试错。2. 部署前准备TaoToken 统一 Key 与环境清单在动 OpenClaw 之前先把鉴权通道准备好。TaoToken 的作用是提供一个统一的 API 入口你不需要在 OpenClaw 里分别配置多个厂商的 Key只需要一个 TaoToken Key 加上对应的 Base URL就能让 OpenClaw 调用后端模型。这对后面 skill 集成特别重要——很多 skill 内部会直接读取环境变量里的 API 配置如果每个 skill 都要单独填 Key维护成本会很高。2.1 获取 TaoToken Key访问 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content注册后在控制台创建 API Key。建议给云主机和 Windows 本地各建一个 Key方便后续按环境排查问题。创建完成后你会得到两样东西API Key形如sk-xxxxxxxx的字符串Base URLhttps://taotoken.net/api注意这个地址不带 UTM 参数直接用于程序调用注意API Key 只在创建时完整显示一次务必先复制保存到安全的地方。如果泄露立即在控制台吊销重建。2.2 环境变量清单OpenClaw 读取模型配置有两种方式写死在config.toml里或者通过环境变量注入。推荐后者因为云主机和 Windows 本地的路径不同环境变量更容易做差异化。你需要准备以下变量变量名用途示例值TAOTOKEN_API_KEY统一鉴权 Keysk-你的实际KeyTAOTOKEN_BASE_URLAPI 入口地址https://taotoken.net/apiOPENCLAW_MODEL默认模型名称claude-sonnet-4-20250514OPENCLAW_HOME配置与数据目录云/opt/openclawWinD:\openclawOPENCLAW_PORTWeb 面板端口18789云主机上这些变量写进/etc/profile.d/openclaw.sh或者 systemd 的Environment里Windows 本地则通过「系统属性 → 环境变量」或者 PowerShell 的$env:临时设置。后面每一节我都会给出具体命令。2.3 云主机与 Windows 本地的差异点云主机推荐 2 核 2GB 起步系统用 Ubuntu 22.04 或 Alibaba Cloud Linux 3Docker 部署最省心。Windows 本地则建议用 WSL2 或者直接跑 Windows 原生版如果你只是调试 skill原生版启动更快。两者的config.toml结构完全一致区别只在路径分隔符和端口占用检查方式。下面先给云主机的完整流程再给 Windows 的适配版本。3. 云主机部署config.toml 骨架与 Docker 启动云主机的优势是稳定在线适合跑定时任务和长期 skill。我以 Ubuntu 22.04 为例从零开始走一遍。3.1 安装 Docker 与创建工作目录先更新系统并装 Dockersudo apt update sudo apt install -y curl git curl -fsSL https://get.docker.com | sudo bash sudo systemctl enable --now docker docker --version看到 Docker 版本号输出即安装成功。接着创建工作目录注意这里要和后面的OPENCLAW_HOME保持一致sudo mkdir -p /opt/openclaw/{config,data,skills} sudo chown -R $USER:$USER /opt/openclaw cd /opt/openclaw3.2 写入 config.toml 骨架OpenClaw v2026.2 的配置文件放在config/config.toml。下面这份骨架是我实测能跑通的最小配置你可以直接复制只需要把api_key换成你自己的# /opt/openclaw/config/config.toml [server] host 0.0.0.0 port 18789 data_dir /app/data skill_dir /app/skills [model] provider openai-compatible base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} default_model claude-sonnet-4-20250514 timeout_seconds 120 max_retries 3 [model.params] temperature 0.7 max_tokens 4096 [skills] auto_load true hot_reload true trusted_sources [official, local] [logging] level info file /app/data/openclaw.log几个关键点解释一下。provider填openai-compatible是因为 TaoToken 的 API 兼容 OpenAI 格式OpenClaw 内置了这个适配器。api_key用${TAOTOKEN_API_KEY}引用环境变量这样配置文件可以提交到 Git 而不会泄露 Key。skill_dir指向容器内的/app/skills后面挂载卷的时候要对应上。3.3 环境变量与容器启动把环境变量写进 systemd 或者直接 export。