1. 为什么我非要在 Windows 上把 OpenClaw 跑起来OpenClaw 是一个能自主拆解任务、直接操控电脑完成操作的智能体框架社区里因为它的龙虾图标都管它叫“小龙虾”。它和普通对话式 AI 最大的区别在于你给它一句“把 D 盘下载文件夹里的图片按日期归档”它会自己规划步骤、调用系统能力、真的去建文件夹、真的去移动文件而不是只回你一段“你可以这样做”的文字。适合谁适合每天被重复性电脑操作拖住的人——整理文件、批量改表格、定时抓信息、跨软件搬运数据这些活儿交给它比你自己点鼠标快得多。但 Windows 上的部署说实话坑比 Linux 多。我自己前前后后折腾了将近一周遇到过安装脚本跑一半断掉、Gateway 起不来、模型 Key 配好了却一直 401、任务执行到一半报local proxy failed各种情况。网上很多教程要么只讲“点下一步”要么默认你已经在 Linux 环境里Windows 用户照着做十有八九卡住。这篇我按真实复现的顺序来写先把 Windows 环境依赖理清楚再给一份可以直接抄的配置文件然后重点讲怎么用 TaoToken 的统一 Key 和 API 通道把模型接进来——这一步是很多人部署“成功”但任务跑不动的根因。最后附一张我自己踩过的报错对照表你对着改基本能通。全程命令和配置都能复制不需要你懂多少底层原理跟着做就行。需要先说明一点OpenClaw 本身是任务执行框架它自己不带模型能力必须外接一个大模型 API 才能“思考”。所以部署分两段——框架跑起来模型接上去。很多人第一段成了就以为完事结果输入指令没反应其实是第二段没配。2. 部署前的 Windows 环境准备与依赖清单先说结论OpenClaw 在 Windows 上跑核心依赖是三样——Node.js 运行时、Git部分安装方式需要拉取依赖、以及一个能正常访问外网的网络环境用于下载 npm 包。另外 Python 不是必须的但如果你要用到某些需要本地脚本执行的技能插件装一个 3.10 的 Python 会更省事。Node.js 版本这块我要重点提醒。OpenClaw 官方推荐 Node 18 LTS 或 20 LTS我实测 Node 22 也能跑但个别依赖包在 22 上会有 warning不影响使用。千万别用 Node 16 及以下会在安装阶段直接报engine unsupported。装的时候去 Node 官网下 Windows Installer.msi一路下一步记得勾选“Add to PATH”否则后面命令行里node -v会提示找不到命令。装完验证一下打开 PowerShell建议用管理员身份后面有些操作需要写权限node -v npm -v git --version正常应该输出类似v20.11.1、10.2.4、git version 2.43.0。如果node能出但npm报错多半是 PATH 没刷新关掉 PowerShell 重开一次。接下来是安装路径的硬性要求这是 Windows 部署失败率最高的一点路径必须是纯英文不能有中文、空格、特殊符号。我见过太多人装在D:\软件\OpenClaw或者C:\Users\张三\Desktop\小龙虾结果 Gateway 启动时读配置文件路径乱码直接崩。推荐用D:\OpenClaw或E:\AI\OpenClaw这种干净路径。也别装 C 盘模型缓存和日志会长得很快占系统盘拖慢机器。网络方面npm 安装依赖时如果卡在fetch阶段可以换国内镜像源加速npm config set registry https://registry.npmmirror.com这条只是加速包下载不影响后续 API 调用。设完可以用npm config get registry确认。还有一个容易被忽略的Windows Defender 的实时保护有时会把 OpenClaw 的某些可执行文件当成可疑程序拦截导致安装到一半文件缺失。如果你在安装日志里看到EPERM或文件写入失败去“Windows 安全中心 → 病毒和威胁防护 → 排除项”里把 OpenClaw 的安装目录加进去。这不是让你关杀毒只是加白名单。环境这块检查完就可以进入正式的框架安装了。我建议用 npm 全局安装的方式比手动 clone 仓库再装依赖稳定得多也方便后续升级。3. 可复制的 OpenClaw 安装配置与 TaoToken 接入片段这一节是全文的核心我把安装命令、目录结构、以及最关键的模型接入配置都写成可直接复制的形式。你按顺序执行即可。第一步全局安装 OpenClaw CLInpm install -g openclawlatest装完验证openclaw --version能输出版本号就说明 CLI 就位。如果提示openclaw 不是内部或外部命令说明 npm 全局 bin 目录没进 PATH执行npm config get prefix拿到路径手动加到系统环境变量里。第二步初始化工作目录。找一个纯英文路径比如D:\OpenClaw在里面执行cd D:\OpenClaw openclaw init这个命令会生成一套默认目录结构核心是config文件夹和workspace文件夹。config放配置workspace是智能体执行任务时的工作区。第三步配置模型接入。OpenClaw 的模型配置走一个settings.json文件路径在D:\OpenClaw\config\settings.json。