企业官网建设流程全解析

1. 为什么要在 Docker 里装 OpenClaw skills，以及 endpoint 为什么要改

OpenClaw 是一个可以本地部署的智能体运行框架，你可以把它理解成一个「住在容器里的 AI 助手」，它本身只提供对话和任务调度的骨架，真正让它能干活的，是一个个独立的 skills（技能包）。比如联网搜索、GitHub 仓库管理、飞书文档读写、自动化工作流编排，这些都是靠 skill 挂载进去的。适合谁？适合想把 AI 助手跑在自己机器上、又不想污染本机环境的人，尤其是 Windows 用户——Docker 帮你把依赖、Node 版本、Python 环境全部隔离在一个容器里，删掉容器就等于卸载干净。

但这里有个新手最容易卡住的点：OpenClaw 默认的模型 endpoint 指向的是官方地址，国内直连经常超时或者返回 401。所以安装 skills 之前，先把 endpoint 改到 TaoToken 的 API 地址，让容器里的 OpenClaw 走一个稳定可达的模型入口。这一步不做，后面 skills 装得再全，调用模型时照样报错。

我试过在 Windows 上用 Docker Desktop 跑 OpenClaw，整个流程分两大块：一是容器本身的启动和 skills 目录挂载，二是把 endpoint 配置写进 settings 文件。下面按可复制的顺序拆开讲，命令都能直接粘贴。

先明确几个概念，避免后面混淆：

• 镜像（image）：OpenClaw 的程序本体，从镜像仓库拉下来。
• 容器（container）：镜像跑起来的实例，你的 skills 装在容器内部。
• skills 目录：容器里存放技能包的路径，通常需要挂载到宿主机，方便备份和查看。
• endpoint：模型 API 的请求地址，本篇指向 TaoToken。

Docker 环境下的 skills 安装和裸机安装最大的区别是：你不能直接在 PowerShell 里敲npx clawhub install xxx，因为 clawhub 这个命令装在容器里，宿主机上没有。正确姿势是用docker exec把命令「递」进容器执行。这个思路贯穿全文，记住它就不会迷路。

另外提醒一句，skills 安装依赖网络拉取资源，部分技能包（比如搜索类、社交平台类）在拉取阶段可能因为资源地址问题失败，这属于正常现象，后面第五节会专门讲怎么排查。

2. TaoToken 前置准备：拿到 Base URL、Key 和 Model ID

在动 Docker 之前，先把 TaoToken 这边的三件套准备好，否则容器起来了也没法调模型。所谓三件套就是：Base URL、API Key、Model ID。这三个东西在后面的 settings 配置里都要填，缺一不可。

第一步，注册并登录。打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，完成账号注册。这一步没什么技术含量，邮箱验证即可。

第二步，进控制台创建 API Key。登录后进入控制台页面 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，找到 API Keys 管理入口 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，点新建，复制生成的 Key。这个 Key 只显示一次，建议先粘到记事本里。格式通常是一串以sk-开头的字符串。

第三步，确认 Base URL。TaoToken 的 API 基础地址是：

https://taotoken.net/api

注意这个地址后面不加UTM 参数，配置里就写这个干净的地址。有些工具要求填到/v1结尾，有些只填到/api，具体看 OpenClaw 的配置字段要求，本篇的 settings 片段会给出完整写法。

第四步，选一个 Model ID。在模型列表里挑一个你要用的模型，比如常见的对话模型或者代码模型，把它的 ID 记下来。Model ID 是区分大小写的，填错会直接报模型不存在。

三件套汇总成一张表，方便你对照：

如果你只是想先验证模型能不能通，不想折腾容器，可以直接用模型对话页面 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 发一条消息测试，能正常回复说明 Key 和模型都没问题，再往下走 Docker 流程心里就有底了。

对于长期要跑编码任务或者 Agent 自动化的场景，可以考虑 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，额度更划算。但本篇重点是 Docker 里的 skills 安装，先把基础连通性搞定。

拿到三件套后，别急着关页面，接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 建议开着，里面有针对不同客户端的配置示例，遇到字段不确定时可以对照。

3. 可复制配置：docker run / compose 与 settings 片段

这一节是全文的核心操作区，给出能直接复制的 Docker 启动命令、compose 文件，以及指向 TaoToken 的 settings 配置片段。路径和字段名尽量和 OpenClaw 官方保持一致，你照着改 Key 和 Model ID 就能用。

