企业官网建设流程全解析

1. 从“你问它才答”到“它自己找活干”：OpenClaw 自动化工作流到底解决什么问题

如果你已经用 OpenClaw 搭过一个能查数据库、能搜网页、能写文件的 Agent，大概率会遇到同一个瓶颈：它很聪明，但太被动。你不发消息，它就静静待着；你忘了问日报，它就永远不生成；工具报错了，它回一句“抱歉出错了”，然后等你手动重试。这种状态下的 Agent 更像一个高级问答框，而不是能替你分担重复劳动的“数字员工”。

OpenClaw 自动化工作流要解决的就是这个断层。它把三样东西拼在一起：Hooks 负责在 Agent 生命周期的关键节点自动执行指令，定时任务负责在没人说话的时候按 Cron 表达式唤醒 Agent，Multi-MCP 负责让 Agent 在一次任务里串联多个工具服务器完成跨系统操作。三者组合之后，Agent 的行为模式从“请求-响应”变成“事件-执行-记录”，你睡觉的时候它也能拉数据、生成报告、推送通知、出错自愈。

这套东西适合谁？适合已经跑通 OpenClaw 基础部署、接入了至少一个 MCP 工具、并且手里有重复性日常任务的开发者。比如每天要从 PostgreSQL 拉销售数据写日报、每小时要检查一次服务健康状态、GitHub PR 合并后要自动更新 Changelog。这些事单次做不费劲，但天天做就是消耗。把它们交给 Hooks + 定时任务 + Multi-MCP 组成的链路，才是“数字员工”真正开始上班的时刻。

下面我会按可复制的顺序，先讲清楚 Hooks 的配置怎么写、定时任务的 Cron 表达式怎么填、Multi-MCP 怎么注册，然后给出一条从触发到执行结果的完整验证动作，最后把常见报错逐个拆开。所有配置片段都可以直接粘到~/.openclaw/openclaw.json里改路径和 Key 就能跑。

2. 前置准备：统一 Key/API 通道与 OpenClaw 环境自检

在写 Hooks 和定时任务之前，先把模型调用通道理顺。OpenClaw 的 Agent 在自动化任务里会频繁调用模型做推理和摘要，如果每个 MCP 工具或每个 Agent 各自配一套 Key，后面排障会非常痛苦。我习惯的做法是走一个统一的 API 通道，把 Base URL 和 Key 集中管理，Agent 和工具都从这里取。

TaoToken 的接入方式就是这种统一通道：官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api 。你需要在 OpenClaw 的模型 provider 配置里把baseUrl指向这个 API 地址，apiKey填你在控制台生成的 Key。控制台和 Key 管理页面分别是 https://taotoken.net/console 和 https://taotoken.net/api-keys ，模型对话调试入口在 https://taotoken.net/models ，接入文档在 https://taotoken.net/doc 。如果你后面要跑长期编码或 Agent 类任务，Coding Plan 页面在 https://taotoken.net/coding-plan ，Claude Code 相关接入在 https://taotoken.net/claude-code 。

配置模型 provider 的片段长这样，路径是~/.openclaw/openclaw.json下的models.providers：

{ "models": { "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "apiKey": "${TAOTOKEN_API_KEY}", "models": [ { "id": "claude-sonnet-4-20250514", "reasoning": true, "contextWindow": 200000, "maxTokens": 8192 } ] } } } }

这里TAOTOKEN_API_KEY建议放在环境变量里，不要硬编码进 JSON。OpenClaw 支持${VAR}语法读取环境变量，这样你换 Key 的时候只改.env或 shell profile，不用动配置文件。

环境自检用openclaw doctor，它会检查 Gateway 是否运行、MCP 服务器是否可达、模型 provider 是否能连通、Scheduler 是否启用。如果这一步就报local proxy failed或401，先别往下写 Hooks，把通道问题解决掉。openclaw doctor的输出里会明确告诉你哪个 provider 连不上、哪个 MCP 进程没起来。