这里就是接入 TaoToken 的地方。TaoToken 提供统一的 Key 和 API 通道你不需要为每个模型单独申请账号一个 Key 就能切换不同模型对 OpenClaw 这种需要频繁调用模型的框架来说省事很多。配置文件内容如下直接复制替换{ model: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: 你的TaoToken_API_Key, modelId: claude-sonnet-4-5-20250929, maxTokens: 8192, temperature: 0.3 }, gateway: { port: 18789, host: 127.0.0.1 }, workspace: D:\\OpenClaw\\workspace, logLevel: info }三个关键字段必须写全缺一个都连不上baseUrl填https://taotoken.net/apiapiKey填你在 TaoToken 控制台生成的 KeymodelId填你要用的模型 ID。模型 ID 不是随便写的得是 TaoToken 支持的模型标识比如claude-sonnet-4-5-20250929、gpt-4o这类。你可以在 TaoToken 的模型对话页面确认当前可用的模型列表再填进来。注意baseUrl结尾不要加/v1OpenClaw 的 openai-compatible provider 会自动补全路径你多写一层反而会 404。这个坑我踩过报错是404 page not found查了半天才发现是路径重复。第四步如果你用的是 Claude Code 或者 Cline 这类工具配合 OpenClaw配置逻辑是一样的都是 Base URL Key Model ID 三件套。以 Cline 的 MCP 配置为例在它的 settings 里填{ mcpServers: { openclaw: { command: openclaw, args: [mcp, serve], env: { OPENCLAW_CONFIG: D:\\OpenClaw\\config\\settings.json } } } }这样 Cline 就能通过 MCP 协议调用 OpenClaw 的能力而 OpenClaw 背后的模型走的是 TaoToken 通道。整个链路是通的Cline → OpenClaw → TaoToken → 模型。配置写完先别急着启动用一条命令检查配置语法openclaw config validate输出Config is valid就说明 JSON 没写错。如果报Unexpected token之类的多半是逗号或引号问题用 VS Code 打开 settings.json它会自动标红。4. 启动 Gateway 并验证模型请求是否真正打通配置就绪后启动 Gateway 服务openclaw gateway start第一次启动会初始化终端会刷一堆日志看到类似Gateway listening on 127.0.0.1:18789就说明服务起来了。这时候别关这个窗口Gateway 是常驻进程。想后台跑可以用openclaw gateway start --daemon。验证服务是否在线另开一个 PowerShellcurl http://127.0.0.1:18789/health返回{status:ok}就对了。但服务在线不等于模型通了。真正的验证是发一条实际请求。OpenClaw 提供了一个测试命令openclaw chat 你好请回复一句话确认连接正常如果模型配置正确你会看到它流式返回一段回复。这一步成功说明 TaoToken 的 Key、Base URL、Model ID 三者都对上了。如果这一步卡住或者报错问题基本出在模型接入层。我实测下来最常见的几种情况一是 Key 复制时带了空格肉眼看不出来建议重新复制一遍二是modelId写了一个 TaoToken 不支持的模型名去模型对话页面核对三是网络请求被本地防火墙拦了临时把 Gateway 端口加白名单试试。模型通了之后再验证智能体的任务执行能力。在workspace目录下建一个测试文件夹放几个文件然后发一条指令openclaw run 列出 workspace 目录下所有文件生成一个清单保存为 list.txt正常的话它会自己调用文件系统能力读取目录写入 list.txt。你去 workspace 里看文件应该已经生成了。这一步跑通才算真正“部署成功”——框架在跑、模型在思考、任务在落地。我还建议做一个端到端的检查清单每次重启机器后照着过一遍检查项命令预期结果Node 环境node -vv18/v20/v22CLI 就位openclaw --version版本号配置合法openclaw config validateConfig is validGateway 在线curl 127.0.0.1:18789/healthstatus ok模型连通openclaw chat test有回复任务执行openclaw run ...文件生成这六项全绿你的小龙虾就是活的。任何一项红对照下一节的报错表处理。5. 部署常见报错对照与排查手册这一节是我自己踩坑攒出来的按报错信息对照着改能省你不少时间。报错一401 Unauthorized或invalid api key这是最高频的。