企业官网建设流程全解析

1. 从 Clawdbot 到 OpenClaw：本地 AI 智能助手到底解决什么问题

如果你之前折腾过 Clawdbot 或者 Moltbot，会发现它们改名的消息满天飞，社区里一堆人问「原来的配置还能不能用」。我先把结论放前面：OpenClaw 就是 Clawdbot / Moltbot 这条线的新名字，核心定位没变——一个本地优先、开源、能接你自己渠道的个人 AI 智能助手框架。你把它理解成「跑在自己机器上的 AI 中枢」就行，它负责把模型能力、本地文件、浏览器、日历、消息渠道串起来，让 AI 从「只会聊天」变成「能替你干活」。

为什么很多人聊了半天大模型，最后还是回到手动复制粘贴？因为大多数在线助手被关在网页里，碰不到你的本地环境。你想让它整理一个文件夹的笔记，它说做不到；你想让它定时检查某个页面变化，它也没有定时器。OpenClaw 补的就是这「最后一公里」：AI 能读你的文件、能调工具、能按计划执行任务，而且数据留在你自己的设备上。

这篇面向第一次接触 OpenClaw 的开发者，走一条从零到跑通第一个自动化任务的完整路径。重点有三块：Skills 怎么写和怎么被调用、Clawdbot/Moltbot 迁移时要注意什么、以及怎么用 TaoToken 统一 Key 和 API 通道把模型接进来。热词里提到的 OpenClaw、AI 智能助手、自动化、Skills，我都会落到可复制的配置和命令上，而不是停在概念。

适合谁看？有基本命令行知识、装过 Node.js、想搭一个属于自己的 AI 助手的开发者。如果你完全没碰过终端，跟着一步步来也能走通，但遇到报错要愿意看日志。不适合只想开箱即用、不愿意配置的人。

先明确一个心智模型：OpenClaw 里 Agent 是执行主体，Session 是一次会话上下文，Skill 是可被调用的能力单元。你写一个 Skill，本质是告诉 Agent「遇到这类任务时，按这个流程、调这些工具去做」。自动化则是把 Skill 和定时/触发条件绑在一起。理解了这三层，后面的配置就不会晕。

环境上你需要 Node.js v18 以上，推荐 v20。检查一下：

node -v npm -v

如果版本太低，用 nvm 装一个：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash nvm install 20 nvm use 20

装好之后，OpenClaw 的安装和初始化我会在下一节和 TaoToken 接入一起讲，因为模型通道没配好，助手跑起来也是空转。

2. TaoToken 前置：统一 Key 与 API 通道接入 OpenClaw 模型配置

很多人卡在第一步不是不会装 OpenClaw，而是模型 API 太散：Claude 一个 Key、GPT 一个 Key、Kimi 又一个 Key，切换模型要改一堆环境变量。我的做法是用 TaoToken 做统一通道，一个 Key 走多家模型，OpenClaw 侧只认一个 Base URL 和一个 Key，换模型只改 Model ID。

TaoToken 在这里的角色是模型 API 聚合入口，官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 端点是 https://taotoken.net/api 。注意 API 地址不要加 UTM 参数，配置里写干净的 https://taotoken.net/api 就行。

先去控制台拿 Key，入口在 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，Key 管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。拿到形如sk-xxxx的 Key 之后，先别急着写进 OpenClaw，用一条 curl 验证通道是否通：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-20250514", "messages": [{"role": "user", "content": "只回复：通道正常"}] }'

返回里有choices[0].message.content就说明 Key 和通道没问题。这一步很关键，因为 OpenClaw 报错时你分不清是框架问题还是 Key 问题，先隔离验证能省很多时间。

OpenClaw 的模型配置一般放在项目根目录的配置文件里，常见是openclaw.config.json或环境变量方式。我用 JSON 配置演示，路径按你实际安装目录来：

{ "models": { "default": "claude-sonnet-4-20250514", "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的Key", "models": [ "claude-sonnet-4-20250514", "gpt-4o", "kimi-k2-0711-preview" ] } } } }

如果你更习惯环境变量，等价写法是：

export OPENCLAW_MODEL_PROVIDER=taotoken export OPENCLAW_BASE_URL=https://taotoken.net/api export OPENCLAW_API_KEY=sk-你的Key export OPENCLAW_DEFAULT_MODEL=claude-sonnet-4-20250514