另外确认你的 OpenClaw 版本支持scheduler和hooks字段。老版本可能只有mcpServers和channels，没有scheduler和agents.defaults.hooks。用openclaw --version看一下，如果版本太旧，先升级再继续。前置准备做完之后，你的openclaw.json里至少应该有models.providers、mcpServers、agents.defaults这三块，后面加 Hooks 和 Scheduler 都是往这个结构里补。

3. 可复制配置：Hooks 触发点、Cron 表达式与 Multi-MCP 注册

这一节是整篇的核心，所有片段都可以直接复制。先讲 Hooks 的配置结构，再讲定时任务的 Cron 表达式，最后讲 Multi-MCP 的注册方式。

3.1 Hooks 配置：afterResponse 与 onError

Hooks 写在agents.defaults.hooks下面，每个 Hook 点是一个对象，包含enabled、instruction、可选的script、maxRetries、condition、tools。instruction是你写给 Agent 的自然语言指令，Agent 会在对应生命周期节点执行它。script是可选的 shell 脚本路径，用于异步通知这类不该阻塞主流程的操作。

{ "agents": { "defaults": { "hooks": { "afterResponse": { "enabled": true, "instruction": "检查刚才的对话是否包含以下内容：\n1. 技术决策（选择了某个方案/工具/架构）\n2. TODO 或待办事项\n3. 用户表达的偏好或规范\n4. 重要的日期或截止时间\n\n如果包含以上任何一项，将其简洁地追加写入 memory/ 今天的日志文件中。\n格式：## HH:MM - 类别\\n- 具体内容\n\n如果对话只是闲聊或简单问答，不需要记录。", "condition": "message.length > 100" }, "onError": { "enabled": true, "instruction": "分析错误类型并按以下策略处理：\n\n1. 暂时性错误（timeout, rate_limit, connection_refused, 5xx）：\n - 等待 3 秒后自动重试一次\n - 重试时可尝试换用备选工具\n\n2. 认证错误（401, 403, invalid_key）：\n - 不要重试\n - 记录到 memory/errors.md\n - 告诉用户需要更新凭证\n\n3. 数据错误（invalid_json, parse_error）：\n - 检查输入参数是否正确\n - 调整参数后重试一次\n\n4. 未知错误：\n - 记录完整错误信息到 memory/errors.md\n - 通知用户并建议检查日志", "maxRetries": 1, "notifyScript": "~/.openclaw/hooks/error-notify.sh" } } } } }

condition字段用message.length > 100过滤掉短对话，避免每条消息都触发 Hook。notifyScript指向一个 shell 脚本，在重试也失败后执行，用来发通知。脚本内容如下，路径是~/.openclaw/hooks/error-notify.sh：

#!/bin/bash # ~/.openclaw/hooks/error-notify.sh # 接收参数：$1=错误类型 $2=错误消息 $3=工具名称 ERROR_TYPE="${1:-unknown}" ERROR_MSG="${2:-no message}" TOOL_NAME="${3:-unknown tool}" TIMESTAMP=$(date '+%Y-%m-%d %H:%M:%S') curl -s -X POST "https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_WEBHOOK_KEY" \ -H "Content-Type: application/json" \ -d "{ \"msg_type\": \"interactive\", \"card\": { \"header\": { \"title\": {\"tag\": \"plain_text\", \"content\": \"OpenClaw Agent 错误告警\"}, \"template\": \"red\" }, \"elements\": [{ \"tag\": \"div\", \"text\": { \"tag\": \"lark_md\", \"content\": \"**时间**: ${TIMESTAMP}\n**工具**: ${TOOL_NAME}\n**错误类型**: ${ERROR_TYPE}\n**错误消息**: ${ERROR_MSG}\" } }] } }" > /dev/null 2>&1 &

注意脚本末尾的&，它让 curl 在后台执行，不阻塞 Agent 主流程。Hook 脚本必须加执行权限：chmod +x ~/.openclaw/hooks/*.sh。

3.2 定时任务：Cron 表达式与 scheduler 配置

定时任务写在scheduler.tasks数组里，每个任务包含id、cron、timezone、agent、message、timeout、可选的dependsOn和onFailure。

{ "scheduler": { "enabled": true, "tasks": [ { "id": "daily-data-collection", "cron": "30 8 * * 1-5", "timezone": "Asia/Shanghai", "agent": "personal", "message": "执行每日数据采集：查询 PostgreSQL 获取昨日注册/活跃/流失用户数、收入和退款数据。搜索品牌提及和竞品动态。把原始数据保存到 ~/reports/data/daily-{date}.json。", "timeout": "10m" }, { "id": "daily-report", "cron": "0 9 * * 1-5", "timezone": "Asia/Shanghai", "agent": "personal", "message": "基于 ~/reports/data/daily-{date}.json 的数据生成日报。分析趋势，标记异常。保存到 ~/reports/daily-{date}.md。发送摘要到飞书群。", "timeout": "10m", "dependsOn": "daily-data-collection" }, { "id": "hourly-healthcheck", "cron": "0 * * * *", "agent": "devops", "message": "运行数据库健康检查和网站健康检查。如果有警告或异常，发送到 Telegram。如果一切正常，不需要通知。", "timeout": "5m" } ] } }

Cron 表达式是五段式：分 时 日 月 周。常用写法对照如下：

dependsOn保证daily-report在daily-data-collection完成后再执行，避免数据还没落盘就开始分析。onFailure: "notify"让任务失败时触发通知，沉默的失败最可怕。

3.3 Multi-MCP 注册：多个工具服务器协同

Multi-MCP 的注册写在mcpServers下面，每个服务器一个键，包含command、args、可选的env。下面注册了 PostgreSQL、Brave Search、Filesystem、GitHub 四个服务器：

{ "mcpServers": { "postgres": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-postgres"], "env": { "POSTGRES_CONNECTION_STRING": "${POSTGRES_CONNECTION_STRING}" } }, "brave-search": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-brave-search"], "env": { "BRAVE_API_KEY": "${BRAVE_API_KEY}" } }, "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/workspace", "/home/user/reports"] }, "github": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-github"], "env": { "GITHUB_TOKEN": "${GITHUB_TOKEN}" } } } }

注册完之后，Agent 在一次任务里可以按 Skill 指令串联多个 MCP。比如“查 PostgreSQL 拿数据 → AI 分析 → 用 Filesystem 写报告 → 用 exec 调 curl 发飞书”。你不需要显式编排调用顺序，只要在 Skill 的 Workflow 里写清楚步骤，Agent 会自己选工具。但对关键路径，建议在 Skill 里明确指定工具名，比如“使用 PostgreSQL MCP 的 query 工具查询数据，不要用 exec + psql”，避免 Agent 走弯路。

三件套确认：Base URL 是https://taotoken.net/api，Key 从 https://taotoken.net/api-keys 生成，Model ID 填claude-sonnet-4-20250514或你实际使用的模型。这三个值在models.providers.taotoken里必须齐全，否则 Agent 在自动化任务里调模型会直接 401。

4. 验证请求：从触发到执行结果的完整链路

配置写完不代表能跑。这一节给一条从手动触发到看到结果的验证动作，确保 Hooks、定时任务、Multi-MCP 三段都通。

4.1 验证 Hooks 是否触发

先手动发一条超过 100 字符的消息，触发afterResponseHook。用openclaw message命令：

openclaw message --agent personal \ "我们决定用 Redis 做缓存层，过期时间统一设为 15 分钟。另外 TODO：下周三之前完成缓存穿透的防护方案，记得加上布隆过滤器。"

发送后观察日志：

openclaw logs --follow --filter hooks

如果 Hook 正常触发，日志里会出现afterResponse hook triggered，然后 Agent 会执行instruction里的记录动作。检查memory/目录下今天的日志文件：

cat memory/$(date +%Y-%m-%d).md

预期看到类似内容：

## 14:30 - 技术决策 - 缓存层选用 Redis - 统一过期时间：15 分钟 ## 14:30 - TODO - 下周三之前完成缓存穿透防护方案 - 加上布隆过滤器

如果日志里没有hook triggered，检查agents.defaults.hooks.afterResponse.enabled是否为true，以及condition是否把消息过滤掉了。

4.2 验证定时任务是否执行

不要等 Cron 到点，用openclaw scheduler run手动触发：

openclaw scheduler run daily-data-collection

然后看执行历史：

openclaw scheduler history daily-data-collection --last 5

预期输出：

2026-03-25 08:30 completed (2m 14s) 2026-03-24 08:30 completed (1m 58s) 2026-03-21 08:30 partial (PostgreSQL timeout, fallback used)

再看任务日志，确认 Multi-MCP 调用链：

openclaw scheduler log daily-data-collection --run-id 2026-03-25-0830

日志里应该能看到 PostgreSQL MCP 的 query 调用、Brave Search 的搜索调用、Filesystem 的 write_file 调用。如果某个 MCP 没被调用，检查 Skill 的 Workflow 描述是否清晰，或者 Agent 是否选错了工具。

4.3 验证 Multi-MCP 协同

跑一次完整的日报生成，观察跨 MCP 调用：

openclaw message --agent personal \ "生成昨日销售报告（使用 daily-sales-report Skill）"

预期链路：PostgreSQL MCP 查询订单数据 → AI 分析趋势 → Filesystem MCP 写入~/reports/daily-sales-2026-03-25.md→ exec 调 curl 发飞书通知 → afterResponse Hook 记录到 Memory。

检查报告文件：

ls -la ~/reports/daily-sales-*.md head -30 ~/reports/daily-sales-$(date +%Y-%m-%d).md

如果报告生成了但飞书没收到，检查FEISHU_WEBHOOK_URL环境变量和 curl 命令的 JSON 格式。如果报告没生成，看openclaw logs --follow --filter mcp里 PostgreSQL MCP 是否连接成功。

4.4 验证 onError 自愈

故意制造一个错误，比如把 PostgreSQL 连接串改错，然后触发任务：

openclaw scheduler run daily-data-collection

观察日志：

openclaw logs --follow --filter hooks

预期看到onError hook triggered→ 判断为暂时性错误 → 等待 3 秒 → 重试一次 → 如果还失败 → 写入memory/errors.md→ 执行error-notify.sh→ 飞书群收到告警卡片。

检查错误记录：

cat memory/errors.md

如果重试成功，日志里会显示retry succeeded，任务继续执行。如果重试失败，告警脚本应该发出通知。这一步验证通过，说明你的“数字员工”具备了出错自愈和告警能力。

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

自动化链路跑起来之后，报错基本集中在这几类。逐个拆开。

5.1 401 Unauthorized

报错长这样：

Error: 401 Unauthorized {"error":{"type":"authentication_error","message":"invalid api key"}}

原因通常是TAOTOKEN_API_KEY没设置、设置错了、或者环境变量没被 OpenClaw 读到。排查步骤：先确认环境变量存在，echo $TAOTOKEN_API_KEY看有没有值；再确认openclaw.json里写的是${TAOTOKEN_API_KEY}而不是硬编码的旧 Key；最后确认 OpenClaw 进程启动时加载了环境变量，如果你用 systemd 或 launchd 启动，环境变量要写在 service 文件里，不是 shell profile 里。

修复后重启 Gateway：openclaw gateway restart，再跑openclaw doctor确认 provider 连通。

5.2 local proxy failed

报错长这样：

Error: local proxy failed: dial tcp 127.0.0.1:7890: connect: connection refused

这是 OpenClaw 尝试走本地代理但代理没启动。检查你的环境变量里有没有HTTP_PROXY、HTTPS_PROXY、ALL_PROXY指向一个没运行的本地端口。如果有，要么启动对应服务，要么在 OpenClaw 配置里显式禁用代理。在openclaw.json的gateway段加：

{ "gateway": { "proxy": { "enabled": false } } }

然后重启 Gateway。如果你确实需要代理才能访问外部 API，确保代理服务在 OpenClaw 启动前已经运行。

5.3 reading choices 报错

报错长这样：

Error: reading choices: unexpected end of JSON input

这是模型返回的响应体不完整，通常是流式响应被中断或 API 返回了非 JSON 内容。排查：先看openclaw logs --follow --filter model里模型请求的原始响应；如果是超时导致，把timeout调大；如果是 API 返回了 HTML 错误页（比如 502），检查 Base URL 是否正确指向https://taotoken.net/api而不是别的地址。另外确认maxTokens没设得过大导致响应被截断。

5.4 OAuth 相关报错

如果你用 Claude Code 或某些需要 OAuth 的工具，可能遇到：

Error: OAuth token expired Error: invalid_grant

这类报错说明 OAuth 凭证过期或刷新失败。Claude Code 的接入方式参考 https://taotoken.net/claude-code ，按文档重新走一遍授权流程。如果是 Codex 的auth.json，检查文件路径和 token 有效期。OAuth 类问题不要靠重试解决，重试只会一直失败，必须重新授权。

5.5 Hook 脚本没执行

报错不明显，但日志里没有 Hook 触发记录。排查：确认脚本有执行权限chmod +x ~/.openclaw/hooks/*.sh；确认script路径是绝对路径或~开头的路径；确认enabled是true；确认condition没把当前消息过滤掉。如果 Hook 触发了但脚本没跑，看openclaw logs --follow --filter hooks里有没有script execution failed。

5.6 定时任务重复执行

如果你跑了多个 Gateway 实例，Cron 任务会在每个实例上各触发一次。排查：ps aux | grep openclaw看有几个 Gateway 进程；确保只有一个实例启用了scheduler.enabled: true。多实例部署时，Scheduler 应该只在主实例上启用，其他实例设scheduler.enabled: false。

5.7 Webhook 返回 401

外部系统调 Webhook 时返回 401，说明Authorization: Bearer的 token 和gateway.webhooks.auth.token不匹配。检查两边是否一致，注意不要有多余空格。测试命令：

curl -X POST http://localhost:18789/hook/deploy \ -H "Authorization: Bearer $WEBHOOK_AUTH_TOKEN" \ -H "Content-Type: application/json" \ -d '{"repository":"myapp","ref":"main","status":"success"}'

如果返回 404，检查routes[].path是否匹配；如果返回 500，看 Gateway 日志里 Agent 执行是否报错。

6. 把重复操作交出去：统一通道接入与长期运行建议

走到这里，你的 OpenClaw 已经具备了一个“数字员工”的基本形态：Hooks 在生命周期节点自动记录和自愈，定时任务在无人值守时唤醒 Agent，Multi-MCP 让一次任务串联多个系统。剩下的就是让它稳定跑下去。

统一 Key/API 通道是长期运行的关键。所有模型调用走 https://taotoken.net/api ，Key 在 https://taotoken.net/api-keys 管理，接入文档在 https://taotoken.net/doc 。这样你换模型、调额度、排障都只在一个地方操作，不用在多个 provider 之间来回切换。模型对话调试用 https://taotoken.net/models ，长期编码或 Agent 任务用 https://taotoken.net/coding-plan ，Claude Code 接入参考 https://taotoken.net/claude-code 。

几个实测下来有用的习惯：新自动化工作流先手动触发几天，确认无副作用再开 Cron；每个定时任务都设timeout，没有超时的任务可能永远跑下去；关键任务设onFailure: "notify"，沉默的失败最可怕；Hook 保持轻量，afterResponse里不要做同步网络请求，必须异步的逻辑用后台脚本；自动化任务的结果写入 Memory，这样后续人工对话能感知到自动任务做了什么。

最后一步，把openclaw status加进你的日常检查：

openclaw status # Gateway: running (uptime: 14d 3h) # Channels: 4 active # MCP Servers: 3 healthy # Scheduler: 3 tasks (2 active, 1 completed today) # Watchers: 1 active # Memory: 47 files indexed, last sync: 2 min ago

看到 Scheduler 和 MCP Servers 都是健康状态，说明你的数字员工正在按时上班。