这里用 export 演示export TAOTOKEN_API_KEYsk-你的实际Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api export OPENCLAW_HOME/opt/openclaw然后启动容器注意挂载路径要和 config.toml 里的路径对应docker run -d \ --name openclaw \ -p 18789:18789 \ -e TAOTOKEN_API_KEY$TAOTOKEN_API_KEY \ -e TAOTOKEN_BASE_URL$TAOTOKEN_BASE_URL \ -v /opt/openclaw/config:/app/config \ -v /opt/openclaw/data:/app/data \ -v /opt/openclaw/skills:/app/skills \ --restartalways \ openclaw/openclaw:2026-stable启动后检查状态docker ps | grep openclaw docker logs --tail 50 openclaw日志里如果出现model provider initialized和skills loaded: N说明配置读取成功。如果出现401 Unauthorized先别急着改配置跳到第 5 节排查。4. Windows 本地部署路径适配与 skill 加载Windows 本地部署有两种方式WSL2 里跑 Docker和云主机几乎一样或者直接用 Windows 原生版。这里给原生版的流程因为调试 skill 时文件系统访问更直接。4.1 安装与目录结构从 OpenClaw 官方 release 下载openclaw-2026.2-windows-amd64.zip解压到D:\openclaw。目录结构建议这样D:\openclaw\ ├── config\ │ └── config.toml ├── data\ ├── skills\ └── openclaw.exe4.2 Windows 版 config.tomlWindows 版的config.toml和云主机结构一致只需要改路径分隔符。注意 TOML 里 Windows 路径要用正斜杠或者双反斜杠[server] host 127.0.0.1 port 18789 data_dir D:/openclaw/data skill_dir D:/openclaw/skills [model] provider openai-compatible base_url https://taotoken.net/api api_key ${TAOTOKEN_API_KEY} default_model claude-sonnet-4-20250514 timeout_seconds 120 max_retries 3 [skills] auto_load true hot_reload true trusted_sources [official, local] [logging] level debug file D:/openclaw/data/openclaw.logWindows 本地我把host设成127.0.0.1避免局域网暴露logging.level设成debug方便调试 skill 时看详细调用链。4.3 设置环境变量并启动在 PowerShell 里临时设置当前会话有效$env:TAOTOKEN_API_KEY sk-你的实际Key $env:TAOTOKEN_BASE_URL https://taotoken.net/api cd D:\openclaw .\openclaw.exe --config D:\openclaw\config\config.toml如果想永久生效用系统属性里的环境变量界面添加或者[Environment]::SetEnvironmentVariable(TAOTOKEN_API_KEY, sk-你的实际Key, User)启动后浏览器访问http://127.0.0.1:18789能看到 Web 面板即成功。首次访问会要求生成配对 Token保存好后面 skill 调用会用到。4.4 安装第一个 skill 验证加载skill 是 OpenClaw 的核心扩展机制。云主机和 Windows 本地安装命令一样只是执行方式不同。云主机docker exec -it openclaw openclaw skills install file-manager docker exec -it openclaw openclaw skills install summaryWindows 本地.\openclaw.exe skills install file-manager .\openclaw.exe skills install summary安装完成后检查 skill 是否被正确加载# 云主机 docker exec -it openclaw openclaw skills list # Windows .\openclaw.exe skills list输出里应该能看到file-manager和summary的状态是enabled。如果显示load_failed多半是 skill 内部读取模型配置时没拿到环境变量下一节会讲怎么验证。5. 连通性验证一条命令确认 Key 与 skill 就绪部署完成不等于能用。skill 加载成功只是说明插件本身没坏但它调用模型时是否走得通需要单独验证。OpenClaw 提供了一个doctor子命令可以一次性检查配置、鉴权和模型连通性。5.1 运行 doctor 检查云主机docker exec -it openclaw openclaw doctor --check model,skills,authWindows.\openclaw.exe doctor --check model,skills,auth正常输出类似[OK] config.toml parsed [OK] auth: TAOTOKEN_API_KEY present [OK] model: base_url reachable (https://taotoken.net/api) [OK] model: chat completion test passed (modelclaude-sonnet-4-20250514) [OK] skills: 2 loaded, 0 failed如果model: chat completion test这一行报错说明 Key 或 Base URL 有问题。