企业官网建设流程全解析

1. openclaw 接入 ollama 时 models.providers.ollama.api 报 Invalid input 的真实场景

如果你正在用 openclaw 做本地 Agent 或者 Discord bot 的后端，同时想让它调用本机跑的 ollama 模型，那么你大概率会在启动 gateway 的那一刻撞上这个报错：

.openclaw\openclaw.json: - models.providers.ollama.api: Invalid input

这个报错的特点是：它不告诉你哪个字段类型错了，也不告诉你合法值有哪些，只丢一句Invalid input，然后 gateway 直接起不来，连带 Discord 上挂着的 bot 也变成离线状态。很多人第一反应是 ollama 没启动、端口不通、模型没拉下来，于是反复ollama serve、ollama list，结果发现 ollama 本身完全正常，问题根本不在 ollama 那边。

models.providers.ollama.api这个字段，本质上是 openclaw 用来判断「用哪种协议去和这个 provider 对话」的枚举值。它不是 URL，不是端口，也不是模型名，而是一个协议标识。openclaw 内部遵循 OpenAI 的对话格式，所以这个字段的合法取值是像openai-completions这样的协议名。当你把 endpoint 地址、http://localhost:11434这类 URL 直接塞进api字段时，schema 校验就会判定类型不匹配，抛出Invalid input。

这个场景里有两类人最容易踩坑。第一类是刚接触 openclaw 配置结构的新手，看到api这个词就下意识填了接口地址；第二类是之前用别的工具（比如某些直接填 base_url 的框架）迁移过来的人，习惯性地把 endpoint 写进了api。两种情况的根因一样：把「协议类型」和「服务地址」两个概念混在了一个字段里。

我试过在同一个配置文件里同时保留本地 ollama 和远端统一通道两种 provider，结果发现只要api字段写错，整个 gateway 的模型加载阶段就会中断，报错信息还只指向 ollama 这一条，很容易误导排查方向。所以定位这个问题的关键，是先理解 openclaw 的 provider 配置结构，再区分清楚「协议字段」和「endpoint 字段」各自该填什么。

这篇内容会从配置结构、字段类型、endpoint 写法三个角度拆解Invalid input的成因，给出可复制的 openclaw 配置片段，并演示把 endpoint 指向 TaoToken 统一 API 通道后，如何重启服务、验证报错消失、确认模型列表能正常拉取。适合正在用 openclaw + ollama 搭本地 Agent、又被这个校验错误卡住的开发者。

2. 拆解 openclaw 配置结构与 models.providers.ollama.api 字段类型

要彻底搞懂Invalid input，得先看清楚 openclaw 的models.providers这一层是怎么组织的。openclaw 的配置文件通常是.openclaw/openclaw.json（Windows 下是.openclaw\openclaw.json），里面models.providers是一个对象，每个 key 是一个 provider 名字，比如ollama、openai、anthropic，value 是这个 provider 的详细配置。

一个 provider 的配置里，通常包含这么几类字段：api表示协议类型，baseUrl或endpoint表示服务地址，apiKey表示鉴权密钥，models表示可用模型列表。这里最容易出错的就是api和baseUrl的分工。api是枚举，决定 openclaw 用哪套请求/响应解析逻辑；baseUrl才是真正的网络地址。

openclaw 支持的api取值，常见的有openai-completions、openai-responses、anthropic-messages等。openai-completions对应的是 OpenAI 的/v1/chat/completions风格接口，特点是流式输出和对话上下文的标准解析方式。ollama 本身提供了兼容 OpenAI 的接口，所以当 openclaw 通过openai-completions协议去请求 ollama 时，能正确解析流式返回，尤其是带reasoning: true的模型（比如 deepseek-r1 这类），需要靠标准流式返回提取思考过程，用openai-completions刚好触发正确的解析逻辑。

那为什么填 URL 会报Invalid input？因为 schema 校验在类型层面就拦住了。api字段期望的是一个字符串枚举，你填http://localhost:11434虽然也是字符串，但它不在允许的枚举集合里，校验器就会报Invalid input。注意，这个报错和「值不合法」是两回事——如果字段类型完全不对（比如填了数字或对象），报错可能更早；而填了字符串但不在枚举内，就是你现在看到的这条。

再往下看，models.providers.ollama下面往往还有一个models数组，列出这个 provider 下可用的模型名，比如deepseek-r1:7b、qwen2.5:14b。这个数组和api字段是独立的，api错了会导致整个 provider 校验失败，models里的模型自然也就加载不出来，表现出来就是「检测不到 ollama 本地模型」。

还有一个隐藏坑：openclaw 的配置校验是「全量校验」，只要有一个字段不合法，整个 gateway 启动就会失败，而不是跳过这个 provider。所以哪怕你只配了 ollama 一个 provider，api写错也会让整个服务起不来，Discord bot 跟着离线。理解这一点，你就知道为什么报错信息只提 ollama，但影响面却是全局的。

