企业官网建设流程全解析

1. 问题现场：Skill 注册成功，模型却装聋作哑

你按着 OpenClaw 的 Java Skill 教程一路写下来，@Skill、@SkillFunction、@SkillParameter三个注解都贴好了，WebCrawlerSkill里的fetchSinglePage和batchFetch也写完了，单元测试跑得绿油油。启动 Spring Boot，控制台打印出“WebCrawler Skill 已启动，等待 OpenClaw 连接”，OpenClaw 的 Web 界面里也能看到你的 Skill 挂在能力列表上。

然后你在对话框里敲下：“用 WebCrawler 抓取 https://example.com”。

模型回你一句：“好的，我可以帮你抓取网页内容，请提供更多信息。”或者干脆答非所问，开始跟你聊网页抓取的原理。你盯着屏幕，心里想的是：我 Skill 都注册上去了，你怎么就不调用呢？

这个场景我太熟了。问题几乎不在你的 Java 代码，而在模型通道的配置。OpenClaw 的 Skill 系统负责“告诉模型有哪些能力可用”，但模型本身要能正常发请求、收响应，才能完成“判断该不该调用 Skill”这一步。如果模型通道没配 Key、Base URL 填错，模型请求根本走不通，它自然没法调用你的 Skill。

具体到这篇的场景：你的application.yml里写了openclaw.skill.server-url: http://localhost:6123和server.port: 8080，这两个是 Skill 服务和 OpenClaw 核心服务之间的通信地址，不是模型通道的地址。很多人第一次配的时候会把 TaoToken 的地址填到这两个位置，结果 Skill 注册正常，模型调用全挂。

正确的做法是：Skill 服务地址保持原样，模型通道单独配置。你需要一个能稳定访问的模型 API 通道，把 Base URL 和 Key 填对，模型才能正常发起请求，进而判断“用户让我抓网页，我有 WebCrawlerSkill 可以用”。

下面我把整个排查和修复过程拆开讲，从确认问题现象，到配置模型通道，再到重新联调验证，每一步都能跟着做。

2. 前置动作：先把模型通道的 Key 和 Base URL 准备好

在改 OpenClaw 配置之前，你需要先有一个可用的模型 API 通道。这里用 TaoToken 来演示，因为它对 Java 开发者比较友好，Base URL 格式统一，不需要额外处理路径拼接。

打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册账号，进入控制台后创建一个 API Key。创建完先复制保存，后面填到 OpenClaw 的模型通道配置里。

这里有个细节要注意：TaoToken 的 Base URL 是https://taotoken.net/api，不要在后面加/v1，也不要带任何查询参数。很多模型客户端默认会帮你拼/v1/chat/completions，如果你 Base URL 写成https://taotoken.net/api/v1，最终请求路径就变成/api/v1/v1/chat/completions，直接 404。这个坑我踩过，排查了半天才发现是路径重复。

Key 的权限方面，创建时如果看到模型范围选项，选你实际要用的模型即可。OpenClaw 的 Skill 调用场景通常需要模型具备 function calling 或 tool use 能力，选支持这类能力的模型。创建完成后，Key 只显示一次，记得存好。

如果你还没有 OpenClaw 的模型通道配置入口，一般在 OpenClaw Web 界面的设置里，或者核心服务的配置文件里。不同版本的 OpenClaw 配置位置可能略有差异，但核心参数就两个：Base URL 和 API Key。找到对应位置，把https://taotoken.net/api和刚创建的 Key 填进去。

填完之后不要急着启动 Skill 服务，先确认模型通道本身是通的。你可以在 OpenClaw 的模型对话界面里发一条普通消息，比如“你好”，看模型能不能正常回复。如果这一步就不通，说明模型通道配置有问题，先解决这个，再去看 Skill 调用。

