企业官网建设流程全解析

1. 为什么你的 OpenClaw 只会聊天，不会干活

很多人第一次跑 OpenClaw 的场景都差不多：装好、启动、问一句“帮我看看今天有什么 AI 新闻”，结果它回你一句“我的知识截止到某个时间点，无法获取实时信息”。不是模型不行，而是它手里没有工具。OpenClaw 的核心模型负责理解意图和生成语言，真正去打开网页、查数据库、发邮件这些动作，全靠 Agent Skills 来完成。

你可以把 OpenClaw 想成一台刚装好系统的电脑，模型是 CPU，Agent Skills 就是一个个软件。没装浏览器就上不了网，没装 Office 就处理不了文档。Agent Skills 本质上是封装好的工具函数或 API 调用模块，每个 Skill 给 AI 加一项具体能力：agent-browser 让它会看网页，tavily-search 让它会搜实时信息，database-query 让它会查库。

这篇面向的是想让 AI 从“会聊”变成“会干”的开发者。我会给出一份可直接复制的 settings.json 骨架、插件安装步骤，并演示一次技能调用验证动作，目标是一次配置跑通你的第一个 Agent Skill。过程中涉及模型调用和密钥管理，我会用 TaoToken 作为统一的接入层来演示，这样配置集中、排查也方便。

2. TaoToken 前置：把模型接入和密钥先理顺

在装 Skill 之前，先把模型接入这层理顺，否则后面 Skill 调用了模型却报鉴权错误，你会以为是插件坏了。TaoToken 在这里扮演的是统一接入层：你拿到一个 API Key，就能在 OpenClaw 里配置模型对话、编码类任务等不同用途的调用，不用为每个 Skill 单独折腾一套凭证。

第一步，去控制台创建 API Key。打开 https://taotoken.net/api-keys ，新建一个 Key，复制出来先存到本地临时文件里，别直接贴在聊天窗口。这个 Key 后面会写进 OpenClaw 的环境变量或 settings.json。

第二步，确认你要用的模型入口。如果你只是想让 Skill 能调用模型做对话和推理，用模型对话的接入地址即可；如果你打算长期跑编码类 Agent，比如让 Skill 自动改代码、跑测试，那更适合用 Coding Plan 这类面向长期编码的入口。两者的 Key 可以复用，但用途分开配置更清晰。

第三步，把接入信息落到配置里。OpenClaw 读取模型配置一般走环境变量或 settings.json，我建议密钥走环境变量，模型参数走 settings.json，这样配置文件可以进版本库，密钥不会泄露。下面这段先放进你的 shell 配置或.env：

# ~/.openclaw/.env TAOTOKEN_API_KEY="sk-你的TaoToken密钥" TAOTOKEN_BASE_URL="https://taotoken.net/api"

注意.env权限设成 600，别提交到 git。到这里前置就完成了，接下来才是 Skill 的安装和 settings.json 骨架。

3. 可复制配置：settings.json 骨架与插件安装

OpenClaw 的 Skill 安装有两种方式：命令行npx clawhub@latest install 技能名，或者 Web 控制台里搜索安装。我习惯命令行，因为可复制、可脚本化。先装两个基础件：find-skills 用来发现和管理技能，agent-browser 用来做网页操作，这两个装完你就能验证整条链路。

# 安装技能发现工具 npx clawhub@latest install find-skills # 安装浏览器自动化技能 npx clawhub@latest install agent-browser # 查看已加载技能 openclaw skills list

装完之后，核心是 settings.json。下面这份骨架你可以直接复制，改掉路径和 Key 就能用。它把模型接入、技能开关、单个技能的参数分开管理：

{ "model": { "provider": "taotoken", "baseUrl": "https://taotoken.net/api", "apiKeyEnv": "TAOTOKEN_API_KEY", "defaultModel": "claude-sonnet", "timeoutMs": 60000 }, "skills": { "enabled": true, "autoReload": true, "directory": "~/.openclaw/skills", "items": { "agent-browser": { "enabled": true, "headless": true, "timeoutMs": 30000 }, "find-skills": { "enabled": true } } }, "logging": { "level": "info", "skillLog": true } }

几个参数说明一下。apiKeyEnv指向环境变量名而不是明文密钥，这样 settings.json 可以安全地放进仓库。autoReload打开后，你新装技能不用重启进程。headless让浏览器技能在后台跑，服务器上没有图形界面也能用。skillLog打开后，技能调用失败时日志里能看到具体是哪一步断了。

