企业官网建设流程全解析

1. 先搞清楚 OpenClaw、ClawHub 和 MCP 到底怎么串起来

刚接触 OpenClaw 的朋友，最容易卡在第一步：装了一堆 Skill，结果 Agent 跑起来要么找不到工具，要么调用报错，要么 Key 配得乱七八糟。我自己刚开始也是把 Key 散落在各个 Skill 的配置文件里，后来才统一到 TaoToken 一个入口，省心很多。

先把三个概念理清楚。OpenClaw 是你本地或服务器上跑的那个 Agent 运行框架，它负责接收你的指令、决定调用哪个工具、把结果拼回给你。ClawHub 是技能仓库，你可以理解成 Agent 的「应用商店」，里面每个 Skill 就是一项具体能力，比如联网搜索、PDF 处理、GitHub 操作。MCP 则是模型和外部工具之间的标准协议，OpenClaw 通过 MCP 把 Skill 暴露给大模型调用。

那 TaoToken 在这里扮演什么角色？它是统一的大模型 API 入口。你不需要为每个 Skill 单独去申请不同厂商的 Key，只要在 OpenClaw 的模型配置里填上 TaoToken 的 Base URL 和 Key，所有走模型调用的 Skill 都能复用这一套凭证。这对新手特别友好，少了很多注册和配置的麻烦。

适合谁看？如果你刚装好 OpenClaw，面对 ClawHub 里几百个 Skill 不知道从哪下手，或者你已经装了技能但一调用就报 401、model not found，这篇就是写给你的。我会按「先跑通、再加记忆、最后堆生产力」的顺序，把配置片段和验证命令都给出来，你跟着复制粘贴就能用。

整个路径分四步：第一步配好 TaoToken 的统一 Key；第二步从 ClawHub 装基础技能；第三步用 MCP 把技能接进 Agent；第四步逐个验证调用是否正常。下面一步步来。

2. TaoToken 前置配置：一个 Key 打通所有 Skill 的模型调用

在装任何 Skill 之前，先把模型入口配好，不然后面每个技能都要单独填 Key，很容易乱。TaoToken 的好处就是统一入口，Base URL 和 API Key 配一次，所有走 OpenAI 兼容协议的 Skill 都能直接用。

先拿 Key。打开 TaoToken 的控制台，在 API Keys 页面创建一个新 Key，复制下来存好。地址是 https://taotoken.net/api-keys ，注意这个页面不要加 UTM 参数，直接访问就行。创建的时候给它起个名字，比如openclaw-main，方便以后区分。

拿到 Key 之后，OpenClaw 的模型配置一般放在~/.openclaw/config.toml或者项目根目录的openclaw.json里，具体看你用的版本。我用的是 TOML 格式，配置长这样：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoToken密钥" model_id = "claude-sonnet-4-20250514"

如果你用的是 JSON 配置，等价写法是：

{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "modelId": "claude-sonnet-4-20250514" } }

这里有个坑要注意：Base URL 末尾不要带/v1，TaoToken 的接入地址就是https://taotoken.net/api，多写路径会导致 404。Model ID 填你实际要用的模型名，比如claude-sonnet-4-20250514或者gpt-4o，具体支持列表在接入文档里能查到： https://taotoken.net/doc 。

配好之后先别急着装 Skill，用一条 curl 验证模型通不通：

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": "claude-sonnet-4-20250514", "messages": [{"role": "user", "content": "回复ok"}] }'

返回里如果有choices字段且内容正常，说明 Key 和模型都没问题。这一步过了，后面所有 Skill 的模型调用就都有底了。如果返回 401，检查 Key 有没有复制全；如果返回 model not found，检查 Model ID 拼写。

3. ClawHub 技能清单与可复制配置片段

基础模型通了之后，就可以从 ClawHub 装技能了。ClawHub 的入口在 OpenClaw 里一般用clawhub命令操作，或者直接在 Web 界面搜索。我按优先级给你列一份清单，每项都给出安装命令和配置要点。

第一批先装安全和管理类，这是新手最容易忽略的。skill-vetter用来在安装前扫描技能代码，检查有没有恶意行为；find-skills可以根据自然语言找技能；auto-updater负责自动更新。安装命令：

clawhub install skill-vetter clawhub install find-skills clawhub install auto-updater

第二批是联网搜索，tavily-search和baidu-search建议都装，中文场景下百度搜索效果更稳。这两个需要 API Key，但你可以统一走 TaoToken 的代理入口，配置片段：

{ "skills": { "tavily-search": { "apiKey": "tvly-你的Tavily密钥", "baseUrl": "https://taotoken.net/api" }, "baidu-search": { "apiKey": "你的百度搜索密钥", "baseUrl": "https://taotoken.net/api" } } }

第三批是记忆类，self-improving-agent和agent-memory强烈推荐，前者让 Agent 任务后自动复盘，后者提供跨会话记忆。这两个通常不需要额外 Key，装完在 OpenClaw 的 settings 里启用就行：

[skills.memory] enabled = true provider = "agent-memory" persist_path = "~/.openclaw/memory"

第四批按你的身份选。办公党装gmail-manager、calendar、notion；程序员装github、file-manager、summarize；内容创作者装summarize、nano-pdf、ai-ppt-generator。这里给一个 MCP 接入的通用配置，把 Skill 通过 MCP 暴露给模型：

{ "mcpServers": { "openclaw-skills": { "command": "openclaw", "args": ["mcp", "serve"], "env": { "TAOTOKEN_BASE_URL": "https://taotoken.net/api", "TAOTOKEN_API_KEY": "sk-你的TaoToken密钥" } } } }

