企业官网建设流程全解析

1. 为什么要在腾讯云上跑 OpenClaw，还要接飞书

OpenClaw 是一个能自主操作浏览器、读写文件、执行命令的 AI Agent 框架，你可以把它理解成一个 7x24 小时待命的数字员工。它和传统自动化脚本最大的区别在于：你不需要写死每一步逻辑，用自然语言描述任务，它会自己拆解、执行、根据结果调整。适合谁？适合想把重复性工作（比如定时抓数据、跑 UI 回归、整理文档）交给 AI 但又不想把数据传到第三方沙箱的开发者。

我选择腾讯云轻量应用服务器来部署，原因很直接：OpenClaw 权限很高，能操作整台机器的文件系统，放在主力电脑上跑风险太大。云端部署的好处是不占本地资源、可以 7x24 小时运行，而且腾讯云有现成的 OpenClaw 镜像，省去手动装依赖的麻烦。飞书作为交互入口，是因为它的事件订阅支持长连接模式，不需要公网 IP 回调，对个人开发者非常友好。

整条链路是这样的：腾讯云轻量服务器跑 OpenClaw 核心 → 阿里云百炼 CodingPlan 提供模型推理能力 → 飞书机器人作为对话入口 → TaoToken 统一管理 API Key 和模型路由。下面我会给出可复制的 config.toml 骨架、settings.json 配置片段，以及飞书回调验证的具体动作。

2. 前置准备：TaoToken 统一 Key 与阿里云百炼 CodingPlan

在开始部署之前，先把两个关键凭证准备好：模型侧的 CodingPlan API Key 和统一网关的 TaoToken Key。

阿里云百炼 CodingPlan 是包月套餐，每 5 小时自动刷新额度，适合 OpenClaw 这种高频调用场景。购买后在控制台生成 API Key，格式通常是sk-开头的一串字符。这里注意：CodingPlan 的 Key 只能用于百炼平台，如果你后续想切换模型或者做多模型路由，就需要 TaoToken 来统一管理。

TaoToken 的作用是提供一个统一的 API 入口，你可以在一个地方管理多个模型供应商的 Key，OpenClaw 只需要配置一个 Base URL 和一个 Key 就能调用不同模型。访问 https://taotoken.net/api 获取 API Key，然后在控制台创建你的第一个 Key。建议给 OpenClaw 单独创建一个 Key，方便后续排查调用量。

拿到两个 Key 之后，在腾讯云轻量服务器控制台的「应用管理」页面，先配置模型。选择「阿里云百炼 CodingPlan」作为模型供应商，填入百炼的 API Key，点击添加并应用。如果你想让 OpenClaw 通过 TaoToken 走统一网关，就在模型配置里选择「自定义 OpenAI 兼容接口」，Base URL 填https://taotoken.net/api，Key 填 TaoToken 的 Key，Model ID 填你要用的模型名，比如qwen3-coder或glm-4.7。

这里有个细节：OpenClaw 的模型配置和通道配置是分开的。模型决定「大脑」，通道决定「嘴巴」。先把模型配好，确认能正常推理，再去配飞书通道，否则飞书那边消息进来了但模型没响应，排查起来会很乱。

3. 可复制配置：config.toml 骨架与 settings.json 片段

OpenClaw 在腾讯云镜像里的配置文件路径通常是/root/.openclaw/config.toml，如果你用的是自定义安装，路径可能是~/.config/openclaw/config.toml。下面是一个可以直接复制修改的骨架：

# /root/.openclaw/config.toml [server] host = "0.0.0.0" port = 8080 log_level = "info" [model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-your-taotoken-key" model_id = "qwen3-coder" max_tokens = 8192 temperature = 0.7 [channel.feishu] enabled = true app_id = "cli_xxxxxxxxxxxx" app_secret = "your_app_secret" verification_token = "your_verification_token" encrypt_key = "your_encrypt_key" use_long_connection = true [agent] workspace = "/root/openclaw-workspace" allowed_commands = ["ls", "cat", "grep", "curl", "python3"] max_execution_time = 300

如果你更习惯用 JSON 格式的 settings.json，OpenClaw 也支持。在~/.openclaw/settings.json里写入：

{ "model": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "sk-your-taotoken-key", "model_id": "qwen3-coder" }, "channel": { "feishu": { "app_id": "cli_xxxxxxxxxxxx", "app_secret": "your_app_secret", "use_long_connection": true } }, "agent": { "workspace": "/root/openclaw-workspace", "max_execution_time": 300 } }

注意三个关键点：Base URL 必须带https://，不要写成taotoken.net/api；Model ID 要和 TaoToken 控制台里显示的模型名完全一致，大小写敏感；飞书的use_long_connection设为true后就不需要配置公网回调地址了，这是个人开发者最省事的方案。

配置写完后，重启 OpenClaw 服务：

systemctl restart openclaw systemctl status openclaw

如果状态显示active (running)，说明配置加载成功。如果报错，先看/var/log/openclaw/error.log，最常见的错误是api_key invalid或model not found，前者检查 Key 是否复制完整，后者检查 Model ID 拼写。

