企业官网建设流程全解析

1. 小红书图文流水线为什么总卡在“最后一公里”

做小红书图文的朋友大概率都经历过这种循环：选题靠刷、文案靠憋、配图靠找、发布靠手点，一天下来能产出三篇就算高产。问题不在于你不会写，而在于整条链路是断的——选题在一个地方，文案在另一个地方，图片在第三个地方，最后还要手动复制粘贴到发布后台。真正能跑起来的内容生产，应该是数据在系统之间自动流动，人只负责判断和确认。

我这次要拆解的方案，核心是用 Openclaw 做调度中枢，飞书多维表格做内容源和沉淀层，TaoToken 做统一的模型调用通道。整条链路覆盖：从表格读取选题、调用模型生成标题和正文、生成配图并上传到阿里云 OSS 拿到公网链接、回填到飞书多维表格、最后输出成可发布的图文结构。适合已经有一定内容生产量、想用自动化把重复劳动压缩掉的人，也适合想了解 Openclaw + MCP + Skill 这套组合怎么落地的内容团队。

下面我会给出可复制的 config.toml 和 settings.json 骨架、CC Switch 切换配置的方法，以及从表格读取到图文生成的完整验证动作。你跟着走一遍，就能把这条流水线跑通。

2. TaoToken 前置：统一 Key 与 API 通道

在整条链路里，模型调用是最频繁的动作——生成标题、改写正文、提炼分页逻辑、生成配图说明，每一步都要调模型。如果每个 Skill 都单独配一套 Key，管理成本会很高，而且切换模型时容易漏改。TaoToken 在这里的作用就是提供一个统一的 API 通道，你只需要在 Openclaw 的配置里指向 TaoToken 的接口地址，所有 Skill 共用同一个 Key。

TaoToken 的 API 地址是https://taotoken.net/api，这个地址不加任何 UTM 参数，直接用在配置文件里。你需要先在控制台创建一个 API Key，然后把它写进 Openclaw 的 settings.json。这样做的好处是：模型切换、额度管理、调用日志都在一个地方看，不用在多个平台之间来回跳。

如果你还没创建 Key，可以先去控制台的 API Keys 页面生成一个。创建时建议给 Key 起一个能识别用途的名字，比如openclaw-xhs，方便后续排查问题时定位。

注意：API Key 不要直接硬编码在会提交到 Git 的配置文件里，建议用环境变量或者单独的 secrets 文件管理。

3. 可复制配置：config.toml 与 settings.json 骨架

Openclaw 的配置分两部分：config.toml负责定义 Skill、MCP 连接和工具链，settings.json负责模型通道和 Key。下面是我实际跑通后的骨架，你可以直接复制后改字段。

3.1 config.toml 骨架

[workspace] name = "xhs-pipeline" data_dir = "./data" [[skills]] name = "feishu-bitable-reader" type = "mcp" command = "npx" args = ["-y", "@openclaw/mcp-feishu", "--bitable", "your_bitable_token"] [[skills]] name = "image-generator" type = "http" endpoint = "https://taotoken.net/api/v1/images/generations" method = "POST" headers = { Authorization = "Bearer ${TAOTOKEN_API_KEY}" } [[skills]] name = "oss-uploader" type = "mcp" command = "npx" args = ["-y", "@openclaw/mcp-aliyun-oss"] env = { OSS_BUCKET = "your-bucket", OSS_REGION = "oss-cn-hangzhou" } [[skills]] name = "xhs-structurer" type = "prompt" model = "claude-sonnet" system_prompt = "./prompts/xhs_structure.md" [mcp] feishu_app_id = "your_app_id" feishu_app_secret = "your_app_secret"

这里的关键点是：feishu-bitable-reader负责从多维表格拉取选题和字段数据，image-generator走 TaoToken 的图片生成接口，oss-uploader把生成的图片上传到阿里云 OSS 并返回公网链接，xhs-structurer负责把长文或选题重组成小红书图文结构。

3.2 settings.json 骨架

{ "model_provider": { "base_url": "https://taotoken.net/api", "api_key": "${TAOTOKEN_API_KEY}", "default_model": "claude-sonnet", "fallback_model": "gpt-4o" }, "cc_switch": { "profiles": { "xhs-default": { "base_url": "https://taotoken.net/api", "model": "claude-sonnet" }, "xhs-fast": { "base_url": "https://taotoken.net/api", "model": "gpt-4o-mini" } }, "active": "xhs-default" }, "logging": { "level": "info", "file": "./logs/openclaw.log" } }

cc_switch这一段是给 CC Switch 用的，它让你可以在不同模型配置之间快速切换。比如批量生成标题时用xhs-fast省额度，生成正文和分页逻辑时切到xhs-default保证质量。切换命令很简单：

