企业官网建设流程全解析

1. 为什么新手第一次跑 OpenClaw 最容易卡在模型接入

OpenClaw（原名 Clawdbot、Moltbot）是一个开源的个人 AI 助手平台，能跑在你自己的电脑或一台低功耗小主机上，再通过聊天渠道跟你对话。它和普通聊天机器人的区别在于：它不只是回答问题，还能调用工具、操作浏览器、跑定时任务、维护长期记忆。对个人开发者来说，它更像一个可以自己掌控数据、自己决定接哪个模型的“私人助理底座”。

但很多人第一次装完 OpenClaw，卡住的地方不是安装脚本，而是“模型接不进去”。表现通常是：网关起来了、控制面板能打开、聊天渠道也配好了，可一发消息就报错，或者干脆没有任何回复。翻日志能看到401、model not found、reading choices之类的字样。原因往往不是 OpenClaw 本身有问题，而是模型提供方的 Base URL、API Key、Model ID 这三件套没对齐。

这篇面向刚接触 OpenClaw 的个人开发者，目标很明确：从零搭出一个能完成一次完整问答闭环的本地 AI 助手。我会把安装、模型接入、基础对话链路拆成可复制的步骤，配置文件片段直接给出来，每一步都配一条验证动作。你跟着做，最后能在本地发一句话、收到模型回复，这条链路就算通了。

适合谁看：手上有 Node.js 环境、想在自己机器上跑一个 AI 助手、对命令行不排斥的个人开发者。如果你之前只用过网页版聊天工具，没配过 API，也没关系，我会把每个参数讲清楚它对应什么。

先说清楚一个前提：OpenClaw 本身是本地运行的框架，它不绑定任何一家模型。你要给它一个能调用的模型接口，它才能干活。所以“把本地 AI 助手跑起来”这件事，本质是两段：第一段把 OpenClaw 装好并启动，第二段把模型接口接进去并验证。很多人只做了第一段就以为完成了，结果对话链路是断的。

我实测下来，最省事的路径是：先用官方脚本或 npm 把 OpenClaw 装上，跑一次onboard向导生成默认配置，然后手动改模型那一段配置，把 Base URL、Key、Model ID 填对，最后用一条命令行请求验证。下面按这个顺序展开。

2. TaoToken 前置准备：拿到 Base URL、API Key 和 Model ID

在改 OpenClaw 配置之前，先把模型侧的三件套准备好。OpenClaw 支持多种模型提供商，配置方式是在~/.openclaw/openclaw.json里指定 provider 和对应参数。对个人开发者来说，最直接的方式是准备一个兼容 OpenAI 接口协议的服务，这样 OpenClaw 里选openai类型的 provider 就能对接。

这里我用 TaoToken 作为模型接入方来演示，因为它提供的就是标准的 OpenAI 兼容接口，Base URL 和 Key 的填法和接 OpenAI 完全一致，OpenClaw 不需要额外适配。你需要在 TaoToken 控制台创建一个 API Key，并确认要用的 Model ID。

第一步，打开控制台创建 Key。地址是https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=，登录后在 API Keys 页面新建一个 Key。创建完立刻复制保存，页面刷新后通常不再完整显示。这个 Key 就是后面配置里的apiKey字段。

第二步，确认 Base URL。TaoToken 的接口地址是https://taotoken.net/api，注意这个地址后面不加任何 UTM 参数，配置里原样填。OpenClaw 里如果 provider 类型是 OpenAI 兼容，Base URL 一般填到/api这一层，具体拼接由客户端处理。

第三步，确认 Model ID。在模型列表或文档里找到你要用的模型标识，比如某个具体的模型名。这个字符串要一字不差地填进配置的model字段，大小写和连字符都不能错，否则会报model not found。

如果你不确定该选哪个模型，可以先在模型对话页面手动试一条，确认这个 Model ID 能正常返回内容，再去配 OpenClaw。地址是https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。在网页里发一句话，能收到回复，说明 Key 和 Model ID 都是有效的，这一步能帮你排除掉一半的配置错误。

注意：API Key 属于敏感凭据，不要写进会提交到 Git 的配置文件里。OpenClaw 的凭据目录是~/.openclaw/credentials/，建议把 Key 放在这里或环境变量里，配置文件里用引用方式读取。

三件套准备好之后，先别急着改 OpenClaw。我建议用一个最简的 curl 请求先验证一次，确认 Key、Base URL、Model ID 三者能配合工作。命令如下：

curl https://taotoken.net/api/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer 你的API_KEY" \ -d '{ "model": "你的Model_ID", "messages": [{"role": "user", "content": "你好，回复一个字"}] }'