从字段类型角度总结一下：api是枚举字符串，baseUrl是 URL 字符串，apiKey是字符串，models是数组。把 URL 填进api，就是把「地址类型」塞进了「协议类型」的位置，类型语义不匹配，校验必然失败。这也是为什么修复方式很简单——把api改成openai-completions，把地址挪到baseUrl里。

3. 可复制的 openclaw 配置片段与 TaoToken endpoint 写法

搞清楚字段分工后，直接上可复制的配置。下面是一个把 ollama 本地模型和 TaoToken 统一通道都配上的openclaw.json片段。注意api字段全部用协议枚举，地址统一放baseUrl。

{ "models": { "providers": { "ollama": { "api": "openai-completions", "baseUrl": "http://localhost:11434/v1", "apiKey": "ollama", "models": [ "deepseek-r1:7b", "qwen2.5:14b" ] }, "taotoken": { "api": "openai-completions", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoTokenKey", "models": [ "claude-sonnet-4-5", "gpt-4.1", "deepseek-v3" ] } } } }

这里有几个关键点。第一，ollama的baseUrl是http://localhost:11434/v1，注意结尾的/v1，因为 ollama 的 OpenAI 兼容接口挂在/v1路径下，少了它请求会 404。第二，apiKey对本地 ollama 来说其实不校验，随便填个ollama占位即可，但字段不能缺，否则某些版本会报缺字段。第三，taotoken这个 provider 的baseUrl是https://taotoken.net/api，apiKey换成你在控制台生成的 Key，模型名按你实际要用的填。

如果你只想把原来的 ollama endpoint 改到 TaoToken，也就是不再走本地，而是走统一 API 通道，那配置可以更简洁：

{ "models": { "providers": { "ollama": { "api": "openai-completions", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoTokenKey", "models": [ "deepseek-v3", "claude-sonnet-4-5" ] } } } }

注意这里 provider 名字还叫ollama，但baseUrl已经指向 TaoToken。这种写法适合你想保留原有 provider 引用、只换后端地址的场景。不过更推荐把 provider 名字也改成taotoken，语义更清晰，避免以后自己看混。

如果你用的是 TOML 风格的配置（部分 openclaw 版本或周边工具支持），等价写法是：

[models.providers.ollama] api = "openai-completions" baseUrl = "https://taotoken.net/api" apiKey = "sk-你的TaoTokenKey" models = ["deepseek-v3", "claude-sonnet-4-5"]

不管 JSON 还是 TOML，核心三件套是固定的：api填协议枚举openai-completions，baseUrl填服务地址，apiKey填密钥。这三者缺一不可，且不能互相串位。很多人报Invalid input就是因为把baseUrl的内容写进了api，或者反过来把openai-completions写进了baseUrl。

生成 TaoToken Key 的入口在控制台的 API Keys 页面，地址是https://taotoken.net/console/api-keys。拿到 Key 后直接替换上面片段里的sk-你的TaoTokenKey。如果你还没决定用哪些模型，可以先到模型对话页面试一下可用模型，地址是https://taotoken.net/models，确认模型 ID 拼写无误再写进配置，避免因为模型名写错又触发另一类校验错误。

配置改完后，保存文件。openclaw 的 gateway 支持热更新，正常情况下保存后会自动重新加载配置。如果没触发，就手动重启服务。下一节讲怎么验证。

4. 重启服务后验证报错消失与模型列表拉取

配置改完，接下来是验证环节。这一步的目标很明确：确认models.providers.ollama.api: Invalid input消失，gateway 正常启动，模型列表能拉出来。

先重启 gateway。如果你是用ollama launch openclaw启动的，先停掉当前进程，再重新执行：

ollama launch openclaw

观察启动日志。之前报错时会看到：

.openclaw\openclaw.json: - models.providers.ollama.api: Invalid input

修复后，这一行应该不再出现。如果日志里显示 gateway 已启动、provider 加载成功，说明配置校验通过了。这时候 Discord 上之前离线的 bot 应该会重新上线。

接着验证模型列表。openclaw 一般提供模型列表接口或命令，具体取决于你的版本。常见做法是请求 gateway 的模型列表端点，或者用 openclaw 自带的 CLI 查看：

curl http://localhost:你的gateway端口/v1/models

如果返回的 JSON 里包含你配置的模型名，比如deepseek-v3、claude-sonnet-4-5，说明 provider 已经正确加载，模型列表拉取正常。如果返回空列表或者报错，先检查baseUrl是否可达、apiKey是否有效。

再做一个实际对话请求，确认协议解析没问题：

curl http://localhost:你的gateway端口/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-你的TaoTokenKey" \ -d '{ "model": "deepseek-v3", "messages": [{"role": "user", "content": "你好，简单介绍一下你自己"}], "stream": true }'

