企业官网建设流程全解析

1. OpenClaw 本地部署到底解决什么问题，适合谁

OpenClaw 是一个跑在本机的 AI 网关，你可以把它理解成「编辑器与模型之间的中转站」：VS Code、Cline、Continue 这类客户端把请求发给它，它再按你配置的通道转发给背后的模型。它本身不训练模型，也不绑定某一家厂商，核心价值是把「客户端接入」和「模型通道」这两件事解耦——今天用本地 Ollama，明天换成云端统一 Key，只改一处配置，编辑器侧完全不用动。

适合的人群很明确：一是在 Windows/macOS/Linux 上做本地开发的同学，希望把 AI 补全、对话、Agent 能力接进 VS Code，又不想每个插件都单独填一遍 Key；二是手里同时有本地模型和云端模型，想按任务切换；三是团队里想统一出口、统一计费口径，避免每个人的 Key 散落在各个插件配置里。如果你只是偶尔在网页里问两句，那本地部署确实偏重；但只要涉及「长期编码 + 多客户端 + 多模型」，这套网关就值得搭一次。

这篇按真实操作顺序走：先验证环境依赖，再装 OpenClaw，然后配置模型与网关，最后接入 VS Code 并做一次验证请求。模型通道部分我用 TaoToken 的统一 Key 来演示，因为它把多家模型的入口收敛成一个 Base URL + 一个 Key，配置片段短、排错路径清晰。官网入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ，注册后到控制台拿 Key 即可，后面第三节会给完整片段。

需要提前说清楚版本门槛：OpenClaw 2026 版要求 Node.js v22 及以上，npm v10 及以上。Node 版本不够是最常见的翻车点，很多人卡在openclaw --version报错，其实根因是 Node 还是 18 或 20。所以第一步不是装 OpenClaw，而是把 Node 环境验干净。

另外提醒一句：OpenClaw 的配置文件默认落在用户目录的隐藏文件夹里（Windows 是C:\Users\<用户名>\.openclaw\openclaw.json，macOS/Linux 是~/.openclaw/openclaw.json），改端口、改 Token、改模型通道都在这一个文件里。记住这个路径，后面排错会反复用到。

2. 环境验证与 OpenClaw 安装：node --version 报错与 nvm 切换实战

2.1 先验依赖，别急着装

打开终端（Windows 用 PowerShell 或 CMD，macOS/Linux 用 Terminal），依次执行：

node --version npm --version

通过标准是node输出v22.x.x及以上，npm输出v10.x.x及以上。比如v22.14.0+10.9.0就是合格的。如果 Node 是 v18 或 v20，先别装 OpenClaw，装了也会在启动阶段报模块不兼容。

我试过在一台老机器上直接npm install -g openclaw@latest，装是装上了，但openclaw configure一跑就崩，报的是 Node 内置模块 API 不存在。后来把 Node 升到 22 才顺。所以顺序一定是：先升 Node，再装 OpenClaw。

2.2 用 nvm 管理 Node 版本（推荐）

直接覆盖安装 Node 容易把系统里其他项目依赖搞乱，用 nvm 更稳。Windows 用 nvm-windows，macOS/Linux 用 nvm。装好后先看当前有哪些版本：

nvm list

输出里带*的是当前使用版本。假设你现在是 20.11.1，想升到 22 以上：

nvm install 22.14.0 nvm use 22.14.0 node --version

node --version确认输出v22.14.0就切换成功了。如果你想要更新的版本，nvm install latest也行，但注意 latest 可能是奇数版本（非 LTS），生产环境建议锁 LTS。切换完再验一次 npm：

npm --version

2.3 全局安装 OpenClaw

环境过关后安装：

npm install -g openclaw@latest

安装过程会拉几百个包，慢是正常的。装完验证 CLI 是否可用：

openclaw --version

通过标准是输出2026.x.x及以上，例如OpenClaw 2026.3.8 (3caab92)。如果提示openclaw 不是内部或外部命令或command not found，说明 npm 的全局 bin 目录没进 PATH。查一下全局目录：

npm config get prefix

把这个路径（Windows 通常是C:\Users\<用户名>\AppData\Roaming\npm）加进系统环境变量 PATH，重开终端再试。这一步是纯环境问题，跟 OpenClaw 本身无关。

