企业官网建设流程全解析

1. 为什么要在腾讯云 Ubuntu 上跑 OpenClaw 并接火山方舟

如果你手里有一台腾讯云 CVM，系统是 Ubuntu 22.04 或 24.04 LTS，想让它长期在线跑一个能接多渠道、能调多模型的 OpenClaw 网关，同时主模型优先走火山方舟（Volcengine Ark），那这篇就是按这个场景写的。OpenClaw 是一个可自托管的智能体网关，它把「模型提供商」「聊天渠道」「插件」「Skills」「MCP」这几层拆开管理，适合放在云主机上做 7x24 常驻。火山方舟则是字节跳动旗下的模型服务平台，提供 Doubao 等模型的 OpenAI 兼容接口，改 base url、model、api_key 就能对接。

适合谁：有一台腾讯云 Ubuntu 主机、想自己掌控模型调用链路、后续还要扩展飞书/Telegram/微信等入口的开发者。不适合谁：只想在本地临时试一下、不打算长期在线的场景。

这篇会交付三样东西：一份可复制的环境变量与openclaw.json配置、火山方舟 Base URL 的改写步骤、以及连通性验证命令。同时我会把 TaoToken 统一 Key 通道接进来，让你用一个 Key 管理多家模型，不用在方舟、Moonshot、GLM 之间来回换密钥。

先说清楚一个容易混的点：火山方舟是「模型提供商」，飞书/Telegram 是「渠道」，ClawHub 装的是「Skills」，MCP 是外部工具协议。这四层在 OpenClaw 里是分开配置的，别混在一起改。

2. TaoToken 统一 Key 通道前置准备

在动手改配置之前，先把 Key 通道这件事理清楚。OpenClaw 默认要你为每个 provider 单独配一个 API Key，方舟一个、Moonshot 一个、GLM 又一个。模型一多，.env里就一堆变量，换机器、换环境时特别容易漏。TaoToken 的思路是提供一个统一的 OpenAI 兼容入口，你只维护一个 Key 和一个 Base URL，模型用 model id 区分。

你需要先拿到两样东西：一个 TaoToken API Key，以及确认它的 Base URL。Base URL 是https://taotoken.net/api，注意这个地址不带任何查询参数，配置里直接写它就行。Key 在控制台的 API Keys 页面生成，生成后只显示一次，复制下来存好。

这里有个关键认知：TaoToken 是「统一 Key 通道」，不是替代 OpenClaw 本身。OpenClaw 还是那个网关，TaoToken 只是它背后调模型时走的一条路。所以配置上，你是把 OpenClaw 的某个 provider 的baseUrl指向 TaoToken，apiKey填 TaoToken 的 Key，api保持openai-completions。

如果你同时还想保留火山方舟官方 provider 作为主模型，也完全可以：主模型走volcengine/*，fallback 走 TaoToken 通道下的其他模型。这样方舟直连和统一通道两条路都在，哪条出问题都不至于全挂。

生成 Key 的入口在控制台，文档在接入文档页。建议先把 Key 写进~/.openclaw/.env，不要直接写进openclaw.json，因为.env不进版本库、权限也好控制。

3. 可复制的环境变量与 openclaw.json 配置

这一节是全文最该照抄的部分。先建目录、写环境变量：

mkdir -p ~/.openclaw cat >> ~/.openclaw/.env <<'ENV' VOLCANO_ENGINE_API_KEY=你的火山方舟APIKey TAOTOKEN_API_KEY=你的TaoTokenKey OPENCLAW_GATEWAY_TOKEN=自己生成的一个长随机串 ENV chmod 600 ~/.openclaw/.env

OPENCLAW_GATEWAY_TOKEN用openssl rand -hex 32生成即可。接着是~/.openclaw/openclaw.json，这份模板同时保留了方舟官方 provider 和 TaoToken 统一通道：

{ "gateway": { "bind": "loopback", "port": 18789, "auth": { "mode": "token", "token": "${OPENCLAW_GATEWAY_TOKEN}" }, "reload": { "mode": "hybrid", "debounceMs": 300 } }, "agents": { "defaults": { "workspace": "~/.openclaw/workspace", "model": { "primary": "volcengine/doubao-seed-1-8-251228", "fallbacks": ["taotoken/glm-4-plus", "taotoken/kimi-k2.5"] } } }, "models": { "mode": "merge", "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "apiKey": "${TAOTOKEN_API_KEY}", "api": "openai-completions", "models": [ { "id": "glm-4-plus", "name": "GLM-4-Plus via TaoToken" }, { "id": "kimi-k2.5", "name": "Kimi K2.5 via TaoToken" } ] } } }, "skills": { "mode": "merge" } }

几个要点。第一，bind保持loopback，Dashboard 不裸露公网，访问走 SSH 隧道。第二，models.mode用merge，这样自定义 provider 和内置 provider 共存，不会互相覆盖。第三，TaoToken 的baseUrl就是https://taotoken.net/api，api字段必须是openai-completions，因为它是 OpenAI 兼容协议。第四，fallback 里我放了两个 TaoToken 下的模型，主模型方舟挂了能自动切。

