企业官网建设流程全解析

1. 为什么你的 OpenClaw 装完像个“空壳”

很多人第一次把 OpenClaw 跑起来，心情是激动的：终端里 Gateway 起来了，模型也接上了，对话框能正常回话。可聊了没几句就发现不对劲——你让它整理一份中文会议纪要，它给你一段泛泛的总结；你让它查一下某个库的最新用法，它凭记忆瞎编；你让它操作浏览器填个表单，它说“我目前没有这个能力”。

问题不在模型，而在 skills。OpenClaw 的定位是一个运行在你自己机器上的 AI Agent 运行时，它本身只提供“调度、记忆、工具调用”的骨架，真正让它干活的是一个个 skill。初始状态下 skills 目录基本是空的，或者只有几个面向英文场景的默认技能，所以它看起来“能聊天”，但“干不了活”。

我试过在干净环境里跑 OpenClaw，默认配置下让它做三件事：总结一段中文技术文档、把一段 JSON 转成表格、调用本地脚本处理文件。结果是第一件勉强能做但质量一般，第二件它直接手写代码而不是调用工具，第三件它说没有对应 skill。这就是典型的“空壳”状态：模型有智力，但没有可调用的手脚。

要解决这个问题，核心不是去背 48000 个 skill 的名字，而是给 OpenClaw 装上一个“找技能的能力”。这就是 find-skills 的价值：它本身是一个 skill，作用是让 Agent 能够检索、筛选、加载其他 skill。装完它之后，你不需要手动去 skills.sh 网站翻页，直接在对话里说需求，Agent 会自己去搜、去比对、去推荐。

这篇内容面向三类人：刚装好 OpenClaw 但不知道下一步做什么的新手；手里有一堆 skill 却不知道怎么组织的中级用户；以及想把 OpenClaw 接进日常编码、文档、自动化流程的开发者。下面从环境准备讲到 config.toml 骨架，再到验证请求和排错，全部是可复制的操作。

2. 前置准备：TaoToken 接入与 npx 环境确认

在动 skills 之前，得先保证 OpenClaw 的模型通道是通的。因为 find-skills 的检索、推荐、安装确认这些动作，都需要模型来理解你的自然语言需求并生成结构化调用。如果模型通道不稳定，后面所有步骤都会卡在“Agent 不响应”上。

TaoToken 在这里的角色是提供统一的模型接入层。你可以在官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 了解它的接入方式，API 入口是 https://taotoken.net/api。它的好处是你不用在 OpenClaw 里分别配置多家模型的 key，而是通过一个兼容接口统一调用，切换模型时只改一个字段。

具体操作上，先去控制台创建一个 API Key。打开 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，登录后进入 API Keys 页面，新建一个 key，复制出来。这个 key 后面要写进 OpenClaw 的 config.toml。

然后是 npx 环境。find-skills 的安装命令走的是 npx skills add 这条链路，所以本机需要有 Node.js 和 npm。验证方式很简单，在终端执行：

node -v npm -v npx -v

三个命令都能输出版本号就说明环境 OK。如果 npx 报“command not found”，说明 npm 版本太老或者 Node 没装好，建议用 Node 18 LTS 以上。Windows 用户如果遇到 npx 执行权限问题，用管理员身份的 PowerShell 跑一次即可，不需要改系统策略。

这里有个容易忽略的点：npx 第一次执行 skills 相关命令时会临时下载包，如果你的网络环境对 npm registry 访问慢，可能会卡住。可以先手动预热一次：

npx skills --version

看到版本号输出，说明 npx 链路通了。这一步不涉及任何敏感网络操作，只是确认包管理器能正常拉取公开包。

环境确认完之后，建议把 OpenClaw 的配置目录结构先看一眼。不同安装方式路径不一样，常见的是~/.openclaw/或项目根目录下的config/。你可以用：

ls -la ~/.openclaw/

确认里面有config.toml或者类似的配置文件。如果没有，OpenClaw 首次启动时一般会自动生成，你也可以手动创建。

3. 可复制配置：config.toml 骨架与 find-skills 安装

这一节是全文的核心。先给出一份可以直接抄的 config.toml 骨架，再讲 find-skills 的安装命令和它写进配置的方式。

3.1 config.toml 骨架

下面这份配置假设你使用 TaoToken 作为模型通道，并且启用了 skills 目录扫描。字段名以你实际安装的 OpenClaw 版本为准，如果某个字段报未知，删掉即可，核心是 model、api_base、api_key、skills 这几块。