如果返回的 JSON 里有choices字段，并且message.content里有内容，说明模型侧完全没问题。如果这里就报401，那是 Key 的问题；报model not found，那是 Model ID 的问题。先把这一步跑通，再去动 OpenClaw，排障范围会小很多。

3. 可复制配置：openclaw.json 里的模型接入片段

OpenClaw 装好之后，主配置文件在~/.openclaw/openclaw.json，工作区默认在~/.openclaw/workspace。如果你跑过openclaw onboard，这个文件已经生成了，里面有一些默认字段。我们要做的是把模型这一段改对。

先确认安装。Node.js 需要 22 或更高版本，可以用node -v检查。安装方式选一种即可：

# 官方脚本（macOS / Linux） curl -fsSL https://openclaw.ai/install.sh | bash # npm 方式 npm install -g openclaw-cn@latest # 安装后跑一次向导 openclaw-cn onboard --install-daemon

向导会问你一些基础问题，模型那一步可以先跳过或随便选，因为我们要手动改配置。向导跑完后，用编辑器打开配置文件：

openclaw configure # 或者直接编辑 vim ~/.openclaw/openclaw.json

下面是一段可以直接参考的模型配置片段。核心是把 provider 指向 OpenAI 兼容接口，Base URL 填 TaoToken 的地址，apiKey 填你的 Key，model 填你的 Model ID：

{ "models": { "default": "taotoken-main", "providers": { "taotoken-main": { "type": "openai", "baseUrl": "https://taotoken.net/api", "apiKey": "你的API_KEY", "model": "你的Model_ID", "maxTokens": 2048, "temperature": 0.7 } } }, "agents": { "main": { "workspace": "~/.openclaw/workspace", "model": "taotoken-main", "maxConcurrency": 5, "timeout": 30000 } } }

几个字段说明一下。type填openai表示走 OpenAI 兼容协议，TaoToken 的接口就是这个协议，所以不用改。baseUrl是接口根地址，填https://taotoken.net/api，不要在后面加/chat/completions，客户端会自己拼。apiKey就是你在控制台创建的那串 Key。model是 Model ID，必须和模型列表里完全一致。maxTokens控制单次回复长度，新手先给 2048 够用。temperature是随机性，0.7 比较均衡。

agents.main.model这一项要指向上面定义的 provider 名字taotoken-main，这样主代理才知道用哪个模型。如果你后面配了多个 provider，可以在这里切换。

提示：如果你不想把 Key 明文写在 JSON 里，可以改成读环境变量。OpenClaw 支持在配置里用${ENV_NAME}的形式引用，先在 shell 里export TAOTOKEN_KEY=你的Key，然后配置里写"apiKey": "${TAOTOKEN_KEY}"。

改完配置后，重启网关让配置生效：

openclaw gateway restart

如果你是用 Docker 跑的，配置文件的挂载路径要对应上，重启容器即可：

docker restart openclaw

这一步做完，配置层面就齐了。但配置写对不等于链路通，下一节我们用实际请求验证。

4. 验证请求：从网关启动到收到第一条回复

配置改完，接下来是逐条验证。我习惯把验证拆成三层：网关是否活着、模型接口是否可达、完整对话是否闭环。任何一层出问题，都能快速定位。

第一层，确认网关在跑。启动网关并查看状态：

openclaw gateway start openclaw gateway status

状态里应该显示 running，端口默认是 18789。你也可以打开控制面板确认：

openclaw dashboard

然后浏览器访问http://localhost:18789/，能看到面板就说明网关正常。如果端口被占用，日志里会有提示，换个端口或关掉占用程序。

第二层，确认模型接口可达。OpenClaw 提供了一个测试模型连通性的方式，可以直接发一条测试消息：

openclaw models test taotoken-main

这个命令会用你配置里的 provider 发一条最小请求。如果返回成功并带内容，说明 Base URL、Key、Model ID 三者都对。如果报错，看错误类型：401是 Key 无效或没带上；404通常是 Base URL 拼错；model not found是 Model ID 不对。

第三层，完整对话闭环。启动一个交互式会话，直接和助手对话：

openclaw chat

进入交互界面后，输入一句话，比如“帮我列三个今天要做的事”。如果几秒内收到模型回复，并且内容合理，那么从本地 OpenClaw 到模型接口的完整链路就通了。这是最关键的一步，它验证的不只是接口，还有代理路由、会话管理、消息拼装这些环节。

如果你配了聊天渠道（比如 Telegram 或飞书），也可以从那边发消息验证。渠道消息会经过网关路由到主代理，再走模型。渠道侧能收到回复，说明整条链路包括渠道适配都正常。

实测下来，第一次跑通后，建议把这条成功记录保存下来：用的哪个 Model ID、Base URL 是什么、配置里哪些字段。后面换模型或排障时，这份记录能帮你快速对比。