原因就一个Key 不对。但“不对”分几种——Key 复制时首尾带了空格或换行Key 已经过期或在 TaoToken 控制台被删了Key 填到了错误的字段比如填成了 modelId。排查方法打开settings.json把apiKey的值用引号包好确认没有多余空白。然后去 TaoToken 控制台的 API Keys 页面重新生成一个替换进去。改完记得openclaw gateway restart重启服务配置不会热加载。报错二local proxy failed或ECONNREFUSED这个报错的意思是 OpenClaw 尝试连接模型 API 时本地网络层没通。常见原因是系统代理设置干扰或者防火墙拦了出站请求。先检查baseUrl是不是写成了https://taotoken.net/api别写成http也别加端口。然后临时关掉系统代理设置 → 网络和 Internet → 代理 → 关闭“使用代理服务器”重启 Gateway 再试。如果公司网络有出站限制换个网络环境验证。报错三reading choices或cannot read property choices of undefined这个报错说明请求发出去了但返回的数据结构不是预期的 OpenAI 格式。根因通常是modelId填错了或者baseUrl多写了/v1导致请求打到了错误端点。OpenClaw 的 openai-compatible provider 期望返回体里有choices数组如果模型名不被支持返回的可能是错误对象解析时就报这个。解决确认baseUrl是https://taotoken.net/apimodelId是 TaoToken 支持的模型标识两个都核对一遍。报错四OAuth相关报错比如OAuth token expired如果你之前用 Claude Code 的 OAuth 方式登录过配置里可能残留了 OAuth 字段和 API Key 方式冲突。OpenClaw 优先读 API Key但如果配置里同时有 OAuth 信息会先尝试 OAuth 然后失败。解决检查settings.json里有没有oauth或accessToken字段有就删掉只保留apiKey。Claude Code 的auth.json如果存在也建议清空或改名备份避免干扰。报错五Gateway 启动后立刻退出日志显示EADDRINUSE端口被占了。18789 这个端口可能被其他程序用了。改settings.json里的gateway.port换成 18790 或别的重启即可。或者用netstat -ano | findstr 18789找到占用进程决定要不要关掉它。报错六安装依赖时EPERM operation not permittedWindows 权限或杀毒拦截。用管理员身份开 PowerShell 重跑安装命令同时把 OpenClaw 目录加到 Defender 排除项。如果还不行检查目录是不是被其他进程占用比如你开着资源管理器在里面。报错七任务执行到一半卡住日志无输出多半是模型响应超时。OpenClaw 默认超时时间可能偏短复杂任务模型思考时间长。在settings.json里加一个timeout字段单位毫秒比如timeout: 120000。另外maxTokens设太小也会导致模型输出被截断任务规划不完整建议至少 4096。排查的核心思路就一条先确认 Gateway 活着再确认模型通最后确认任务能执行。三层逐层验证哪层报错改哪层别跳步。6. 把小龙虾用起来从部署到日常任务的落地建议部署只是起点真正有价值的是让它替你干活。我现在的用法是把它当成一个“能动手的数字助理”每天固定跑几类任务。第一类是文件整理。我下载文件夹常年乱成一锅粥现在直接丢一句“把 D 盘下载文件夹里所有 PDF 按月份归档到对应文件夹”它自己就干了。指令越具体越好比如加上“文件名保留原样”“空文件夹删掉”这种约束执行精准度会高很多。第二类是信息汇总。比如“打开浏览器搜索本周 AI 领域重要发布整理成表格保存到桌面”它会自己开浏览器、抓内容、生成表格。这类任务对模型的规划能力要求高建议用能力强的模型 ID别用太小的模型否则拆解步骤会漏。第三类是跨软件操作。像“打开微信给某人发消息”这种需要 OpenClaw 调用系统级操作能力配置里要确保相关权限开了。Windows 上首次执行这类任务时系统可能会弹权限确认允许一次后面就顺了。关于模型选择我的经验是日常轻量任务用响应快的模型复杂规划任务用能力强的模型。TaoToken 的好处就在这里一个 Key 切换模型只改modelId一个字段不用重新配环境。你可以在模型对话页面先试试哪个模型对你的任务类型响应好再写进配置。长期用的话建议把常用的任务指令存成模板OpenClaw 支持从文件读取指令。建一个tasks文件夹每个任务一个.txt用openclaw run --file tasks/xxx.txt调用。这样不用每次手打长指令。最后说个实用技巧Gateway 日志默认在D:\OpenClaw\logs下任务执行失败时先看日志比瞎猜快得多。日志里会明确告诉你哪一步出错、返回了什么对照第 5 节的报错表基本能定位。养成看日志的习惯你的小龙虾会越用越顺。如果你还没拿到 TaoToken 的 Key去控制台的 API Keys 页面生成一个然后回到第 3 节把settings.json填好重启 Gateway你的小龙虾就正式上岗了。