如果skills那行有 failed说明 skill 内部配置需要单独检查。5.2 手动发一条测试请求doctor 通过后再手动发一条请求确认端到端可用。OpenClaw 提供了chat子命令# 云主机 docker exec -it openclaw openclaw chat 用一句话说明你当前使用的模型名称 # Windows .\openclaw.exe chat 用一句话说明你当前使用的模型名称如果返回了模型名称说明从 OpenClaw → TaoToken → 后端模型的整条链路是通的。这一步很关键因为有些 skill 会绕过 OpenClaw 的模型层直接发 HTTP 请求doctor 通过不代表 skill 内部也通过。5.3 验证 skill 实际调用以summaryskill 为例让它总结一段文本docker exec -it openclaw openclaw skill run summary --input OpenClaw 是一个开源 AI 智能体框架支持 skill 扩展。如果返回摘要内容说明 skill 内部的模型调用也走通了。如果报model not configured检查 skill 的配置文件是否读取了TAOTOKEN_API_KEY环境变量——有些 skill 默认读OPENAI_API_KEY需要在config.toml的[skills.env]段做映射[skills.env] OPENAI_API_KEY ${TAOTOKEN_API_KEY} OPENAI_BASE_URL ${TAOTOKEN_BASE_URL}加上这段后重启容器再跑一次 skill 验证。6. 常见报错排查从 401 到 skill 加载失败部署过程中最容易遇到的几类问题我按出现频率排一下每个都给排查路径。6.1 401 Unauthorized这是最常见的。先确认环境变量是否真的传进了容器docker exec -it openclaw env | grep TAOTOKEN如果输出为空说明docker run时-e没生效或者 systemd 里没配Environment。如果输出有值但仍然是 401检查 Key 是否被吊销或者 Base URL 是否写成了带 UTM 的地址。程序调用必须用https://taotoken.net/api不要带查询参数。6.2 端口 18789 无法访问云主机上先检查防火墙和安全组是否放行了 18789。Ubuntu 用ufw status云平台控制台的安全组也要单独放行。Windows 本地检查是否有其他程序占用了 18789netstat -ano | findstr 18789如果有占用改config.toml里的port字段重启即可。6.3 skill 加载失败 load_failed先看日志docker logs --tail 100 openclaw | grep -i skill常见原因是 skill 依赖的 Python 包没装或者 skill 的manifest.toml里声明的权限没被授予。OpenClaw 默认只加载trusted_sources里的 skill如果你从第三方源安装需要在config.toml里把源加进trusted_sources。6.4 模型超时 timeouttimeout_seconds默认 120如果后端模型响应慢可以调到 300。另外检查max_retries网络抖动时重试能救回来。如果持续超时用 curl 直接测一下 TaoToken 的连通性curl -s -o /dev/null -w %{http_code} https://taotoken.net/api返回 200 或 401 都说明网络通返回 000 说明 DNS 或网络层有问题。6.5 配置文件改了不生效OpenClaw 启动时读取一次config.toml改完必须重启。云主机docker restart openclawWindows 本地 CtrlC 后重新执行启动命令。如果用了hot_reload trueskill 目录的变更会热加载但[model]段的变更不会必须重启。7. 接入文档与后续扩展走到这里云主机和 Windows 本地的 OpenClaw 应该都能跑通skill 也能正常调用模型了。如果你在排查过程中需要更详细的参数说明可以查阅 TaoToken 的接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content里面有完整的 API 参数列表和错误码对照。需要管理多个 Key 或者查看调用量去控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content操作即可。如果你打算长期跑编码类 skill 或者 Agent 任务可以了解一下 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content它在长上下文和并发调用上做了优化适合 OpenClaw 这种需要频繁调用模型的场景。想先测试模型对话效果可以直接用模型对话页面https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content发几条请求确认模型选择符合预期后再写进config.toml。最后提醒一个实操细节云主机和 Windows 本地的config.toml建议用同一份模板只通过环境变量区分OPENCLAW_HOME和port。这样你在本地调试好的 skill推到云上不需要改任何配置直接docker restart就能加载。我踩过的坑是早期两边配置各写各的结果本地能跑的 skill 上云就报鉴权失败排查了半天才发现是 Base URL 写错了。统一模板之后这类问题再没出现过。