如果能看到流式返回的内容，说明openai-completions协议解析正常，整条链路通了。这一步特别重要，因为Invalid input只是配置层校验，配置过了不代表请求层一定通。流式返回能正常解析，才算真正验证完成。

如果你之前配了reasoning: true的模型（比如 deepseek-r1），可以专门测一下思考过程能不能被正确提取。用openai-completions协议时，标准流式返回里会带 reasoning 相关字段，openclaw 能正确解析出来。如果换成别的协议，这部分可能就丢了。

验证通过后，建议把配置文件备份一份，避免以后误改又踩同样的坑。同时记下你用的api枚举值和baseUrl写法，下次加新 provider 时直接照抄结构，只换地址和 Key。

5. 本篇常见错误排查：401、local proxy failed、reading choices 与 OAuth

配置改对之后，Invalid input基本就消失了。但实际接入过程中，还会遇到几类高频报错，这里逐个对照排查。

第一类是401 Unauthorized。这个通常出现在apiKey环节。如果你走的是 TaoToken 统一通道，检查apiKey是不是控制台生成的、有没有多余空格、有没有过期。如果你走本地 ollama，apiKey虽然不校验，但字段不能空，填个占位符即可。401 和Invalid input的区别是：前者是配置校验过了、请求被拒；后者是配置根本没通过校验。

第二类是local proxy failed或类似的连接失败。这个多半是baseUrl写错或服务没起。本地 ollama 要确认ollama serve在跑，端口 11434 可达，baseUrl结尾的/v1不能少。走 TaoToken 的话，确认baseUrl是https://taotoken.net/api，网络能正常访问。注意不要在这里填任何本地代理地址，直接填服务地址即可。

第三类是reading choices相关报错，比如解析响应时读不到choices字段。这通常是协议不匹配导致的——api字段填的协议和实际服务返回的格式对不上。比如服务返回的是 OpenAI 格式，但你api填了别的协议，解析就会失败。解决办法是把api统一成openai-completions，确保请求和响应格式一致。

第四类是 OAuth 相关报错。如果你用的是需要 OAuth 的 provider，配置里可能涉及 token 刷新逻辑。这类报错和Invalid input不是一回事，但排查思路类似：先确认字段类型对不对，再确认凭证有没有过期。OAuth 场景下，apiKey可能换成 token 字段，具体看 provider 文档。

为了帮你快速定位，这里做个对照表：

还有一个容易忽略的点：如果你同时用了 CC Switch、Cline MCP 或 Codex 的auth.json，这些工具的配置里也有 Base URL、Key、Model ID 三件套，写法和 openclaw 类似但字段名可能不同。比如 Codex 的auth.json里可能是base_url而不是baseUrl，Cline MCP 的配置结构又是另一套。跨工具迁移时，别直接复制粘贴，先对照字段名。三件套的核心不变：Base URL 填服务地址，Key 填密钥，Model ID 填模型名，只是字段命名和嵌套层级有差异。

排查时建议按「配置校验 → 网络连通 → 鉴权 → 协议解析」的顺序走，一层层排除。Invalid input属于第一层，解决了它再往下看，效率最高。

6. 把 endpoint 统一到 TaoToken 后的长期用法与接入入口

把 endpoint 改到 TaoToken 之后，最直接的好处是配置结构统一了。本地 ollama 和远端模型都用同一套openai-completions协议、同一个baseUrl写法，只是地址和 Key 不同。这样你在 openclaw 里加新 provider 时，直接复制结构改三件套就行，不用再纠结字段类型。

对于长期跑 Agent 或 Discord bot 的场景，统一通道还有个实际价值：模型切换成本低。你可以在配置里同时挂多个模型，按任务类型路由。比如本地 ollama 跑轻量任务，TaoToken 通道跑需要更强推理的任务，配置层面只是多一个 provider 的事。

如果你要做长期编码或 Agent 任务，可以了解一下 Coding Plan，地址是https://taotoken.net/coding-plan，适合需要稳定调用、批量任务的场景。如果只是先验证模型效果，用模型对话页面https://taotoken.net/models快速试就行。接入文档在https://taotoken.net/doc，里面有各语言的请求示例和字段说明，配置遇到不确定的字段类型时，对照文档比猜要快。

生成和管理 Key 在https://taotoken.net/console/api-keys，建议给不同用途生成不同的 Key，方便排查和轮换。API 基础地址统一是https://taotoken.net/api，所有兼容 OpenAI 格式的请求都走这个入口。

回到最初那个报错，models.providers.ollama.api: Invalid input的本质就是字段语义错位。记住api填协议枚举、baseUrl填地址、apiKey填密钥这三件套，以后遇到同类校验错误，先看字段类型，再看枚举值，基本都能定位。配置改完记得重启验证，确认模型列表能拉、流式请求能通，才算真正收工。