注意：如果openclaw chat卡住不返回，先看日志openclaw logs follow，实时输出里通常能看到请求发出去了但没回来，或者回来了但解析失败。解析失败常见于返回格式和预期不符，这时候要确认 provider 类型是不是openai。

到这里，一个能完成问答闭环的本地 AI 助手就跑起来了。接下来是排障，把新手最常撞到的几个错误集中讲清楚。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

新手配 OpenClaw 模型时，报错集中在几个类型。我把真实遇到过的错误和对应处理列出来，你对照日志里的关键字定位。

401 Unauthorized。这是最常见的一个。含义是请求带上的凭据没通过校验。可能原因有三个：Key 复制时漏了字符或带了空格；配置里apiKey字段没被正确读取，比如引用了不存在的环境变量；Key 本身被禁用或过期。处理方式：先用第 2 节的 curl 命令单独测 Key，确认 Key 有效；再检查配置文件里apiKey的值，如果是环境变量引用，确认 shell 里已经 export 且重启过网关。

local proxy failed或类似连接失败。这个通常出现在 Base URL 填错、网络不通、或者本地有拦截的情况下。先确认baseUrl是https://taotoken.net/api，没有多余路径。再用curl -v https://taotoken.net/api看能不能建立连接。如果连接超时，检查本机网络和 DNS。注意不要在任何配置里引入来路不明的转发设置，保持直连即可。

reading choices或cannot read property 'choices'。这个错误说明请求发出去了、也回来了，但返回的 JSON 结构里没有choices字段，客户端解析失败。常见原因是 provider 类型配错，比如把 OpenAI 兼容接口配成了别的类型，导致解析逻辑不匹配。处理方式：确认type是openai；用 curl 看原始返回，确认返回体里确实有choices数组。如果返回的是错误信息（比如额度不足、模型不存在），也会没有choices，这时候要看返回体里的error字段。

OAuth相关报错。如果你在配置里选了需要 OAuth 授权的 provider，但没完成授权流程，就会报这个。对新手来说，最省事的是用 API Key 方式的 provider，避开 OAuth。如果你确实要用 OAuth 类型的服务，按对应文档完成授权，把 token 存到凭据目录。OpenClaw 的凭据目录是~/.openclaw/credentials/，权限建议设为仅当前用户可读。

还有一个容易忽略的：model not found。这个不是网络问题，是 Model ID 字符串不匹配。模型标识通常区分大小写，也可能带版本号或连字符。处理方式：回到模型列表，复制准确的 Model ID，粘贴进配置，不要手打。

排查时善用日志。openclaw logs follow会实时输出，请求和响应都能看到。看到请求发出但响应异常，重点看响应体；看到请求根本没发出，重点看配置加载和 provider 初始化。

提示：改完配置一定要重启网关，openclaw gateway restart。很多人改完配置直接测，结果用的还是旧配置，白折腾半天。

把这几类错误过一遍，基本能覆盖新手 90% 的卡点。剩下的多半是环境问题，比如 Node 版本太低、端口冲突、权限不足，日志里都会有明确提示。

6. 把链路固定下来：长期编码与 Agent 场景的下一步

一次问答闭环跑通后，你可以把这个环境固定下来，作为日常用的本地助手。如果你打算长期用它做编码辅助或跑 Agent 任务，有几个方向可以继续。

一是把模型配置稳定住。确认好用的 Model ID 和参数后，不要再频繁改。如果要用多个模型，可以在providers里配多个，然后在agents里按用途切换。比如一个模型负责日常对话，一个负责代码生成。

二是把工作区管好。~/.openclaw/workspace是助手的工作目录，长期记忆、任务文件都放这里。定期备份这个目录和~/.openclaw/openclaw.json，换机器时直接迁移。

三是按需接入聊天渠道。OpenClaw 支持多种渠道，配好之后出门也能通过手机发指令。渠道配置和配对审批在openclaw channels和openclaw pairing下完成，配对码要妥善保管。

如果你要把这套环境用于长期编码或 Agent 类任务，可以了解下 Coding Plan 这类方案，地址是https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=，它面向的就是持续调用模型的开发场景。日常验证模型是否可用，用模型对话页面就够了：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。需要管理 Key 和查看用量，去控制台：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。接入过程中遇到配置细节，可以对照接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。

最后给一个实用建议：把第 2 节那条 curl 验证命令存成一个脚本，每次换 Key 或换模型先跑一遍。模型侧通了，再去动 OpenClaw 配置，排障会轻松很多。本地 AI 助手这件事，跑通第一条消息之后，剩下的都是在这个闭环上做加法。