1. 先搞清楚 OpenClaw 到底能帮你做什么

OpenClaw（社区里也常被叫 Clawdbot）是一个开源的 AI 智能体框架，你可以把它理解成一个“能动手的聊天助手”：普通对话模型只能回你文字，而 OpenClaw 能调用工具去读写文件、整理目录、定时跑任务、抓取信息再汇总。它本身不绑定某一家模型，你给它一个兼容 OpenAI 协议的 API 地址和 Key，它就能跑起来。适合谁？适合想给自己搭一个私有自动化助手、又不想从零写 Agent 框架的新手和小团队。

新手最容易卡住的地方其实不是 OpenClaw 本身，而是三件事：服务器环境、端口放行、模型 Key 怎么填。我见过太多人容器起来了，浏览器却打不开面板，最后发现是防火墙没放行 18789。这篇就按“云服务器 + 本地”两条路径，把部署到 skills 调用的完整闭环走一遍，全程命令可直接复制。

先说结论性的路径差异，方便你选：

模型接入这块，我建议统一用一个兼容 OpenAI 协议的入口来管 Key，这样云上和本地可以共用同一套配置，换模型只改一个 Model ID。下面会给出具体可复制的配置片段。

2. 部署前把 TaoToken 的 Key 和地址准备好

不管你走云服务器还是本地，OpenClaw 都需要一个模型服务地址。这里用 TaoToken 作为统一入口，它的好处是兼容 OpenAI 的/v1/chat/completions协议，OpenClaw 这类框架基本都能直接对接，不用为每个模型单独改代码。

你需要准备三样东西，我把它叫“三件套”，后面所有配置都围绕它：

• Base URL：https://taotoken.net/api
• API Key：在控制台创建，形如sk-开头的一串
• Model ID：填你要用的模型标识，比如对话类或代码类模型名

创建 Key 的入口在这里，登录后进控制台新建即可：

控制台地址：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

如果你还没决定用哪个模型，可以先在模型对话页面试一下，确认能正常返回再写进配置：

模型对话体验：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

Key 的管理和查看在 API Keys 页面，建议给 OpenClaw 单独建一个 Key，方便以后按用途区分和吊销：

API Keys 管理：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

这里有个新手常犯的错：把 Base URL 写成带/v1或带具体路径的地址。OpenClaw 的配置项通常只需要根地址，框架自己会拼/v1/chat/completions。如果你填成https://taotoken.net/api/v1，有些版本会拼成/v1/v1/...直接 404。所以统一填https://taotoken.net/api最稳。

另外提醒一句，Key 不要写进会提交到 Git 的文件里。云服务器上建议放在config目录并限制权限，本地就放项目目录下的.env或配置文件，别截图发群里。

3. 云服务器与本地两套可复制配置

这一节是核心，给你两份能直接抄的配置。先讲云服务器，再讲本地，最后给一个统一的模型配置片段。

3.1 云服务器：Docker 起 OpenClaw

假设你已经有一台 2 核 2G 起步的服务器，系统用 Ubuntu 22.04 或 Alibaba Cloud Linux 3 都行。先装 Docker：

curl -fsSL https://get.docker.com | bash systemctl start docker systemctl enable docker docker --version

然后建工作目录并拉镜像：

mkdir -p /opt/openclaw/config /opt/openclaw/data cd /opt/openclaw docker pull openclaw/openclaw:2026-stable

启动容器，注意端口映射和挂载路径要和后面配置一致：

docker run -d \ --name openclaw \ -p 18789:18789 \ -v /opt/openclaw/config:/app/config \ -v /opt/openclaw/data:/app/data \ --restart=always \ openclaw/openclaw:2026-stable

确认在跑：

docker ps | grep openclaw

3.2 本地部署：一条命令起服务

本地更简单，装好 Docker Desktop 后执行同样的镜像，只是端口映射到本机：

docker run -d \ --name openclaw \ -p 18789:18789 \ -v ~/openclaw/config:/app/config \ -v ~/openclaw/data:/app/data \ --restart=always \ openclaw/openclaw:2026-stable

本地访问就是http://127.0.0.1:18789，不需要放行任何防火墙。

3.3 统一模型配置片段（JSON）

OpenClaw 的模型配置一般放在config目录下的配置文件里。下面这份 JSON 你可以直接改 Key 和 Model ID 后使用，路径对应容器里的/app/config/model.json：

{ "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "sk-你的Key填这里", "model": "你的ModelID", "timeout": 60, "max_tokens": 2048 }