cc-switch use xhs-fast

执行后 Openclaw 会自动读取 settings.json 里对应的 profile，不需要重启服务。

3.3 飞书多维表格字段结构

在飞书那边，你需要提前建好字段，Openclaw 才能正确读写。我用的字段结构如下：

字段建好后，把 Openclaw 应用添加到这个多维表格，并给到可管理权限。这一步不做的话，读取和回填都会报权限错误。

4. 验证请求：从表格读取到图文生成

配置写完后，不要急着跑全量，先用一条数据验证链路是否通。我建议按下面四步走。

4.1 验证飞书读取

在 Openclaw 对话框里输入：

读取飞书多维表格中内容状态为“待生成”的第一条记录

如果配置正确，你会看到返回的 JSON 数据，包含选题来源、标题草稿等字段。如果报permission denied，检查飞书应用是否添加到了多维表格，以及是否开放了多维表格读写权限。

4.2 验证模型调用

接着输入：

根据这条记录的选题来源，生成一个小红书标题和五页正文结构

Openclaw 会调用xhs-structurerSkill，走 TaoToken 通道请求模型。返回结果应该包含标题、每页核心表达、配图建议。如果报401，检查TAOTOKEN_API_KEY环境变量是否生效；如果报model not found，检查 settings.json 里的default_model是否写对。

4.3 验证图片生成与 OSS 上传

输入：

为这条记录生成一张封面图，上传到 OSS 并返回公网链接

这一步会依次触发image-generator和oss-uploader。成功后你会拿到一个https://your-bucket.oss-cn-hangzhou.aliyuncs.com/...的链接，直接在浏览器打开能访问到图片。如果 OSS 返回AccessDenied，检查 Access Key 和 Secret Key 是否有该 bucket 的写权限，以及 bucket 是否开启了公网访问。

4.4 验证回填

最后输入：

把标题、正文、图片链接回填到这条飞书记录，并把内容状态改为“已生成”

回到飞书多维表格刷新，你应该能看到对应字段被填充，状态变成“已生成”。到这一步，整条链路就算跑通了。

5. 本篇常见错排查

5.1 飞书权限报错

最常见的报错是app not found in bitable或permission denied。原因通常是应用没有添加到多维表格，或者添加了但没给可管理权限。解决方法是：打开多维表格右上角“...”菜单，选择“添加文档应用”，搜索你的 Openclaw 应用名称，添加后把权限设为“可管理”。

5.2 TaoToken 调用返回 401 或 403

先确认TAOTOKEN_API_KEY环境变量是否在当前 shell 会话中生效，可以用echo $TAOTOKEN_API_KEY检查。如果 Key 正确但仍报错，检查 settings.json 里的base_url是否写成了https://taotoken.net/api，注意不要多加斜杠或路径。

5.3 OSS 上传成功但链接无法访问

这种情况一般是 bucket 权限问题。进入阿里云 OSS 控制台，找到对应 bucket，在“权限管理”里确认读写权限是“公共读”或“公共读写”。如果不想开公共读，也可以生成带签名的临时 URL，但飞书多维表格里回填的链接需要长期有效，所以公共读更省事。

5.4 CC Switch 切换后模型没变

CC Switch 切换的是 settings.json 里的active字段，但 Openclaw 可能缓存了旧配置。执行cc-switch use xhs-fast后，建议在 Openclaw 里执行一次reload config，或者重启 Openclaw 服务。另外检查 profile 名称是否拼写正确，大小写敏感。

5.5 图片生成返回二进制但没有 URL

这是图片 API 的常见行为，部分接口直接返回图片二进制流。解决办法就是走oss-uploaderSkill，把二进制内容上传到 OSS 后再拿公网链接。如果你用的图片接口本身返回 URL，那可以跳过上传步骤，直接回填。

6. 把自动化集中在生产端，发布保留人工确认

整条链路跑通后，你会发现最耗时的环节从“写和排”变成了“判断和确认”。选题自动进表，标题和正文自动生成，配图自动上传并回填，你只需要在飞书里筛选优先级、标记状态、做最终确认。关于自动发布，技术上通过 MCP 接入是可以实现的，但平台规则存在不确定性，我目前的策略是发布保留人工确认，把自动化集中在生产和管理阶段。

如果你在配置过程中遇到模型调用或 Key 管理的问题，可以直接去 TaoToken 的 API Keys 页面检查额度与权限，接入文档里有各语言的最小请求示例。需要验证模型输出效果时，用模型对话页面快速试一条 prompt，确认通道正常后再写进 Skill。长期做编码和 Agent 调度的，可以了解 Coding Plan 的额度方案，把日常调用成本压下来。整条流水线的价值不在于一次生成多少篇，而在于它每天都能稳定跑，你只需要维护好字段结构和提示词，剩下的交给 Openclaw 调度。