3. 可复制配置：OpenClaw 模型通道与 Skill 服务分开填

这一节把配置拆成两块：一块是 OpenClaw 的模型通道，一块是你 Java Skill 服务的application.yml。两块不要混。

3.1 OpenClaw 模型通道配置

在 OpenClaw 的模型通道设置里，按下面填：

如果你是通过 OpenClaw 核心服务的配置文件来设置模型通道，通常是一个 YAML 或 JSON 文件，找到model或llm相关的配置段，把base_url和api_key替换成上面的值。注意不要动openclaw.skill.server-url，那是 Skill 注册用的。

3.2 Java Skill 服务的 application.yml

你的application.yml保持这样，不要往里填 TaoToken 的地址：

openclaw: skill: name: web-crawler-skill server-url: http://localhost:6123 # OpenClaw 核心服务地址，不是模型通道 auto-register: true heartbeat-interval: 30 server: port: 8080 # 你的 Skill 服务端口，别和 OpenClaw 冲突

这里server-url指向的是 OpenClaw 核心服务，你的 Skill 启动后会向这个地址注册自己的能力清单。模型通道的 Base URL 和 Key 不在这里配，它们在 OpenClaw 那一侧。

如果你之前把 TaoToken 的地址填到了openclaw.skill.server-url，现在改回http://localhost:6123。改完重启 Skill 服务，确认注册日志正常。

3.3 确认模型通道请求路径

TaoToken 的接口路径是https://taotoken.net/api加上具体的端点。OpenClaw 或你使用的模型客户端在发起请求时，通常会拼接/chat/completions。最终请求地址类似：

https://taotoken.net/api/chat/completions

如果你在 Base URL 后面多写了/v1，就会变成/api/v1/chat/completions，而 TaoToken 的接口不需要这个/v1前缀。这一点在配置时反复确认，能省掉很多 404 排查时间。

配置完成后，重启 OpenClaw 核心服务和你的 Skill 服务。启动顺序建议先起 OpenClaw 核心，再起 Skill 服务，这样 Skill 注册时能直接连上。

4. 验证请求：让模型真正调用 fetchSinglePage

配置改完，接下来做一次完整的联调验证。这一步的目标是：在 OpenClaw Web 界面输入抓取指令，观察模型是否调用你的fetchSinglePage，并检查返回结果里有没有filePath。

4.1 确认 Skill 注册状态

启动 Skill 服务后，看控制台日志。正常情况会看到类似：

WebCrawler Skill 已启动，等待 OpenClaw 连接... Skill registered: WebCrawler, functions: [fetchSinglePage, batchFetch]

如果只看到启动日志，没有注册成功日志，检查openclaw.skill.server-url是否指向正确的 OpenClaw 核心服务地址，以及 OpenClaw 核心服务是否在运行。

4.2 在 OpenClaw Web 界面发起调用

打开 OpenClaw 的 Web 界面，在对话框输入：

用 WebCrawler 抓取 https://example.com

发送后观察界面上的工具调用提示。如果模型通道配置正确，模型会判断出需要调用WebCrawlerSkill.fetchSinglePage，并生成参数 JSON，类似：

{ "url": "https://example.com", "outputDir": "./downloads" }

OpenClaw 收到这个调用请求后，会通过 Skill 注册时建立的通道，反射调用你 Java 服务里的fetchSinglePage方法。

4.3 检查返回结果

你的fetchSinglePage方法执行成功后，返回的SkillResult里包含filePath、title、wordCount三个数据字段。在 OpenClaw Web 界面上，模型会收到这个结果，并可能回复你：

抓取成功！已保存至: /path/to/downloads/20250101_120000_Example.md 标题: Example Domain 字数: 1234

同时，你可以在 Skill 服务的控制台看到方法被调用的日志。如果日志里出现了fetchSinglePage的调用记录，并且返回了filePath，说明模型请求已经走通了 TaoToken 通道，Skill 调用链路完整。

4.4 用 batchFetch 做二次验证

为了确认不是偶然，再试一次批量抓取：

用 WebCrawler 批量抓取 https://example.com,https://httpbin.org/html

观察batchFetch是否被调用，返回的successCount和totalCount是否符合预期。如果两次调用都正常，模型通道配置就没问题了。

这里有个小技巧：你可以在fetchSinglePage里加一行日志，打印当前线程和请求来源，方便确认调用确实来自 OpenClaw 而不是你的单元测试。日志用 SLF4J 写，别用System.out.println，避免污染返回给模型的消息内容。