2.4 建一个工作目录

OpenClaw 会往工作目录写会话和缓存，建议单独建一个干净目录，别放在系统盘根目录：

mkdir G:\OpenClaw cd G:\OpenClaw

macOS/Linux 对应mkdir -p ~/OpenClaw && cd ~/OpenClaw。后面所有配置命令都在这个目录下执行，配置文件本身仍然写在~/.openclaw/里，两者不冲突。

3. 可复制配置：openclaw.json 里接入 TaoToken 统一 Key

3.1 启动交互式配置

在刚才的工作目录里执行：

openclaw configure

会进入一个交互式界面，依次问你网关运行位置、要配置哪些模块。第一项Where will the Gateway run?选Local (this machine)。然后Select sections to configure里，我们重点配三块：Workspace、Model、Gateway。

Workspace 目录填你刚建的路径，比如G:\OpenClaw。它会自动创建 sessions 目录并写入~/.openclaw/openclaw.json。

3.2 模型通道：用 TaoToken 统一 Key

到了Model/auth provider这一步，如果你用 TaoToken 的统一通道，选OpenAI Compatible或Custom（不同小版本菜单文案略有差异，认准「兼容 OpenAI 协议」那一项）。然后按提示填三个值：

• Base URL：https://taotoken.net/api
• API Key：你在 TaoToken 控制台生成的 Key
• Model ID：你要用的模型标识，比如claude-sonnet-4-5或gpt-4o这类，以控制台模型列表为准

如果你更想直接改配置文件，也可以跳过交互，手动编辑~/.openclaw/openclaw.json。下面是一段可直接复制的片段，路径与字段名以你本地实际文件为准，合并进已有的models.providers节点即可：

{ "models": { "providers": { "taotoken": { "type": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "models": [ { "id": "claude-sonnet-4-5", "name": "Claude Sonnet 4.5" } ] } }, "default": "taotoken/claude-sonnet-4-5" } }

注意baseUrl结尾不要多加/v1，TaoToken 的 API 入口就是https://taotoken.net/api，多写一层路径会导致 404。default字段决定默认走哪个模型，格式是provider名/模型ID。

3.3 网关配置

回到Select sections to configure，选Gateway：

• Gateway port：默认18789，没冲突就别改
• Gateway bind mode：选Loopback (Local only)，只监听本机，更安全
• Gateway auth：选Token
• Tailscale exposure：选Off，本地开发不需要外网暴露
• Gateway token source：选Generate/store plaintext token

界面会生成一串随机 Token，形如783691885311de7ffd0d38c0ab9e78bee0f0399fbfe0c4b3。务必复制保存，VS Code 插件连接时要用。配置完成后系统会自动备份旧文件为openclaw.json.bak并写入新配置。

3.4 关于 Key 与模型 ID 的三件套

不管用哪家通道，接入任何客户端都逃不开三件套：Base URL、API Key、Model ID。TaoToken 的价值在于前两项对所有模型是统一的，你换模型只改 Model ID。如果你后面要接 Claude Code 或 Codex 这类工具，它们的auth.json或环境变量里填的也是同样三件套，逻辑完全一致。拿 Key 的入口在控制台，文档在 https://taotoken.net/api 对应的接入说明页，遇到字段疑问先翻文档比瞎试快。

4. 启动运行与验证请求：从 Configure complete 到收到回复

4.1 启动服务

配置界面最后选Continue，终端会打印一段启动信息：

Control UI Web UI: http://127.0.0.1:18789/ Gateway WS: ws://127.0.0.1:18789 Gateway: not detected (gateway closed (1006 abnormal closure...)) Docs: https://docs.openclaw.ai/web/control-ui — Configure complete.