如果你用的是 TOML 风格的配置（部分版本支持），等价写法是：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的Key填这里" model = "你的ModelID" timeout = 60

写完配置后重启容器让它生效：

docker restart openclaw

这里再强调一次三件套的对应关系，缺一不可：Base URL 填https://taotoken.net/api，Key 填你创建的sk-串，Model ID 填具体模型名。三个里错一个，请求就会失败，报错形态还不一样，下一节会讲怎么对号入座。

4. 验证请求与 skills 挂载成功

配置写完别急着高兴，先验证模型通不通，再验证 skills 能不能调。

4.1 验证模型连通

最直接的办法是进容器里跑一次初始化或自检命令：

docker exec -it openclaw openclaw init

如果配置正确，它会读取model.json并尝试连接模型服务，返回成功即说明三件套没问题。你也可以直接看日志：

docker logs -f openclaw

日志里出现类似model connected或成功返回的响应，就说明链路通了。如果卡住或报错，先别动 skills，回到第 5 节排查。

4.2 挂载 skills

OpenClaw 的能力扩展靠 skills。常用的一批可以这样装：

docker exec -it openclaw openclaw skills install file-manager docker exec -it openclaw openclaw skills install summary docker exec -it openclaw openclaw skills install scheduler docker exec -it openclaw openclaw skills install weather

装完重启：

docker restart openclaw

查看已安装的 skills 列表，确认挂载成功：

docker exec -it openclaw openclaw skills list

列表里能看到你装的几个名字，就说明 skills 挂载完成。

4.3 打开面板做一次真实调用

浏览器访问http://你的服务器IP:18789（本地就是http://127.0.0.1:18789）。首次进入会生成配对码或 Token，保存好。进后台后，在对话里让它做一件具体的事，比如“帮我列出当前目录下的文件”，如果它调用了 file-manager 并返回结果，整个闭环就跑通了。

这一步是检验成果的关键：模型通了、skills 挂了、面板能对话，三者同时成立才算成功。

5. 常见报错逐条排查

新手遇到的报错其实就那么几类，我按真实报错信息给你对照。

401 Unauthorized：Key 错了或没生效。检查api_key是不是完整的sk-串，有没有多余空格，配置改完有没有docker restart openclaw。还有一种情况是 Key 被吊销了，去 API Keys 页面确认状态。

local proxy failed / connection refused：Base URL 写错或网络不通。确认填的是https://taotoken.net/api，不要带/v1。云服务器上可以先curl一下确认能出网。

reading choices 相关报错：通常是返回结构不符合预期，多半是 Model ID 填错，或者 Base URL 拼出了重复路径。回到配置把 Model ID 换成确认可用的模型名。

OAuth / 鉴权跳转类报错：说明请求被当成了需要网页登录的流程，一般是地址填成了控制台地址而不是 API 地址。Base URL 必须是https://taotoken.net/api，不是网页地址。

端口占用 / 容器起不来：先删旧容器再起：

docker rm -f openclaw

然后重新执行第 3 节的docker run命令。

面板打不开：90% 是防火墙没放行 18789。云服务器要去安全组或防火墙加一条入方向 TCP 18789 规则，授权对象0.0.0.0/0。本地则检查端口有没有被别的程序占用。

Docker 安装失败：换国内镜像源重装：

yum install -y yum-utils yum-config-manager --add-repo https://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo yum install -y docker-ce docker-ce-cli containerd.io systemctl start docker

排查顺序建议固定成：先看容器在不在跑，再看日志报什么，再对号入座上面的条目。别一上来就重装，多数问题改一行配置就好。

6. 长期跑 Agent 就用 Coding Plan 统一管 Key

如果你只是偶尔用用，按上面的配置就够了。但如果你打算让 OpenClaw 长期挂着跑定时任务、自动化流程，Key 的额度和模型切换会变成日常问题。这时候建议用 Coding Plan 来统一管理，把对话、代码、Agent 调用都收敛到一个入口，换模型不用改 OpenClaw 的配置，只改 Model ID 就行。

长期编码和 Agent 场景的入口在这里：

Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

接入文档里有各框架的对接示例，OpenClaw 这类兼容 OpenAI 协议的工具照着改 Base URL 和 Key 即可：

接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite

最后给你一个我实测下来最省事的习惯：把三件套写进一个.env文件，配置里用变量引用，这样云上和本地共用一份，换 Key 只改一处。OpenClaw 跑起来之后，先让它做一件小事验证，再逐步加 skills，别一上来就装一堆，出问题不好定位。