这个配置放在~/.openclaw/mcp.json或者 Claude Desktop 的claude_desktop_config.json里都行，取决于你用哪个客户端。注意command要填 OpenClaw 的实际可执行路径，如果你是用 npm 全局装的，可能是npx openclaw。

装完一批就验证一批，别一次性全装完再调，出了问题很难定位是哪个 Skill 的锅。

4. 验证请求与成功结果：逐个 Skill 跑通

配置写完不代表能用，得逐个验证。我习惯用 OpenClaw 的skill test命令，或者直接在对话里触发对应技能。

先验证模型调用。在 OpenClaw 里发一句「用 tavily-search 搜一下今天的天气」，如果返回结构化搜索结果，说明模型和搜索技能都通了。成功返回大概长这样：

{ "skill": "tavily-search", "status": "success", "results": [ {"title": "北京天气", "url": "https://...", "content": "晴，25℃"} ] }

再验证记忆技能。跟 Agent 说「记住我喜欢用中文回复」，然后新开一个会话问「我喜欢用什么语言」，如果它能答出「中文」，说明agent-memory生效了。这一步的关键是persist_path要指向一个可写目录，权限不对会静默失败。

验证 MCP 接入。在支持 MCP 的客户端里，你应该能看到openclaw-skills这个 server 下面挂着一串工具。点开任意一个，比如summarize，传一段文本进去，看能不能返回摘要。如果工具列表是空的，检查 MCP 配置里的command和args对不对，可以用openclaw mcp serve --debug手动跑一下看日志。

验证 GitHub 技能（程序员）。在对话里说「列出我 GitHub 上最近的三个仓库」，如果返回仓库列表，说明github技能和 Token 都配好了。这里需要单独配 GitHub Token，但模型调用还是走 TaoToken。

验证文档处理。丢一个 PDF 给 Agent，说「用 summarize 总结这个 PDF」，看它能不能调起nano-pdf解析再调summarize总结。这条链路比较长，任何一环断了都会报错，建议先单独测nano-pdf能不能读文件。

每个技能验证通过后，在 ClawHub 里给它打个「已验证」标记，方便以后排查。我自己的习惯是建一个verified-skills.md，记录每个技能的状态和最后验证时间。

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

这一节列几个我实际踩过的坑，你遇到对应报错直接对照。

401 Unauthorized。最常见，九成是 Key 问题。先检查 TaoToken 的 Key 有没有复制全，有没有多余空格。然后确认请求头是Authorization: Bearer sk-xxx，不是x-api-key。如果 Key 没问题，检查 Base URL 是不是写成了https://taotoken.net/api/v1，有些客户端会自动补/v1，导致路径变成/api/v1/v1/chat/completions，也会 401 或 404。

local proxy failed。这个通常出现在你用 MCP 本地代理的时候。原因是 OpenClaw 的 MCP server 没启动，或者端口被占用。排查步骤：先ps aux | grep openclaw看进程在不在；再lsof -i :3000看端口；如果端口冲突，在 MCP 配置里加"env": {"PORT": "3001"}换一个。还有一种情况是command路径写的是相对路径，MCP 客户端找不到，改成绝对路径比如/usr/local/bin/openclaw。

reading choices 报错。这个一般出现在模型返回格式不对的时候，比如你用的模型不支持 OpenAI 兼容的choices结构。先确认 Model ID 是不是 TaoToken 支持的，有些模型名看起来像但实际路由不到。然后检查请求体里有没有多写stream: true但客户端没处理流式响应。把stream去掉试一次，如果通了就是流式解析的问题。

OAuth 相关报错。如果你用 Claude Code 或者 Cline 这类客户端，它们可能默认走 OAuth 登录而不是 API Key。这时候要在设置里切换到「API Key」模式，填 TaoToken 的 Base URL 和 Key。Claude Code 的配置在~/.claude/settings.json，Cline 在插件设置里。三件套要填全：Base URL 填https://taotoken.net/api，API Key 填sk-xxx，Model ID 填具体模型名。

技能装了但调用不到。先clawhub list看技能在不在已安装列表里；再看 OpenClaw 的skills.enabled配置有没有把这个技能加进去；最后看 MCP 的工具列表里有没有暴露出来。三层都确认了还不行，就是技能本身的兼容问题，去 ClawHub 页面看 issue。

模型回复慢或者超时。TaoToken 的入口本身不慢，慢通常是模型选得太大或者网络问题。先换个小模型比如claude-haiku试一次，如果快了就是模型负载问题。另外检查有没有开代理，本地代理会拖慢请求。

6. 把技能环境跑顺之后，我的日常用法

环境搭好之后，日常用起来其实很简单。我一般早上先让 Agent 跑一遍auto-updater检查技能更新，然后用tavily-search拉一下当天要关注的资讯，丢给summarize出个摘要。开会的时候开ai-meeting-notes，会后自动生成行动项同步到todoist。

长期编码或者跑 Agent 任务的话，用 Coding Plan 更划算，入口在 https://taotoken.net/coding-plan 。如果只是想验证某个模型的效果，用模型对话页面就行： https://taotoken.net/models 。接入文档在 https://taotoken.net/doc ，遇到配置问题先翻这个。

最后提醒一句：技能别一次装太多，按第一阶段安全基础、第二阶段记忆进化、第三阶段生产力工具的顺序来，每装一批验证一批。我见过有人一口气装三十个技能，结果 Agent 启动要两分钟，调用还互相冲突。先把核心的五六个跑顺，后面按需加，比堆一堆用不上的强。