看到Gateway: not detected和1006 abnormal closure先别慌。这是启动瞬间还没有客户端连上来导致的正常现象，不代表服务挂了。只要窗口没报错退出，网关就在运行。保持这个终端窗口开着（可以最小化，但别关），它就是服务端进程。

4.2 浏览器验证控制台

打开浏览器访问http://127.0.0.1:18789/，能看到 OpenClaw 的 Control UI，里面有实时日志、会话历史和系统状态。如果页面打不开，说明网关没起来，回到终端看有没有报错。

4.3 接入 VS Code 并做验证请求

打开 VS Code，进入 OpenClaw 插件的设置页，填两项：

• WebSocket URL：ws://127.0.0.1:18789
• Token：第 3.3 步保存的那串

点 Connect 或 Save。然后在聊天窗口发一句Hello, are you ready?。收到模型回复就说明整条链路通了：VS Code → 本地网关 → TaoToken 通道 → 模型 → 原路返回。

4.4 验证动作与结果对照表

这张表建议存下来，下次换机器部署照着走一遍，五分钟能定位到卡在哪一环。

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

5.1 401 Unauthorized

最常见。三种原因：Key 填错（多空格、少字符）、Key 已失效或被重置、Base URL 写成了带/v1的地址导致鉴权路径不对。排查顺序是先确认https://taotoken.net/api没写错，再回控制台重新生成一个 Key 替换。改完配置记得重启网关，配置文件是启动时读取的。

5.2 local proxy failed / connection refused

这个报错说明网关转发请求时连不上上游。如果是本地模型（Ollama/LM Studio），检查它们是否在运行、端口是否对（Ollama 默认11434，LM Studio 默认1234）。如果是云端通道，检查本机网络能否正常访问taotoken.net。还有一种情况是网关进程本身没起来，local proxy failed只是表象，回终端看真实堆栈。

5.3 reading choices / cannot read property 'choices'

这是响应体解析失败，通常意味着上游返回的不是标准 OpenAI 格式。原因可能是 Model ID 填了一个该通道不支持的模型，或者 Base URL 指错了服务。解决方法是先用 curl 直接打一次接口，确认返回结构：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的密钥" \ -H "Content-Type: application/json" \ -d '{"model":"claude-sonnet-4-5","messages":[{"role":"user","content":"hi"}]}'

如果 curl 能返回带choices的 JSON，说明通道没问题，问题在 OpenClaw 配置；如果 curl 也报错，就是 Key 或模型 ID 的问题。

5.4 OAuth 相关报错

如果你在配置时选了 Qwen OAuth 这类需要浏览器授权的通道，报错通常是 token 过期或授权被撤销。这类通道的 token 会自动刷新，刷新失败就得重新跑一次登录流程。相比之下，用统一 Key 的通道没有 OAuth 环节，少一层状态，排错更简单——这也是我在多客户端场景下更倾向统一 Key 的原因。

5.5 端口占用与 Token 不匹配

18789被占用时网关起不来，改配置文件里的端口，同时 VS Code 侧也要同步改。Token 不匹配的表现是 VS Code 一直连不上但网关日志正常，检查有没有复制时漏字符或带上了换行。Token 必须完全一致，多一个空格都会认证失败。

6. 后续怎么用：把统一 Key 接到更多客户端

网关跑起来之后，OpenClaw 本身只是个中转，真正干活的是接在它后面的客户端。除了 VS Code，你还可以把 Cline、Continue 这类插件指向同一个ws://127.0.0.1:18789，它们共享同一套模型配置，换模型只改一处。

如果你要做长期编码或 Agent 任务，建议了解一下 Coding Plan 这类按周期计费的方案，比按量计费更适合高频调用：https://taotoken.net/api 对应的控制台里能看到具体入口。日常想快速验证某个模型效果，直接用模型对话页面测一句就行，不用每次都走本地网关。

最后给一个实用习惯：每次改完openclaw.json，先跑openclaw --version确认 CLI 正常，再启动网关，最后用 curl 打一次接口。这三步能把「配置错误」和「服务未启动」两类问题彻底分开，省掉大量瞎猜时间。配置文件建议纳入版本管理（把 Key 抽成环境变量），换机器时复制过去改个 Key 就能跑。