4. 验证请求：从 curl 测试到飞书端到端联调

配置写好了不代表链路通了，必须一步步验证。先测模型侧，再测飞书侧，最后端到端。

第一步，用 curl 直接测 TaoToken 的接口是否可用：

curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-your-taotoken-key" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-coder", "messages": [{"role": "user", "content": "回复一个字：好"}], "max_tokens": 10 }'

如果返回 JSON 里有choices字段且内容正常，说明模型侧通了。如果返回 401，说明 Key 有问题；如果返回model not found，说明 Model ID 不对。

第二步，测 OpenClaw 本地接口：

curl -X POST http://localhost:8080/v1/chat \ -H "Content-Type: application/json" \ -d '{"message": "你好，测试一下"}'

这一步验证 OpenClaw 服务本身是否正常加载了模型配置。

第三步，飞书侧验证。在飞书开放平台确认三件事：事件订阅方式选的是「长连接」；已添加im.message.receive_v1事件；权限管理里导入了完整的 JSON 权限配置。然后发布版本，在飞书里给机器人发一条消息，比如「你好」。如果机器人回复了内容，说明链路通了。如果没回复，去 OpenClaw 日志里搜feishu关键字，看是否有event received记录。

第四步，配对。首次使用时，飞书机器人会返回一个 Pairing code，在服务器上执行：

openclaw pairing approve feishu <配对码>

配对成功后，再发消息就能正常对话了。实测下来，从发消息到收到回复，延迟大概在 2-3 秒，主要取决于模型推理速度。

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

部署过程中最容易踩的坑集中在几个报错上，我按出现频率排序。

401 Unauthorized：九成是 Key 的问题。先确认 TaoToken 的 Key 有没有复制完整，注意不要有多余空格。如果用的是百炼 CodingPlan 的 Key 直连，检查 Key 是否已激活、套餐是否在有效期内。还有一种情况是 Base URL 写错了，比如写成了https://taotoken.net/api/v1而实际应该是https://taotoken.net/api，多一层路径会导致鉴权失败。

local proxy failed：这个报错通常出现在 OpenClaw 尝试通过本地代理访问外部接口时。检查服务器是否有环境变量HTTP_PROXY或HTTPS_PROXY被设置，如果有就 unset 掉。另外确认服务器的 DNS 能正常解析taotoken.net，用nslookup taotoken.net测一下。

reading choices 报错：完整报错通常是error reading choices from response，意思是模型返回的 JSON 结构不符合预期。原因可能是 Model ID 填错了，比如填了一个 TaoToken 不支持的模型名，接口返回了错误信息而不是标准的 choices 结构。解决方法是先用 curl 单独测一下该 Model ID 是否可用。

OAuth 相关报错：飞书侧如果出现 OAuth 错误，检查 App ID 和 App Secret 是否匹配，以及应用是否已发布版本。未发布的应用无法接收事件。另外确认「事件与回调」里的订阅方式是长连接，如果选的是 Webhook 但没配公网地址，也会报 OAuth 验证失败。

飞书消息无响应：先看 OpenClaw 日志有没有收到事件，如果收到了但没回复，说明模型侧有问题；如果根本没收到事件，说明飞书配置有问题。分步排查比盲目改配置高效得多。

6. 长期运行建议与统一 Key 管理

部署跑通只是第一步，长期稳定运行还需要注意几件事。

第一，把 OpenClaw 配置成 systemd 服务，开机自启。腾讯云镜像通常已经配好了，但如果你是自己安装的，需要手动创建 service 文件。这样服务器重启后 OpenClaw 会自动恢复，不用手动登录去启动。

第二，用 TaoToken 统一管理 Key。当你后续想切换模型、增加新的供应商时，只需要在 TaoToken 控制台操作，OpenClaw 侧的配置不用改。比如你今天用qwen3-coder，明天想换成glm-4.7，只改 config.toml 里的model_id就行，Base URL 和 Key 都不变。访问 https://taotoken.net/api-keys 可以创建和管理多个 Key，建议给不同用途分配不同的 Key，方便追踪调用量。

第三，定期检查日志和额度。CodingPlan 每 5 小时刷新额度，如果 OpenClaw 任务比较重，可能会在刷新前耗尽。可以在 TaoToken 控制台设置用量提醒，或者用 API 查询余额。日志方面，重点关注error和timeout关键字，提前发现潜在问题。

第四，工作目录权限控制。OpenClaw 的workspace目录建议单独设置，不要直接指向/root或/，避免误操作影响系统文件。在 config.toml 里把allowed_commands限制在必要范围内，减少安全风险。

如果你需要更完整的接入文档和配置示例，可以访问 https://taotoken.net/doc 查看。模型对话调试可以用 https://taotoken.net/chat，Coding Plan 的详细说明在 https://taotoken.net/coding-plan。整套链路跑通后，你可以在飞书里直接给 OpenClaw 派任务，比如「帮我抓取某个页面的数据并整理成表格」，它会自己规划步骤并执行。