配置写好后，把 settings.json 放到 OpenClaw 的工作目录，通常是~/.openclaw/settings.json。然后重载一次配置：

openclaw config reload openclaw skills reload

如果你遇到下载慢，可以临时切一下 npm 镜像源，但别长期改全局配置，用完切回来：

npm config set registry https://registry.npmmirror.com # 装完记得切回 npm config set registry https://registry.npmjs.org

4. 验证请求：跑通第一次技能调用

配置写完不验证，等于没配。这一步我们让 OpenClaw 真正调用 agent-browser 去抓一个网页，确认模型接入、技能加载、工具执行三段都通。

先做一个最小验证，直接命令行调用技能，绕过模型，确认技能本身能跑：

agent-browser visit https://example.com --text

如果这条命令返回了网页正文文本，说明技能安装没问题。如果报 command not found，看第 5 节的排查。

接着验证模型加技能的完整链路。让 OpenClaw 用 agent-browser 抓取一个页面并总结：

openclaw run "用 agent-browser 打开 https://example.com，提取页面标题和第一段正文，然后用一句话总结"

预期结果是：OpenClaw 先解析你的意图，判断需要调用 agent-browser，执行抓取，把结果回传给模型，模型生成一句总结。整个过程你能在日志里看到技能调用记录：

openclaw logs --skill agent-browser --tail 50

日志里应该出现类似skill=agent-browser action=visit status=success的行。如果 status 是 error，看下一段。

再验证一次带参数的调用，确认 settings.json 里的参数生效：

openclaw run "用 agent-browser 对 https://example.com 截图，保存到 ./claw-test.png"

跑完检查文件是否存在：

ls -lh ./claw-test.png

文件存在且大小不为 0，说明 headless 模式和超时参数都正常。到这里，你的第一个 Agent Skill 就算跑通了。后面再装 tavily-search、database-query 这些，流程完全一样：装技能、在 settings.json 的 items 里加一段、reload、验证。

5. 本篇常见错排查

报错一：command not found。多数是 npx 或全局 bin 不在 PATH 里。先用完整路径试：

$(npm prefix -g)/bin/npx clawhub@latest install agent-browser

能跑通就说明是 PATH 问题，把$(npm prefix -g)/bin加进 PATH 即可。或者干脆全局装 clawhub 客户端：

npm install -g clawhub clawhub install agent-browser

报错二：技能装了但 openclaw skills list 里没有。先确认技能目录对不对，settings.json 里的directory要和你实际安装路径一致。然后强制重载：

openclaw skills reload openclaw skills list --verbose

如果 verbose 里显示技能被 disabled，检查 settings.json 的items里对应技能是不是enabled: false。

报错三：调用技能时报鉴权失败。这是模型接入层的问题，不是技能本身。确认TAOTOKEN_API_KEY在当前 shell 里能读到：

echo $TAOTOKEN_API_KEY

如果为空，说明.env没被加载。OpenClaw 不会自动读.env，你需要在启动脚本里 source 它，或者用openclaw config set把密钥写进配置。另外确认baseUrl是https://taotoken.net/api，末尾不要多加斜杠。

报错四：技能调用超时。agent-browser 抓动态渲染页面时容易超时。把 settings.json 里该技能的timeoutMs调大，比如从 30000 改成 60000。同时确认headless: true，服务器上没有显示环境时非 headless 会卡住。

报错五：日志里技能调用成功但模型没回复。这通常是模型超时或返回被截断。把model.timeoutMs调大，并检查defaultModel是否是你 Key 有权限调用的模型。如果长期跑编码类任务频繁超时，考虑换成 Coding Plan 的接入方式，它在长任务上更稳。

排查顺序建议固定成：先命令行直调技能确认技能本身，再看日志确认技能调用状态，最后查模型接入。这样能快速定位是技能层还是模型层的问题。

6. 接下来怎么走：按用途选对入口

跑通第一个 Skill 之后，你会发现真正花时间的不是装插件，而是把模型接入、密钥管理、技能参数这三层配置理顺。我的建议是：密钥统一走环境变量，技能参数统一写进 settings.json，模型接入按用途分流。

如果你接下来主要是做技能接入和排障，先把 API Key 和接入文档过一遍，地址在 https://taotoken.net/api-keys 和 https://taotoken.net/doc ，里面把鉴权和调用方式讲得比较细。如果你只是想先验证模型对话和技能联动是否正常，用模型对话入口跑几个测试请求最快。如果你打算长期跑编码类 Agent，比如让 Skill 自动改代码、跑测试、提交 PR，那 Coding Plan 更适合，配置一次就能持续用。

最后留一个实用习惯：每装一个新技能，先在命令行直调一次确认技能本身能跑，再用openclaw run验证模型加技能的完整链路。两步都过，再写进 settings.json 长期启用。这样你不会在配置层和技能层之间来回猜，排障时间能省一大半。