3.1 拉取镜像并启动容器

先拉镜像。打开 PowerShell（建议以管理员身份运行，避免挂载目录权限问题），执行：

docker pull openclaw/openclaw:latest

拉完后确认镜像在本地：

docker images | findstr openclaw

Windows 的 PowerShell 里findstr相当于 Linux 的grep。看到镜像列表里有 openclaw 就说明拉取成功。

接下来启动容器。这里用docker run给一个最小可用版本，重点是把 skills 目录挂载出来，并把配置目录也挂出来，方便改 settings：

docker run -d --name my-openclaw ^ -p 3000:3000 ^ -v D:\openclaw\skills:/app/skills ^ -v D:\openclaw\config:/app/config ^ -e TZ=Asia/Shanghai ^ openclaw/openclaw:latest

注意 Windows PowerShell 里换行符是^，不是 Linux 的\。如果你在 CMD 里跑，换行符又不一样，建议直接用一行写完，避免踩坑：

docker run -d --name my-openclaw -p 3000:3000 -v D:\openclaw\skills:/app/skills -v D:\openclaw\config:/app/config -e TZ=Asia/Shanghai openclaw/openclaw:latest

参数逐个解释：

• -d：后台运行。
• --name my-openclaw：容器名字，后面docker exec要用到，别写错。
• -p 3000:3000：端口映射，宿主机 3000 对应容器 3000，网页控制台走这个端口。
• -v D:\openclaw\skills:/app/skills：把宿主机的 skills 目录挂进容器，skills 装在这里，删容器不丢技能。
• -v D:\openclaw\config:/app/config：配置目录挂载，settings 文件放这里。
• -e TZ=Asia/Shanghai：时区，避免日志时间错乱。

启动后检查容器状态：

docker ps | findstr my-openclaw

状态显示Up就对了。如果显示Exited，用docker logs my-openclaw看日志排错。

3.2 用 docker compose 管理（推荐）

如果你不想每次敲一长串命令，用 compose 更清爽。在D:\openclaw下新建docker-compose.yml：

version: "3.8" services: openclaw: image: openclaw/openclaw:latest container_name: my-openclaw ports: - "3000:3000" volumes: - ./skills:/app/skills - ./config:/app/config environment: - TZ=Asia/Shanghai restart: unless-stopped

然后在同目录执行：

docker compose up -d

restart: unless-stopped保证机器重启后容器自动拉起，省心。

3.3 写入指向 TaoToken 的 settings 片段

配置文件放在挂载出来的D:\openclaw\config目录下，文件名通常是settings.json。如果容器里没有自动生成，就手动新建一个。内容如下：

{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的Key粘贴到这里", "modelId": "claude-sonnet-4-5", "timeout": 60000 }, "skills": { "dir": "/app/skills", "autoLoad": true }, "server": { "port": 3000 } }

几个关键字段说明：

• provider填openai-compatible，因为 TaoToken 提供的是兼容 OpenAI 协议的接口。
• baseUrl就是前面拿到的https://taotoken.net/api，不要加多余斜杠。
• apiKey换成你自己的 Key。
• modelId换成你要用的模型 ID。
• skills.dir指向容器内的/app/skills，和挂载路径对应。
• autoLoad: true让容器启动时自动加载 skills 目录下的技能。

改完 settings 后重启容器让配置生效：

docker restart my-openclaw

如果你用的是 Claude Code 这类客户端做润色或编码辅助，配置思路类似，Base URL、Key、Model ID 三件套填法一致，具体字段名参考接入文档。这里不展开，避免偏离 Docker skills 安装的主线。

4. 安装 10 个 skills 并验证加载结果

配置就绪后，进入 skills 安装环节。核心公式就一句话：在原始安装命令前加docker exec -it my-openclaw。因为 clawhub 命令在容器里，宿主机上没有，必须通过 exec 递进去。