这里三件套必须齐全：Base URL、Key、Model ID。少任何一个，OpenClaw 启动时要么连不上，要么默认模型为空。Model ID 要和你 TaoToken 账号里可用的模型名一致，写错了会返回模型不存在。

配好之后跑一次 OpenClaw 的模型自检命令（不同版本命令名略有差异，常见是openclaw doctor或openclaw models test）：

openclaw doctor

看到 provider 为 taotoken、default model 正确、连通性 OK，就可以进入下一步写 Skill 了。如果你还想在网页里直接对比不同模型的回答质量，可以用模型对话页 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite 先试几轮，确定默认模型再写进配置。

3. 可复制配置：OpenClaw Skills 编写模板与自动化任务落地

Skills 是 OpenClaw 里最值得花时间的地方。一个 Skill 通常是一个目录，里面至少有一个SKILL.md描述元信息，加上可选的脚本或工具声明。Agent 在规划任务时会读取这些描述，决定要不要调用、怎么调用。

先建目录结构：

mkdir -p ~/.openclaw/skills/daily-report cd ~/.openclaw/skills/daily-report

然后写SKILL.md。下面这个模板可以直接复制，改掉 name、description 和步骤即可：

--- name: daily-report description: 汇总指定目录下的 Markdown 笔记，生成一份当日摘要报告 version: 1.0.0 author: your-name triggers: - 生成日报 - 汇总笔记 tools: - read_file - write_file - list_dir --- # Daily Report Skill ## 目标 读取 `~/notes` 目录下最近修改的 Markdown 文件，提取要点，生成 `~/reports/daily-YYYYMMDD.md`。 ## 执行步骤 1. 使用 list_dir 列出 `~/notes` 下所有 .md 文件。 2. 按修改时间排序，取最近 10 个。 3. 使用 read_file 读取内容，提取标题和一级要点。 4. 汇总为结构化 Markdown，写入 `~/reports/daily-YYYYMMDD.md`。 5. 返回生成的文件路径和条目数量。 ## 约束 - 不修改原始笔记文件。 - 报告文件不存在时自动创建目录。 - 单次读取文件不超过 200KB。

triggers是给 Agent 的语义提示，用户说「帮我生成日报」时更容易命中。tools声明这个 Skill 需要哪些内置工具，OpenClaw 会在调用前做权限检查。步骤写得越具体，Agent 执行越稳，别写「分析一下内容」这种模糊描述。

写完 Skill 后，用 CLI 注册并查看是否被识别：

openclaw skills list openclaw skills reload

如果列表里出现daily-report，说明加载成功。接着做自动化绑定。OpenClaw 的定时任务配置一般在openclaw.config.json的automations段：

{ "automations": [ { "name": "每晚生成日报", "schedule": "0 22 * * *", "skill": "daily-report", "input": { "sourceDir": "~/notes", "outputDir": "~/reports" }, "enabled": true } ] }

schedule是标准 cron 表达式，0 22 * * *表示每天 22 点执行。input会作为参数传给 Skill。改完配置重启 OpenClaw 服务：

openclaw restart openclaw automations list

看到任务处于 enabled 状态就绑好了。想手动触发一次验证，不用等到 22 点：

openclaw run daily-report --input '{"sourceDir":"~/notes","outputDir":"~/reports"}'

这一步能跑通，说明 Skill 逻辑和工具权限都没问题。如果你要接的是长期编码或 Agent 类任务，模型调用量会比较大，可以考虑用 Coding Plan 通道 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，把编码场景的额度单独规划，避免和日常对话抢配额。

关于 Clawdbot/Moltbot 迁移，重点看两处：一是配置文件名和字段名可能变了，旧版clawdbot.config.json里的 provider 段要按新版models.providers结构重写；二是 Skills 目录路径，旧版可能在~/.clawdbot/skills，新版统一到~/.openclaw/skills。迁移时先把旧目录复制过来，再逐个openclaw skills reload验证，别一次性全量切换。

4. 验证请求：本地运行 OpenClaw 并跑通第一个自动化任务

配置和 Skill 都就位后，做一次端到端验证。先启动 OpenClaw 服务，前台运行方便看日志：

openclaw start --foreground

日志里应该能看到 provider 初始化、skills 加载数量、automations 注册条数。如果 provider 那行报连接失败，回到第 2 节检查 Base URL 和 Key。

服务起来后，用 CLI 发一条自然语言指令，测试 Agent 能不能命中 Skill：

openclaw ask "帮我生成今天的日报，笔记在 ~/notes"

