企业官网建设流程全解析

1. 多模型 Key 散落一地，OpenClaw 切模型切到崩溃

如果你同时用 Qwen、DeepSeek、Claude、GPT 这几家模型，大概率经历过这种场面：每个供应商一个控制台，每个控制台一套 Key，Key 还要分环境变量、分项目、分测试和生产。等到 OpenClaw 这类 Agent 工具要切模型时，你得先翻出对应供应商的 Key，再改一遍配置文件，重启网关，然后祈祷没写错缩进。

LiteLLM 的价值就在这里：它把不同供应商的模型统一成 OpenAI 兼容接口，你只需要面对一个baseUrl和一个master_key。OpenClaw 则负责把 Agent 的模型调用指向这个统一入口。两者组合之后，多模型切换从「改三家配置」变成「改一行 model 名」。

但真正落地时还有一层没解决：LiteLLM 背后那堆供应商 Key 依然散落在环境变量里，每接一个新模型就要新增一个 Key，团队协作时还要把 Key 传来传去。这篇要做的，是用 TaoToken 的统一 Key 和 API 通道，把 LiteLLM 的model_list收敛成一套凭证，再让 OpenClaw 通过 LiteLLM 完成模型切换。适合正在搭多模型 Agent、被 Key 管理折磨过的开发者。

2. TaoToken 前置：把供应商 Key 收敛成一套

TaoToken 在这里扮演的角色是「统一 API 通道」。你不需要为每个模型单独申请和保管 Key，而是用一套 TaoToken 的 Key，通过它的 API 地址访问不同模型。LiteLLM 的model_list里每个条目都指向 TaoToken 的api_base，api_key统一读同一个环境变量。

这样做的好处很直接：新增模型时只改model字段，不用再去找新供应商的 Key；团队共享时只发一个 Key；轮换凭证时只改一处。对于 OpenClaw 这种需要频繁切换模型的场景，配置复杂度从 O(n) 降到 O(1)。

需要提前准备的东西：

• 一个 TaoToken 账号，拿到 API Key
• 本机装好 Python 3.9+ 和 pip
• 装好 OpenClaw（后面会给配置骨架）
• 可选：Docker，用于后面做用量持久化

TaoToken 的 API 入口是https://taotoken.net/api，兼容 OpenAI 的/v1/chat/completions格式。你可以在控制台里创建 Key，建议按用途分多个 Key，比如一个给 LiteLLM 用，一个给本地调试用，方便后面排查问题时隔离。

3. 可复制配置：LiteLLM 接 TaoToken + OpenClaw 骨架

3.1 安装 LiteLLM

最省事的方式是 pip 直接装：

pip3 install litellm

装完之后确认版本：

litellm --version

如果你打算用 Docker 部署（后面做用量持久化会用到），可以跳过这步，直接用镜像。

3.2 写 LiteLLM 配置

新建litellm_config.yaml，核心是把每个模型的api_base指向 TaoToken，api_key统一读环境变量：

model_list: - model_name: qwen-plus litellm_params: model: openai/qwen-plus api_key: os.environ/TAOTOKEN_API_KEY api_base: https://taotoken.net/api/v1 - model_name: deepseek-chat litellm_params: model: openai/deepseek-chat api_key: os.environ/TAOTOKEN_API_KEY api_base: https://taotoken.net/api/v1 - model_name: claude-sonnet litellm_params: model: openai/claude-sonnet api_key: os.environ/TAOTOKEN_API_KEY api_base: https://taotoken.net/api/v1 general_settings: master_key: sk-litellm-local-2024

几个关键点说明一下。model字段用openai/前缀，是因为 TaoToken 走的是 OpenAI 兼容协议，LiteLLM 会按 OpenAI 格式发请求。model_name是你自己起的别名，OpenClaw 里引用的就是这个名字，可以随便改，但两边要一致。master_key是 LiteLLM 自己的准入凭证，跟 TaoToken 的 Key 是两回事，客户端连 LiteLLM 时用这个。

设置环境变量：

export TAOTOKEN_API_KEY="你的 TaoToken Key"

3.3 启动 LiteLLM

litellm --config litellm_config.yaml --port 4000

看到Uvicorn running on http://0.0.0.0:4000就说明起来了。如果报model not found，先检查model_list里的model_name有没有拼错。

3.4 OpenClaw 侧配置骨架

OpenClaw 的配置文件在~/.openclaw/openclaw.json。核心是把 provider 指向本地 LiteLLM，模型 id 跟 LiteLLM 的model_name对齐：

{ "models": { "mode": "merge", "providers": { "litellm": { "baseUrl": "http://localhost:4000/v1", "apiKey": "sk-litellm-local-2024", "api": "openai-completions", "models": [ { "id": "qwen-plus", "name": "Qwen-Plus" }, { "id": "deepseek-chat", "name": "DeepSeek-Chat" }, { "id": "claude-sonnet", "name": "Claude-Sonnet" } ] } } }, "agents": { "defaults": { "model": { "primary": "litellm/qwen-plus" }, "models": { "litellm/qwen-plus": {}, "litellm/deepseek-chat": {}, "litellm/claude-sonnet": {} } } } }

apiKey填的是 LiteLLM 的master_key，不是 TaoToken 的 Key。models数组里的id必须跟litellm_config.yaml里的model_name完全一致，否则 OpenClaw 会报模型不存在。agents.defaults.models里列出所有可切换的模型，OpenClaw 的切换命令才能识别。

