企业官网建设流程全解析

1. openclaw 图片输入报错的真实场景与排查起点

如果你正在用 openclaw 接本地大模型，并且已经跑通了纯文本对话，那么下一步大概率会踩到图片上传这个坑。我自己在把 llama.cpp 启动的 qwen3.5 多模态模型接进 openclaw gateway 时，就遇到了一个很典型的报错：

parseMessageWithAttachments: 1 attachment(s) dropped — model does not support images

这句话翻译过来就是：附件被丢弃了，因为模型不支持图片。但问题是，我本地跑的 qwen3.5 明明是支持图片输入的多模态模型，用 open-webui 连接同一个 llama-server 时，上传图片完全正常。这说明模型本身没问题，问题出在 openclaw 这一层的配置上。

openclaw 是一个开源的 AI 网关/代理工具，它的核心作用是统一管理多个模型 provider，让前端（比如 gateway 的聊天页面、各种客户端）通过一个标准接口去调用不同的后端模型。它支持 OpenAI 兼容接口、Anthropic 接口等多种协议，也支持自定义 provider。对于本地大模型玩家来说，openclaw 的价值在于：你不需要在每个客户端里单独配置本地模型的地址和参数，只要在 openclaw 里配一次，所有接入 openclaw 的客户端都能用。

但 openclaw 对多模态能力的判断，不是自动探测的，而是依赖配置文件里显式声明的input字段。如果你在 provider 的模型定义里没有写"image"，openclaw 就会认为这个模型只支持文本，上传图片时直接丢弃附件，然后抛出上面那个报错。这就是问题的根源。

这个场景适合几类人：一是已经在本地用 llama.cpp、ollama 或其他方式跑起了多模态模型，想通过 openclaw 统一管理的开发者；二是希望把本地模型和云端模型混用，用一个网关统一调度的人；三是遇到了图片上传报错，想搞清楚 openclaw 配置逻辑的人。接下来我会从环境准备、endpoint 配置、图片输入参数、验证请求、报错排查几个方面，把整条链路讲清楚。

2. TaoToken 前置准备：统一通道与鉴权配置

在动手改 openclaw 配置之前，先把 TaoToken 这一层准备好。TaoToken 在这里扮演的角色是一个统一的 API 通道，你可以把它理解成一个“模型调用的统一入口”。它的好处是：不管你后端接的是本地 llama.cpp 还是其他模型服务，前端只需要认 TaoToken 的 endpoint 和 Key，切换后端时不用改客户端配置。

首先你需要拿到 API Key。访问 TaoToken 的 API Keys 管理页面：

https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

在这个页面创建一个新的 Key，复制保存好。这个 Key 后面会填到 openclaw 的 provider 配置里，作为apiKey字段的值。注意不要把它提交到公开仓库，建议用环境变量或者本地配置文件管理。

TaoToken 的 API 基础地址是：

https://taotoken.net/api

这个地址不加 UTM 参数，直接作为 Base URL 使用。如果你用的是 OpenAI 兼容协议，那么完整的请求路径就是https://taotoken.net/api/v1/chat/completions。openclaw 在配置 provider 时，baseUrl填https://taotoken.net/api即可，openclaw 会自动拼接后续路径。

关于模型 ID，你需要在 TaoToken 的模型列表里确认你要用的模型名称。如果你是把本地模型通过 TaoToken 转发，那么模型 ID 就是你本地服务注册时用的名称。如果你直接用 TaoToken 提供的云端模型，模型 ID 以文档里的为准。接入文档在这里：

https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

如果你只是想先验证一下模型对话是否正常，可以打开模型对话页面直接测试：

https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite

在这个页面里选好模型，发一条带图片的消息，看看返回是否正常。这一步的目的是确认 TaoToken 通道本身没问题，把问题范围缩小到 openclaw 配置层。

如果你后续要做长期的编码任务或者 Agent 开发，可以考虑 Coding Plan：

https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

这个计划适合需要频繁调用模型、跑自动化任务的场景。不过对于本篇的图片输入配置来说，先用按量计费的 Key 就够了。

准备好 Key 和 Base URL 之后，接下来就是改 openclaw 的配置文件。openclaw 的配置分两层：一层是 provider 级别的配置，通常在openclaw.json或者.openclaw/agents/main/agent/models.json里；另一层是模型级别的配置，需要显式声明input支持的类型。下面我会给出完整的配置片段。

3. 可复制配置：openclaw.json 与 models.json 的 endpoint 与图片参数

openclaw 的配置文件位置通常在用户目录下的.openclaw文件夹里。具体路径取决于你的安装方式，常见的位置是：

~/.openclaw/openclaw.json ~/.openclaw/agents/main/agent/models.json

这两个文件的分工是：openclaw.json管 provider 的注册和全局设置，models.json管具体 agent 用哪些模型、模型的参数是什么。图片输入的支持声明，主要写在models.json的 provider 配置里。

先看openclaw.json里的 provider 配置。如果你是通过 onboard 命令添加的 provider，openclaw 会自动生成一段配置。你需要确认baseUrl指向 TaoToken 的 API 地址，api字段是openai-completions，apiKey填你从 TaoToken 拿到的 Key。一个完整的 provider 配置片段如下：

{ "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "api": "openai-completions", "apiKey": "sk-你的TaoToken密钥", "models": [ { "id": "qwen3.5-35b-a3b", "name": "Qwen3.5 35B A3B", "input": ["text", "image"], "contextWindow": 131072, "maxTokens": 8192 } ] } } }

这里的关键字段是input。它是一个数组，声明这个模型支持哪些输入类型。只写["text"]就是纯文本模型，加上"image"才支持图片输入。很多人踩坑就是因为这里只写了text，或者根本没写input字段，openclaw 默认按纯文本处理，上传图片时直接丢弃。

如果你用的是本地 llama.cpp 启动的模型，并且希望通过 TaoToken 转发，那么baseUrl仍然填 TaoToken 的地址，模型 ID 填你在 TaoToken 里注册的本地模型名称。如果你直接连本地 llama-server，不走 TaoToken，那么baseUrl填http://127.0.0.1:8080，apiKey填"local"或者任意非空字符串。但本篇的重点是统一走 TaoToken 通道，所以推荐用上面的配置。

接下来看models.json里的 agent 配置。这个文件决定了 main agent 用哪个 provider 的哪个模型。一个完整的配置片段如下：

{ "agents": { "main": { "model": "taotoken/qwen3.5-35b-a3b", "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "api": "openai-completions", "apiKey": "sk-你的TaoToken密钥", "models": [ { "id": "qwen3.5-35b-a3b", "name": "Qwen3.5 35B A3B", "input": ["text", "image"], "contextWindow": 131072, "maxTokens": 8192 } ] } } } } }

注意model字段的格式是provider名/模型ID。这里的taotoken就是上面 providers 里的 key，qwen3.5-35b-a3b是模型 ID。两者必须对应上，否则 openclaw 找不到模型。

如果你之前用的是本地 provider，比如llama-cpp，那么配置可能是这样的：

{ "providers": { "llama-cpp": { "baseUrl": "http://127.0.0.1:8080", "api": "openai-completions", "apiKey": "local", "models": [ { "id": "qwen3.5-35b-a3b", "name": "Qwen3.5 35B A3B", "input": ["text", "image"], "contextWindow": 131072, "maxTokens": 8192 } ] } } }

这个配置里apiKey填的是"local"，因为本地 llama-server 通常不校验 Key。但如果你要走 TaoToken 通道，就把baseUrl改成https://taotoken.net/api，apiKey改成你的 TaoToken Key，provider 名字改成taotoken。

改完配置后，需要重启 openclaw gateway 让配置生效。重启命令取决于你的启动方式，如果是用 systemd 管理的，执行：

systemctl --user restart openclaw-gateway

如果是手动启动的，先 Ctrl+C 停掉，再重新运行启动命令。重启后打开 gateway 的聊天页面，尝试上传一张图片。如果配置正确，图片不会再被丢弃，模型会正常接收并处理。

还有一个容易忽略的点：llama.cpp 启动时必须带上mmproj参数，否则模型本身不具备图片编码能力。启动命令参考：

llama-server -fa on -t 8 \ -ngl 99 \ -c 131072 \ -mm /path/to/mmproj-BF16.gguf \ -m /path/to/Qwen3.5-35B-A3B-UD-IQ3_XXS.gguf

-mm指定多模态投影文件，没有这个文件，模型只能处理文本。这个参数和 openclaw 的配置是两回事：llama.cpp 负责让模型具备图片编码能力，openclaw 负责让网关知道这个模型支持图片输入。两者都配好，图片输入链路才能通。

4. 验证请求：发送带图请求与返回结果对照

配置改完之后，不要急着在 gateway 页面里点来点去，先用命令行发一个带图片的请求，确认整条链路是通的。这样出问题时容易定位是配置问题还是前端问题。

TaoToken 的 API 兼容 OpenAI 的 chat completions 格式，图片输入用的是image_url类型的内容块。一个完整的 curl 请求如下：

curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的TaoToken密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.5-35b-a3b", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "这张图片里有什么？请描述主要物体和颜色。" }, { "type": "image_url", "image_url": { "url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUg..." } } ] } ], "max_tokens": 512 }'

如果你不想用 base64，也可以传图片的公开 URL：

{ "type": "image_url", "image_url": { "url": "https://example.com/test-image.png" } }

但注意，如果图片在本地，必须转成 base64 或者用可访问的 URL。本地文件路径直接填进去，模型是读不到的。

发送请求后，正常的返回结果应该包含模型对图片的描述。返回结构大致如下：

{ "id": "chatcmpl-xxx", "object": "chat.completion", "created": 1712345678, "model": "qwen3.5-35b-a3b", "choices": [ { "index": 0, "message": { "role": "assistant", "content": "这张图片里有一只橘色的猫，趴在灰色的沙发上，背景是白色的墙壁..." }, "finish_reason": "stop" } ], "usage": { "prompt_tokens": 1024, "completion_tokens": 128, "total_tokens": 1152 } }

如果你收到的返回里content是空的，或者返回了类似model does not support images的错误，说明配置还没生效。这时候先检查models.json里的input字段是否包含"image"，再检查 openclaw gateway 是否重启过。

验证通过后，再回到 openclaw gateway 的聊天页面，上传同一张图片，看看返回是否一致。如果命令行通了但页面不通，问题可能出在 gateway 的前端配置或者 agent 的模型选择上。检查 gateway 当前使用的 agent 是不是 main，main agent 的 model 是不是指向了正确的 provider。

还有一个验证技巧：在 openclaw 的日志里搜索parseMessageWithAttachments。如果这个报错消失了，说明图片附件已经被正确传递。如果还在报，说明配置没生效或者改错了文件。openclaw 的日志通常在~/.openclaw/logs/目录下，可以用tail -f实时查看：

tail -f ~/.openclaw/logs/gateway.log | grep -i attachment

这个命令会过滤出和附件相关的日志行，方便你确认图片是否被正确处理。

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

配置过程中最容易遇到的几个报错，我逐个拆解一下原因和排查路径。

401 Unauthorized

这个报错说明鉴权失败。如果你走的是 TaoToken 通道，检查apiKey字段是否填了正确的 Key，Key 是否过期，请求头里的Authorization格式是否是Bearer sk-xxx。如果你走的是本地 llama-server，apiKey填"local"通常不会报 401，但如果 llama-server 启动时加了--api-key参数，就需要填对应的值。还有一种情况是 openclaw 的 provider 配置里apiKey字段为空字符串，openclaw 可能不会发送 Authorization 头，导致 401。

local proxy failed

这个报错通常出现在 openclaw 尝试连接本地服务但连不上的时候。检查baseUrl是否写对，本地 llama-server 是否在运行，端口是否被占用。如果你把baseUrl改成了 TaoToken 的地址，但本地服务没启动，openclaw 不会报这个错，因为它连的是 TaoToken。反过来，如果你以为自己在走 TaoToken，但配置里baseUrl还是http://127.0.0.1:8080，而本地服务挂了，就会报 local proxy failed。排查方法是先用 curl 直接请求baseUrl，确认服务可达。

reading choices 报错

这个报错通常是 openclaw 在解析模型返回时，发现返回结构里没有choices字段，或者choices是空的。原因可能是模型返回了错误信息而不是正常的 completion 结构，也可能是api字段配错了。比如你把api写成了openai-completions，但实际后端用的是 Anthropic 协议，返回结构不匹配，就会报这个错。检查api字段是否和后端协议一致。TaoToken 的 OpenAI 兼容接口用openai-completions，Anthropic 接口用对应的协议名。

OAuth 相关报错

如果你在 openclaw 里配置了需要 OAuth 的 provider，但 OAuth 流程没走完或者 token 过期，会报 OAuth 错误。对于本地模型和 TaoToken 的 API Key 方式，通常不涉及 OAuth。如果你同时配了多个 provider，检查当前 agent 用的是哪个，别把 OAuth provider 和 API Key provider 搞混了。

图片仍然被丢弃

如果配置里input已经加了"image"，但图片还是被丢弃，检查以下几点：一是models.json和openclaw.json里的 provider 配置是否一致，openclaw 可能读的是其中一个；二是模型 ID 是否匹配，model字段里的 ID 和models数组里的id必须完全一致；三是 openclaw 版本是否有变化，某些版本对input字段的解析逻辑可能不同，可以查看对应版本的文档或源码。

Codex auth.json 相关

如果你在用 Codex 或者类似的工具，并且配置了auth.json，注意auth.json里的 Base URL 和 Key 要和 openclaw 里的配置保持一致。三件套是：Base URL 填https://taotoken.net/api，Key 填 TaoToken 的 Key，Model ID 填你要用的模型名称。这三者缺一不可，任何一个不对都会导致请求失败。

排查的时候，建议按这个顺序：先用 curl 直接请求 TaoToken 的 API，确认通道本身没问题；再检查 openclaw 的配置文件，确认baseUrl、apiKey、api、input四个字段；最后重启 gateway，看日志里parseMessageWithAttachments是否消失。这样一层层缩小范围，比盲目改配置高效得多。

6. 统一通道后的模型调用与长期使用建议

把 openclaw 的 endpoint 改到 TaoToken 之后，最大的好处是配置统一了。以前你可能需要在 openclaw、open-webui、各种客户端里分别填本地模型的地址和端口，现在只需要认 TaoToken 一个入口。本地模型、云端模型、不同协议的模型，都可以通过 TaoToken 这一层来调度。切换模型时，改 openclaw 里的model字段就行，不用动其他客户端。

对于图片输入这个场景，核心就是两个地方：llama.cpp 启动时带mmproj，openclaw 配置里input加"image"。这两个都对了，图片链路就通了。如果后续要加新的多模态模型，比如支持视频或者音频的模型，也是同样的逻辑：在input数组里加上对应的类型声明，openclaw 就会把相应的附件传给模型。

长期使用的话，建议把配置拆成两部分：一部分是 provider 的通用配置，放在openclaw.json里；另一部分是 agent 的模型选择，放在models.json里。这样改模型的时候只动models.json，不会影响其他 agent。另外，TaoToken 的 Key 建议用环境变量管理，不要硬编码在配置文件里。openclaw 支持从环境变量读取apiKey，具体写法可以参考接入文档：

https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

如果你需要频繁调用模型做编码或者 Agent 任务，可以看看 Coding Plan 的额度：

https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

最后说一个实际经验：openclaw 的配置文件改动后，一定要重启 gateway，而且要用tail -f看日志确认配置加载成功。我遇到过改完配置但 gateway 没重启，折腾半天以为配置写错了的情况。日志里会打印当前加载的 provider 和模型列表，对照一下就能确认配置是否生效。图片输入链路通了之后，你可以在 gateway 页面里连续上传多张图片测试，看看上下文窗口是否够用，contextWindow和maxTokens这两个参数根据实际模型调整就行。