如果你更想用火山方舟自己的 OpenAI 兼容接入点（比如你在方舟控制台建了专属 Endpoint），那就把taotoken那段换成你自己的ark-custom，baseUrl填方舟控制台给的兼容地址，apiKey填VOLCANO_ENGINE_API_KEY，models[].id填你的 endpoint id。两种写法结构一样，区别只在地址和 Key 来源。

改完配置后热加载通常会自动生效，不放心就手动重启一次网关。配置里所有${...}都会被.env里的值替换，所以别把 Key 硬编码进 JSON。

4. 验证请求与成功结果

配置写完，必须验证，不然你不知道是模型通了还是只是网关起来了。第一步看网关状态：

openclaw gateway status openclaw logs --follow

status显示 running、logs没有报错刷屏，说明网关本身没问题。第二步列模型，确认 TaoToken 通道下的模型被识别：

openclaw models list

你应该能在列表里看到taotoken/glm-4-plus、taotoken/kimi-k2.5这类条目。如果没出现，多半是models.providers的 JSON 结构写错了，或者.env没被读到。

第三步做一次真实请求。最直接的方式是用 CLI 发一条：

openclaw run --model taotoken/glm-4-plus "用一句话说明你是什么模型"

返回一段正常文本，就说明 TaoToken 通道打通了。如果返回 401，是 Key 问题；如果返回reading choices之类的解析错误，是响应结构不对，通常意味着api字段填错了，或者 Base URL 指到了非 OpenAI 兼容的端点。

第四步验证方舟主模型：

openclaw run --model volcengine/doubao-seed-1-8-251228 "你好"

两条都通，说明主备链路都活着。最后用 SSH 隧道打开 Dashboard 确认可视化界面：

ssh -N -L 18789:127.0.0.1:18789 openclaw@<你的腾讯云IP>

本地浏览器开http://127.0.0.1:18789/，输入OPENCLAW_GATEWAY_TOKEN就能进。Dashboard 里能看到会话、模型、渠道状态，这是最直观的「成功结果」。

5. 本篇常见报错排查

401 Unauthorized：最常见。先确认.env里TAOTOKEN_API_KEY没有多余空格或换行，再确认openclaw.json里引用的是${TAOTOKEN_API_KEY}而不是写死的旧 Key。改完.env要重启网关，环境变量不会自动重载。

local proxy failed / connection refused：说明 OpenClaw 连不上baseUrl。检查https://taotoken.net/api是否拼错，检查腾讯云安全组是否放通了出站（出站一般默认全通，但自定义规则可能拦）。如果主机配了奇怪的 DNS，也可能解析失败，用curl -I https://taotoken.net/api测一下。

reading choices / unexpected response：响应不是 OpenAI 格式。九成是api字段没写openai-completions，或者baseUrl指到了 Anthropic 兼容端点。TaoToken 走 OpenAI 兼容，api必须是openai-completions。

Unrecognized key: mcpServers：这是 OpenClaw 当前 schema 还不认顶层mcpServers。别硬塞，MCP 目前更适合走 mcporter 桥接，或者按具体 provider 的 README 配。第一天部署别把 MCP 放进关键路径。

OAuth / 渠道授权失败：飞书、LINE 这类渠道报 OAuth 错，通常是 App ID / Secret 填错，或 webhook 地址不可达。飞书走 WebSocket 长连接，不需要公网 webhook；LINE 要求 HTTPS webhook，得先配好域名和反向代理。

模型列表里没有 taotoken 条目：JSON 语法错误导致整段models被忽略。用jq . ~/.openclaw/openclaw.json校验一下，能解析出内容才说明格式对。

CC Switch / Cline MCP / Codex auth.json 场景：如果你是在这些工具里配 TaoToken，记住三件套要写全——Base URL 填https://taotoken.net/api，Key 填 TaoToken Key，Model ID 填具体模型名。缺任何一个都会连不上。

6. 扩展与长期使用建议

跑通之后，扩展顺序建议是：先接一个最稳的渠道（Telegram 或飞书），再补 Skills，最后才碰 MCP。飞书用openclaw channels add选 Feishu，填 App ID / Secret，走 WebSocket 不用公网。Skills 在 Linux 上用 ClawHub：

npm i -g clawhub clawhub search "calendar" clawhub install <skill-slug> openclaw skills check -v

长期在线的关键是别用 root 跑网关，用专门的openclaw普通用户，配合 systemd user unit 和loginctl enable-linger，退出 SSH 后服务照常运行。Dashboard 永远走 loopback + token + SSH 隧道，只有确实需要 webhook 的渠道才开公网 HTTPS。

如果你后面要接更多模型，TaoToken 统一通道的价值就体现出来了：加一个模型只需要在models.providers.taotoken.models里加一条，Key 和 Base URL 都不用动。想深入用统一 Key 管理多模型调用，可以从 API Keys 页面拿 Key，再对照接入文档把参数填全；想先验证模型效果，直接在模型对话里试；如果是长期编码或 Agent 场景，Coding Plan 会更省心。