改完重启网关：

openclaw gateway restart

4. 验证请求：从 curl 到 OpenClaw 切换

4.1 先验证 LiteLLM 通道

用 curl 直接打 LiteLLM，确认它能正确转发到 TaoToken：

curl http://localhost:4000/v1/chat/completions \ -H "Authorization: Bearer sk-litellm-local-2024" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen-plus", "messages": [{"role": "user", "content": "用一句话说明你是什么模型"}] }'

正常返回会带choices[0].message.content，model字段显示qwen-plus。如果返回 401，检查Authorization里的值是不是跟master_key一致；如果返回 500 且提示上游错误，检查TAOTOKEN_API_KEY有没有 export 成功。

4.2 验证模型切换

把model换成deepseek-chat再打一次：

curl http://localhost:4000/v1/chat/completions \ -H "Authorization: Bearer sk-litellm-local-2024" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-chat", "messages": [{"role": "user", "content": "用一句话说明你是什么模型"}] }'

两次请求用的是同一个 Key、同一个api_base，只有model字段不同。这就是统一 Key 的核心价值：切换模型不需要换凭证。

4.3 OpenClaw 侧切换

在 OpenClaw 里查看当前模型：

openclaw model current

切换模型：

openclaw model switch litellm/deepseek-chat

再确认一次：

openclaw model current

然后发一条测试消息，看返回内容是否来自新模型。如果切换后报model not found，大概率是openclaw.json里models数组的id跟 LiteLLM 的model_name不一致，或者agents.defaults.models里没列出这个模型。

4.4 用量监控

LiteLLM 默认把用量记在内存里，重启就丢。要长期看 token 消耗，得接 PostgreSQL。先建网络和数据库：

docker network create litellm-network docker run -d \ --name litellm-postgres \ --network litellm-network \ -e POSTGRES_USER=litellm \ -e POSTGRES_PASSWORD=litellm123 \ -e POSTGRES_DB=litellm \ -p 5432:5432 \ -v litellm-postgres-data:/var/lib/postgresql/data \ --restart unless-stopped \ postgres:15

然后在litellm_config.yaml的general_settings里加一行：

general_settings: master_key: sk-litellm-local-2024 database_url: postgresql://litellm:litellm123@litellm-postgres:5432/litellm

用 Docker 起 LiteLLM：

docker run -d \ --name litellm-proxy \ --network litellm-network \ -p 4000:4000 \ -e TAOTOKEN_API_KEY="你的 TaoToken Key" \ -e DATABASE_URL="postgresql://litellm:litellm123@litellm-postgres:5432/litellm" \ -e LITELLM_MASTER_KEY="sk-litellm-local-2024" \ -e UI_USERNAME="admin" \ -e UI_PASSWORD="admin123" \ -v ./litellm_config.yaml:/app/config.yaml \ --restart unless-stopped \ ghcr.io/berriai/litellm:main-latest \ --config /app/config.yaml --port 4000

打开http://localhost:4000/ui，用admin/admin123登录，在 Usage 页面就能看到每个模型的 token 消耗和请求次数。这里的数据是按model_name聚合的，所以你能清楚看到 Qwen 和 DeepSeek 各用了多少。

5. 本篇常见错排查

报错一：AuthenticationError: Invalid API key

先分清是哪一层的 Key 错了。客户端连 LiteLLM 用的是master_key，LiteLLM 连 TaoToken 用的是TAOTOKEN_API_KEY。如果 curl 返回 401，检查Authorization头；如果 LiteLLM 日志里报上游 401，检查环境变量有没有传进容器。Docker 部署时-e TAOTOKEN_API_KEY=...不能漏。

报错二：model not found

三个地方要对齐：litellm_config.yaml的model_name、openclaw.json里models[].id、agents.defaults.models的键名。任何一处不一致都会报这个错。建议先用 curl 确认 LiteLLM 能识别这个模型名，再去查 OpenClaw 配置。

报错三：OpenClaw 切换后仍走旧模型

openclaw gateway restart之后配置才生效。如果重启了还不行，检查openclaw.json里models.mode是不是merge，如果是replace可能会覆盖掉其他 provider 的配置。另外agents.defaults.model.primary只是默认值，切换命令会覆盖它，但重启后可能回到默认，需要重新切。

报错四：Docker 里 LiteLLM 连不上 Postgres

两个容器要在同一个 network 里，database_url里的 host 用容器名litellm-postgres，不是localhost。如果 Postgres 还没起来就启动 LiteLLM，LiteLLM 会报连接失败，等几秒重启一下 LiteLLM 容器即可。

报错五：用量页面空白

database_url没配或者配错时，LiteLLM 不会报错，只是不写库。检查general_settings里有没有database_url，以及 Docker 启动时DATABASE_URL环境变量有没有传。两个地方都配了的话，以环境变量为准。

6. 后续怎么扩展

这套结构搭好之后，加新模型只需要在litellm_config.yaml的model_list里加一段，api_key和api_base照抄现有的，然后在openclaw.json的models数组和agents.defaults.models里各加一行，重启网关就能用。整个过程不涉及新供应商的 Key 申请，也不用改 OpenClaw 的 provider 配置。

如果你想让 OpenClaw 的 Agent 在不同任务里自动选模型，可以在agents.defaults.models里给每个模型加权重或标签，OpenClaw 支持按任务类型路由。LiteLLM 侧也可以配 fallback，比如qwen-plus超时自动切deepseek-chat，这部分在litellm_params里加fallbacks字段就行。

需要创建和管理 TaoToken 的 Key，可以直接进控制台操作：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite

API Key 的创建入口在这里：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

LiteLLM 接入的完整参数说明可以对照文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&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再写进配置：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat&utm_campaign=rewrite

长期跑 Agent 任务的话，Coding Plan 的额度模型比按量计费更划算，适合 OpenClaw 这种高频调用的场景：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite