企业官网建设流程全解析

1. 为什么企业都在折腾这只“小龙虾”

OpenClaw 是 2026 年最火的开源智能体框架，一句话概括：它让 AI 从“只会聊天”变成“能动手干活”。普通对话模型只能给你一段文字，而 OpenClaw 可以调用工具、操作文件、跑流程、对接企业微信和公众号，把重复劳动真正接过去。它适合谁？适合想把客服、运营、报表、办公自动化落到实处的团队，尤其是没有大模型自研能力、但希望快速跑通 AI 闭环的中小企业。

我这次的目标很明确：用 Docker 把 OpenClaw 跑起来，再通过 TaoToken 统一 Key 和 API 通道，完成settings.json与config.toml的骨架配置，最后用一条可复制的请求验证连通性。整套流程走完，你就能拿到一个能接入企业业务的最小闭环。下面按部署、配置、验证、排障的顺序展开，每一步都给到可直接复制的命令和参数。

2. TaoToken 前置准备：统一 Key 与 API 通道

OpenClaw 本身不绑定某一家模型服务，它通过配置文件读取 API 地址和密钥。如果你每个模型都单独申请 Key、单独改地址，后期维护会很乱。TaoToken 的作用就是把这些通道统一起来：一个 Key、一个 API 入口，模型切换只改配置里的模型名，不用动密钥和地址。

你需要先拿到两样东西：API Key 和 API 地址。API 地址固定为https://taotoken.net/api，注意这个地址不带任何查询参数。Key 在控制台的 API Keys 页面创建，创建后只显示一次，建议直接写进环境变量而不是硬编码进配置文件。

创建 Key 的入口在这里：

控制台 API Keys：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite

接入文档（配置字段含义、模型名列表都在这）：

接入文档：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模型能不能通，不想碰 OpenClaw 的配置文件，可以直接用模型对话页面测一条：

模型对话：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite

长期跑编码和 Agent 任务的话，Coding Plan 更划算，后面配置里模型名可以直接复用：

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

拿到 Key 之后，先写进 shell 环境，避免明文散落在多个文件里：

export TAOTOKEN_API_KEY="sk-你的实际Key" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

这样后续 Docker 启动时用-e传入即可，配置文件里只引用变量名。

3. Docker 部署 OpenClaw 与配置文件骨架

3.1 拉镜像与目录规划

先建一个工作目录，把配置和数据分开挂载，容器重建时数据不丢：

mkdir -p /opt/openclaw/{config,data,logs} cd /opt/openclaw docker pull openclaw/openclaw:2026-latest

目录约定：config放settings.json和config.toml，data放会话与知识库，logs放运行日志。挂载这三个目录，升级镜像时只换镜像不动数据。

3.2 settings.json 骨架

settings.json负责运行时行为，重点是模型通道和入口开关。下面这份骨架可以直接用，把api_key和base_url指向 TaoToken：

{ "runtime": { "name": "openclaw-enterprise", "log_level": "info", "data_dir": "/app/data", "log_dir": "/app/logs" }, "model": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "${TAOTOKEN_API_KEY}", "default_model": "claude-sonnet-4-20250514", "fallback_models": ["gpt-4o", "claude-3-5-sonnet-20241022"], "timeout_seconds": 60, "max_retries": 2 }, "channels": { "wecom": { "enabled": true, "token": "${WECOM_TOKEN}", "aes_key": "${WECOM_AES_KEY}" }, "wechat_mp": { "enabled": true, "app_id": "${WX_APPID}", "app_secret": "${WX_SECRET}" } }, "sandbox": { "enabled": true, "allow_shell": false, "allow_file_write": true, "workspace": "/app/data/workspace" } }

几个关键点：provider用openai-compatible，因为 TaoToken 的 API 是兼容 OpenAI 协议的，OpenClaw 直接按这个协议发请求即可；fallback_models是主模型超时或报错时的备选，多模型自动切换靠它；sandbox一定要开，企业场景下allow_shell建议保持false，只放开文件读写。

3.3 config.toml 骨架

config.toml负责技能、插件和业务入口的声明。企业微信和公众号的对接参数放这里：

[agent] name = "enterprise-assistant" system_prompt = "你是企业智能助手，负责客服接待、订单查询与工单流转。" max_turns = 20 [skills] enabled = ["faq", "order_query", "ticket", "report"] [skills.faq] knowledge_path = "/app/data/knowledge/faq.md" [skills.order_query] endpoint = "https://internal.example.com/api/order" auth_header = "Bearer ${INTERNAL_API_TOKEN}" [plugins.wecom] callback_path = "/webhook/wecom" port = 8080 [plugins.wechat_mp] callback_path = "/webhook/mp" port = 8081

skills里声明的是 OpenClaw 能调用的能力，faq读本地知识库，order_query打内部接口，ticket建工单，report出报表。企业微信和公众号各占一个回调路径和端口，部署时记得在防火墙放行。