预期返回类似：

{ "skill": "daily-report", "status": "success", "output": "~/reports/daily-20250612.md", "items": 8 }

然后确认文件真的生成了：

ls -lh ~/reports/ cat ~/reports/daily-20250612.md

打开报告看内容结构是否合理。如果条目为空，多半是~/notes路径不对或没有 .md 文件；如果报工具权限错误，检查SKILL.md里tools是否声明了read_file、list_dir。

再验证定时任务是否被调度器接管：

openclaw automations status

输出里会显示下次执行时间。想快速验证 cron 逻辑，可以临时把 schedule 改成*/2 * * * *（每两分钟），观察日志里是否自动触发，验证完改回 22 点。

如果你还想在接入前先确认某个模型对这类任务的理解能力，可以在模型对话页 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite 里贴一段 Skill 描述，问它「你会怎么执行」，对比几个模型的规划质量，再决定默认模型。

到这里，第一个自动化任务就跑通了：模型通道走 TaoToken，Skill 负责具体逻辑，automation 负责触发。后面你要加新能力，就是复制这个模板改步骤，成本很低。

5. 本篇常见错排查：401、local proxy failed 与 reading choices 报错

实际跑的时候，报错集中在几个地方。我按真实遇到的顺序列一下，对照日志定位。

401 Unauthorized。最常见，Key 错了、过期了、或者复制时带了空格。先单独 curl 验证：

curl -i https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{"model":"claude-sonnet-4-20250514","messages":[{"role":"user","content":"ping"}]}'

返回 401 就重新去 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 生成一个 Key。注意配置里不要写成Bearer Bearer sk-xxx，也不要漏掉Bearer前缀。

local proxy failed。这个报错通常出现在 OpenClaw 尝试走本地转发但端口没起来，或者 Base URL 写成了localhost。检查配置里baseUrl是不是https://taotoken.net/api，别写成http://127.0.0.1:xxxx。如果你本地有其它服务占用端口，也会触发类似提示，换端口或关掉冲突服务。

reading 'choices' of undefined。这是响应结构不符合预期，OpenClaw 拿不到choices字段。原因一般是 Base URL 少了/v1或多了/v1。TaoToken 的对话端点完整路径是https://taotoken.net/api/v1/chat/completions，配置里baseUrl写https://taotoken.net/api，框架会自动拼/v1/chat/completions。如果你手动写成了https://taotoken.net/api/v1，就会变成/v1/v1/...，返回结构自然不对。

OAuth 相关报错。如果你用的是需要 OAuth 的客户端（比如某些 Claude Code 场景），报 OAuth 失败时先确认是不是把 API Key 模式误配成了 OAuth 模式。OpenClaw 走的是 Key 模式，不需要 OAuth 流程。Claude Code 接入可以参考文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 里的说明，ClaudeCodeAnthropic 专用入口在 https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claudecode&utm_campaign=rewrite 。

Skill 不触发。Agent 没命中 Skill，先openclaw skills list确认加载，再看triggers关键词是否和用户说法差太远。把常见说法都加进 triggers，比如「日报」「总结笔记」「汇总今天」。

automation 不执行。检查enabled是否为 true，cron 表达式是否写错（五个字段，不是六个），以及 OpenClaw 服务是否在后台常驻。前台跑的时候关掉终端，任务就停了。

排障时优先看 OpenClaw 日志里的 provider 和 skill 两段，90% 的问题在这两处。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，遇到通道问题先查文档再改配置。

6. 语义一致 CTA：把 OpenClaw 接入通道固定下来

跑通第一个任务之后，建议把模型通道固定成一套配置，别每次换模型都改代码。我的习惯是：TaoToken 的 Key 只放一份，OpenClaw 配置里 provider 只写 taotoken，需要换模型时改default字段的 Model ID。这样迁移 Clawdbot/Moltbot 旧配置时，只需要把旧 provider 段替换成这一套，Skills 和 automations 基本不用动。

如果你主要做排障和接入，先把 API Keys 和接入文档过一遍：Key 管理在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。想先验证模型回答质量再决定默认模型，用模型对话页 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite 。长期跑编码和 Agent 任务，用 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 单独规划额度。

最后留一个我踩过的坑：Skill 的SKILL.md里步骤别写太抽象，Agent 规划时会自由发挥，结果不稳定。把每一步对应到具体工具和具体路径，跑十次结果都一致，这才算真正可用的自动化。