5. 本篇常见错排查

即使按上面步骤配了，还是可能遇到一些报错。这一节把常见问题和排查方法列出来。

5.1 模型不调用 Skill，但模型对话正常

现象：在 OpenClaw 里发普通消息，模型能正常回复；但发抓取指令，模型不调用 Skill，只是用文字回复。

排查方向：模型通道配置正确，但模型可能不支持 function calling，或者 OpenClaw 没有把 Skill 的能力清单正确传给模型。检查 OpenClaw 核心服务的日志，看它是否把WebCrawler的能力描述包含在了模型请求的 tools 参数里。如果 tools 列表为空，说明 Skill 注册信息没有同步到模型通道。

另一个可能：你的@SkillFunction方法参数里用了基础类型int delaySeconds，而模型没有传这个参数时，OpenClaw 反射调用会抛 NPE。改成包装类型Integer，并在方法内部做默认值处理。

5.2 报错 401 或 403

现象：OpenClaw 日志里出现 401 Unauthorized 或 403 Forbidden。

排查方向：Key 填错、Key 过期、或者 Key 没有对应模型的权限。重新在 TaoToken 控制台创建一个 Key，确认复制完整，没有多余空格。填到 OpenClaw 模型通道后重启服务。

5.3 报错 404 Not Found

现象：模型请求返回 404。

排查方向：Base URL 路径拼错。确认填的是https://taotoken.net/api，没有多写/v1，没有末尾斜杠。如果你用的模型客户端会自动拼接/v1/chat/completions，那 Base URL 就应该是https://taotoken.net/api，最终路径由客户端拼接。

5.4 Skill 注册成功但调用超时

现象：OpenClaw 显示 Skill 已注册，但模型调用时超时。

排查方向：你的 Skill 服务端口 8080 是否被防火墙拦截，OpenClaw 核心服务能否访问到http://localhost:8080。如果 OpenClaw 和 Skill 服务不在同一台机器，localhost要改成实际 IP。另外检查fetchSinglePage里的网络请求超时设置，Jsoup 默认超时可能太短，设成 10000 毫秒比较稳妥。

5.5 返回结果里没有 filePath

现象：模型调用成功，但返回的数据里没有filePath字段。

排查方向：检查SkillResult.success().withData("filePath", ...)这行代码是否执行到。如果Files.writeString抛了 IOException，会走到 catch 分支返回 failure，自然没有 filePath。在 catch 里打印完整堆栈，确认是目录权限问题还是路径问题。Windows 和 Linux 的路径分隔符不同，建议用Paths.get(outputDir, filename)来拼接，不要手动拼字符串。

6. 配好通道后，继续把 Skill 用起来

模型通道配通之后，你的WebCrawlerSkill就能在 OpenClaw 里正常调用了。回到第 6.1 节的联调流程，在 Web 界面多试几条指令，观察fetchSinglePage和batchFetch的返回结果。如果filePath正常返回，说明整条链路已经打通。

后续如果你要长期跑编码任务或者 Agent 场景，可以了解 TaoToken 的 Coding Plan，它针对代码生成和工具调用场景做了优化，适合 OpenClaw 这类需要频繁 function calling 的场景。模型对话调试可以在模型对话页面直接测试，接入文档里有详细的接口说明和参数示例。

接入相关的配置和 Key 管理，在 API Keys 页面可以随时创建和轮换。如果你用的是 Claude Code 或 Anthropic 风格的接口，文档里也有对应的配置说明。

把模型通道和 Skill 服务分开配置，是 OpenClaw 联调里最容易踩的坑之一。记住openclaw.skill.server-url填 OpenClaw 核心服务地址，模型通道的 Base URL 填https://taotoken.net/api，Key 填 TaoToken 创建的 Key。配完之后先验证模型对话，再验证 Skill 调用，一步步来，问题就好定位了。