3.4 启动容器

把环境变量和目录一起传进去：

docker run -d --name openclaw \ -p 8080:8080 -p 8081:8081 \ -e TAOTOKEN_API_KEY="${TAOTOKEN_API_KEY}" \ -e WECOM_TOKEN="你的企业微信Token" \ -e WECOM_AES_KEY="你的EncodingAESKey" \ -e WX_APPID="你的公众号AppID" \ -e WX_SECRET="你的公众号Secret" \ -v /opt/openclaw/config:/app/config \ -v /opt/openclaw/data:/app/data \ -v /opt/openclaw/logs:/app/logs \ openclaw/openclaw:2026-latest

启动后先看日志确认没有配置解析错误：

docker logs -f openclaw

正常会看到model provider initialized和channels loaded: wecom, wechat_mp两行，说明模型通道和业务入口都读到了。

4. 验证请求：确认模型通道真的通了

配置写完不代表通了，必须发一条真实请求验证。OpenClaw 自带一个诊断命令，可以直接打模型通道：

docker exec -it openclaw openclaw doctor --check model

预期输出类似：

[ok] base_url reachable: https://taotoken.net/api [ok] auth passed [ok] model claude-sonnet-4-20250514 responded in 1.8s [ok] fallback model gpt-4o available

如果auth passed没出现，八成是 Key 没传进容器，用docker exec openclaw env | grep TAOTOKEN确认变量存在。

再发一条业务级请求，模拟公众号自动回复：

curl -X POST http://localhost:8080/webhook/mp \ -H "Content-Type: application/json" \ -d '{"msg_type":"text","content":"你们的退货政策是什么？"}'

返回里应该带reply字段，内容是知识库里faq.md匹配到的答案。这一步通了，说明“公众号入口 → OpenClaw → TaoToken 模型通道 → 知识库”整条链路是活的。企业微信同理，把路径换成/webhook/wecom即可。

想单独确认某个模型名是否可用，不用改配置，直接在模型对话页面选同名模型发一句话，能回就说明模型名没写错：

模型对话验证：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite

5. 本篇常见错排查

5.1 401 或 auth failed

最常见的原因是 Key 没进容器。settings.json里写的是${TAOTOKEN_API_KEY}，如果启动时没加-e TAOTOKEN_API_KEY=...，这个变量就是空的，请求自然被拒。先docker exec openclaw env | grep TAOTOKEN确认，再检查 Key 有没有多余空格或换行。

5.2 base_url 拼错导致 404

base_url必须是https://taotoken.net/api，结尾不要加/v1或斜杠。OpenClaw 会自己在后面拼/chat/completions，你多写一段路径就会 404。这个坑我踩过，日志里报404 page not found时先看地址。

5.3 模型名不存在

default_model和fallback_models里的名字必须和文档里列的一致。写错名字会返回model not found。不确定就去接入文档核对，或者用模型对话页面选一遍确认。

5.4 企业微信回调验证失败

企业微信要求回调 URL 在 5 秒内返回校验结果。如果容器启动慢或端口没放行，会一直提示“回调失败”。先确认8080端口能从企业微信服务器访问到，再看日志里有没有收到echostr请求。公众号的8081同理。

5.5 沙箱拦截了技能调用

如果order_query这类技能报权限错误，检查sandbox.allow_file_write和技能声明的路径是否在workspace范围内。企业场景下不建议直接关沙箱，而是把需要的路径加进白名单。

6. 把闭环跑稳之后

最小闭环跑通只是起点。接下来你可以把faq.md换成真实产品手册，把order_query接到内部订单系统，把report技能挂上定时任务，让 OpenClaw 每天固定时间把报表推到企业微信群。配置层面不用大改，只动config.toml里的技能声明和对应接口地址。

需要长期跑编码和 Agent 任务的团队，建议把模型通道切到 Coding Plan，配额和稳定性更适合持续调用：

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

新增 Key 或轮换密钥时，回到控制台操作，容器里只更新环境变量再重启即可：

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

配置字段拿不准就翻接入文档，模型名、协议格式、错误码都有说明：

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

最后提醒一句：先拿一个场景试点，比如只开公众号自动回复，跑一周看日志和命中率，再逐步加技能。一次全铺开，出了问题很难定位是哪一环。