# OpenClaw 主配置 [gateway] host = "127.0.0.1" port = 8787 # 只监听本地，不要暴露到公网 bind_local_only = true [model] # 通过 TaoToken 统一接入 provider = "openai-compatible" api_base = "https://taotoken.net/api" api_key = "sk-你的TaoTokenKey" model = "claude-3-5-sonnet" # 对话与工具调用分开配置时，工具调用建议用指令遵循更强的模型 tool_model = "claude-3-5-sonnet" max_tokens = 4096 temperature = 0.3 [skills] # skills 根目录，find-skills 安装后会在这里生成子目录 root = "~/.openclaw/skills" # 启动时自动扫描并加载 auto_load = true # 允许 Agent 在对话中动态检索技能 dynamic_discovery = true # 检索时返回的最大候选数 max_candidates = 5 [skills.registry] # 技能来源，默认走 skills.sh 生态 source = "skills.sh" # 安装前是否需要用户确认 confirm_before_install = true [logging] level = "info" file = "~/.openclaw/logs/openclaw.log"

几个关键点解释一下。bind_local_only = true是安全底线，OpenClaw 的控制台如果暴露到公网，任何人都能读到你的对话和 key，这个坑网上已经有很多案例。dynamic_discovery = true是让 find-skills 生效的开关，关掉它 Agent 就只能用预装技能。confirm_before_install = true建议保持开启，避免 Agent 自作主张装一堆用不上的技能。

3.2 安装 find-skills

配置写好后，用一条命令装 find-skills：

npx skills add vercel-labs/skills --skill find-skills

这条命令做的事情是：从 skills.sh 生态拉取vercel-labs/skills这个仓库里的find-skills技能，安装到你的 skills 根目录。执行过程中会提示确认，输入 y 回车即可。安装完成后，你会看到类似输出：

Installing find-skills... Cloning vercel-labs/skills... Linking skill find-skills -> ~/.openclaw/skills/find-skills Done. 1 skill installed.

如果你想把 find-skills 作为所有新 Agent 的“第一技能”，可以在 OpenClaw 的初始化模板里把它写进默认 skills 列表。这样每次新建 Agent 时它会自动带上，不用重复装。

3.3 验证 skills 目录

安装后检查目录结构：

ls -la ~/.openclaw/skills/

应该能看到find-skills目录，里面通常有SKILL.md、manifest.json或类似的描述文件。这个文件定义了技能的触发条件、输入输出格式和调用方式。OpenClaw 启动时会读取它，把 find-skills 注册成一个可调用的工具。

如果目录是空的，说明安装路径和配置里的skills.root不一致。检查 config.toml 里的路径是否用了~展开，有些运行时不支持波浪号，需要写成绝对路径如/Users/yourname/.openclaw/skills。

4. 验证请求：让 Agent 自己找技能

配置和安装都完成后，重启 OpenClaw Gateway，然后进入对话界面做验证。验证的目标不是“find-skills 装没装”，而是“Agent 会不会主动用它”。

4.1 第一个验证请求

在对话里输入：

帮我找一个能做中文文档摘要的 skill，要求支持长文本，最好有评分参考。

如果 find-skills 生效，Agent 的响应应该包含这几个动作：先说明它要调用 find-skills 检索，然后返回若干候选技能，每个候选带名称、来源、功能描述和装机量或评分，最后询问你是否安装。一个典型的成功响应长这样：

我先用 find-skills 搜索一下中文文档摘要相关的技能。 找到 3 个候选： 1. doc-summarizer-zh（来源：community/skills，装机量 8.2K，支持中文长文本） 2. long-text-summary（来源：vercel-labs/skills，装机量 5.1K，通用摘要） 3. cn-doc-toolkit（来源：community/skills，装机量 3.4K，含摘要与关键词提取） 推荐第 1 个，是否安装？

看到这个响应，说明 find-skills 已经被正确加载，并且 Agent 知道在遇到“找技能”类需求时调用它。如果 Agent 直接凭记忆回答“你可以用某某库”，而没有走检索流程，说明dynamic_discovery没生效，或者 find-skills 没被注册。

4.2 第二个验证请求：安装并调用

确认第一个请求后，回复“安装第 1 个”。Agent 应该执行安装命令，然后你可以继续发一个实际任务：

用刚装的技能，把下面这段文字总结成三句话： （粘贴一段 500 字左右的中文技术说明）

成功的标志是：Agent 调用新装的 skill，而不是自己手写摘要。你可以在日志里看到 skill 调用记录：

tail -f ~/.openclaw/logs/openclaw.log

日志里会出现类似skill_invoked: doc-summarizer-zh的行。这一步验证的是“检索→安装→调用”的完整链路。

4.3 第三个验证请求：技能管理

再验证一下技能列表和更新：

npx skills list npx skills check

list会列出当前已安装的所有技能，check会检查是否有可更新版本。如果这两个命令能正常输出，说明 skills 管理链路也是通的。到这里，你的 OpenClaw 已经从“空壳”变成了“能自己找工具”的状态。

5. 本篇常见错排查

实际操作中，大部分人卡在下面几个错误上。逐个说清楚原因和修法。

5.1 npx skills add 报 404 或仓库不存在

错误信息通常是404 Not Found或repository not found。原因一般是技能名写错，或者 skills.sh 上的仓库路径变了。vercel-labs/skills是组织名加仓库名，--skill find-skills是仓库内的技能名，两者不能混。如果你从别处复制命令，注意核对。

修法：先去 skills.sh 网站搜 find-skills，复制页面上给出的完整安装命令，不要手打。如果网站访问慢，可以先用npx skills search find-skills在终端里搜。

5.2 安装成功但 Agent 不调用

现象是目录里有 find-skills，但对话时 Agent 还是自己回答。原因通常是 config.toml 里dynamic_discovery为 false，或者skills.root路径不对导致启动时没扫描到。

修法：确认配置后重启 Gateway。重启命令一般是：

openclaw gateway restart

或者直接 kill 掉进程再启动。重启后看日志里有没有loaded skill: find-skills这一行。没有的话就是路径问题，把skills.root改成绝对路径再试。

5.3 模型不返回结构化调用

有些模型对工具调用的支持不好，你让它检索技能，它给你一段自然语言描述，而不是触发 find-skills。这时候要检查tool_model配置。建议工具调用单独指定一个指令遵循强的模型，不要和对话模型混用。

修法：在 config.toml 里把tool_model设成支持 function calling 的模型，比如 Claude 系列或 GPT 系列。TaoToken 的模型列表可以在 https://taotoken.net/api 的文档里查到，选标注了工具调用能力的。

5.4 安装后 OpenClaw 启动变慢

技能装多了之后，启动时扫描所有 SKILL.md 会变慢。如果超过 10 秒，说明技能数量太多或者某个技能的描述文件有问题。

修法：先用npx skills list看数量，把不用的卸载掉：

npx skills remove 技能名

另外检查有没有技能的 SKILL.md 里写了死循环的触发条件，这种会让扫描卡住。逐个禁用排查即可。

5.5 中文需求检索不到合适技能

find-skills 的检索是基于语义匹配的，如果你的描述太短，比如只写“摘要”，返回的候选会很杂。建议在需求里带上语言、场景、输入类型，比如“中文长文档摘要，输入是 Markdown，输出三句话”。

修法：把需求写具体。如果还是搜不到，可以先用英文关键词搜一遍，很多技能的描述是英文的，找到后再看它是否支持中文。

6. 把 find-skills 变成你的默认工作流

配置跑通之后，真正拉开差距的是使用习惯。我的做法是把 find-skills 当成 OpenClaw 的“第一技能”，每次新建 Agent 或者换一个工作场景时，先让它用 find-skills 扫一遍相关技能，再开始干活。

具体来说，你可以建立一个简单的流程：遇到新需求时，第一句话不是“帮我做 X”，而是“先找一下有没有做 X 的 skill，有的话装上再用”。这个习惯看起来多了一步，但实际省掉的是后面反复试错的时间。Agent 找到的技能往往比通用知识更新、更贴合场景，尤其是那些社区维护的垂直技能。

另外，定期用npx skills check和npx skills update维护技能库。技能生态更新很快，过时的技能可能调用失败或者输出质量下降。保持技能库干净，比一次性装一堆更有用。

如果你想把这条链路接进日常编码，可以进一步了解 Coding Plan 相关的接入方式，把 OpenClaw 的技能调用和你的开发流程串起来。模型对话能力可以在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 体验，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 可以查到完整的配置字段说明。API Key 管理入口还是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，需要新建或轮换 key 时从这里进。

最后提醒一句：OpenClaw 的 Gateway 一定要保持本地监听，不要为了图方便绑到 0.0.0.0。技能装得越多，Agent 能调用的工具越强，暴露出去的后果也越严重。把bind_local_only守住，剩下的就是让 find-skills 帮你把能力一点点长出来。