4.1 万能安装公式

docker exec -it my-openclaw npx clawhub@latest install 技能名

把「技能名」替换成具体 skill 的标识即可。下面按 excerpt 里提到的 10 个技能逐个给出命令，并标注实测结果。

4.2 安全与自我管理类

skill-vetter（安全扫描专家）—— 安装任何技能前帮你排查恶意代码，强烈建议第一个装：

docker exec -it my-openclaw npx clawhub@latest install skill-vetter

实测结果：成功。终端会跑进度条，最后提示Installed。

find-skills（技能大管家）—— 不知道用什么工具时，让它自己搜索并安装：

docker exec -it my-openclaw npx clawhub@latest install find-skills

实测结果：成功。

4.3 大脑升级类

proactive-agent（主动性大脑）—— 记住历史习惯，减少重复输入：

docker exec -it my-openclaw npx clawhub@latest install proactive-agent

实测结果：成功。

self-improving-agent（自我学习与记忆）—— 长期交互越来越懂你：

docker exec -it my-openclaw npx clawhub@latest install self-improving-agent

实测结果：成功。

4.4 触角延伸类

tavily-search（联网搜索）—— AI 优化版搜索，实时查资讯：

docker exec -it my-openclaw npx clawhub@latest install tavily-search

实测结果：失败，找不到资源。这个技能依赖外部搜索服务的资源包，拉取阶段报错。后续可以尝试手动配置 Tavily 的 API Key 再重试。

github（仓库管理）—— 自动管理仓库、Issue、PR：

docker exec -it my-openclaw npx clawhub@latest install github

实测结果：成功。

gog（Google 全家桶）—— 打通 Gmail、日历、Drive：

docker exec -it my-openclaw npx clawhub@latest install gog

实测结果：成功。注意装完后需要在网页控制台填入 Google 的授权信息才能用。

bird（X/Twitter 集成）—— 自动发帖、搜热点：

docker exec -it my-openclaw npx clawhub@latest install bird

实测结果：失败，找不到资源。这个技能同样依赖外部平台资源，且要注意甄别恶意版本，别随便装来路不明的包。

feishu-doc（飞书文档集成）—— 集成飞书文档和云盘：

docker exec -it my-openclaw npx clawhub@latest install feishu-doc

实测结果：成功。

4.5 超级工作流类

automation-workflows（自动化编排）—— 把多个技能串联，执行「收邮件+查数据+写报告+发飞书」这类复杂任务：

docker exec -it my-openclaw npx clawhub@latest install automation-workflows

实测结果：成功。

4.6 验证 skills 是否加载成功

装完后，进容器里看一眼 skills 目录：

docker exec -it my-openclaw ls -la /app/skills

应该能看到各个技能对应的文件夹。再检查 OpenClaw 的加载日志：

docker logs my-openclaw | findstr skill

日志里会列出已加载的技能名。如果某个技能装了但没出现在日志里，说明加载失败，检查 settings 里的autoLoad是否为 true，以及技能目录权限。

最后打开网页控制台http://localhost:3000，在技能列表页应该能看到已安装的技能。成功安装的 8 个会显示为可用状态，失败的 2 个（tavily-search、bird）不会出现或显示异常。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

这一节把 Docker 环境下最容易撞上的几类报错集中处理，每个都给出真实报错特征和排查路径。

5.1 401 Unauthorized

报错特征：调用模型时返回401，日志里出现invalid api key或authentication failed。

原因：API Key 填错、过期，或者 settings 里的apiKey字段没生效。

排查步骤：

1. 确认 Key 没有多余空格。复制时容易带上换行，粘到 JSON 里会破坏格式。
2. 检查 settings.json 是否是合法 JSON。用在线 JSON 校验工具过一遍，少个逗号都会导致整个配置不生效。
3. 确认容器重启过。改完 settings 必须docker restart my-openclaw。
4. 用模型对话页面单独测一下 Key 是否有效，排除 Key 本身的问题。

5.2 local proxy failed

报错特征：容器日志出现local proxy failed或connection refused。

原因：容器内访问外部地址失败，通常是网络配置或 endpoint 地址写错。

排查步骤：

1. 确认baseUrl写的是https://taotoken.net/api，没有多余路径。
2. 进容器测试网络连通性：

docker exec -it my-openclaw curl -I https://taotoken.net/api

能返回 HTTP 状态码说明网络通。如果卡住或报错，检查 Docker Desktop 的网络设置。

3. 确认没有在容器里配置额外的代理环境变量，代理配置冲突会导致请求发不出去。

5.3 reading choices 相关报错

报错特征：日志出现reading 'choices'或cannot read property of undefined。

原因：模型返回的响应结构不符合预期，通常是 endpoint 指向了错误的路径，或者模型 ID 填错导致返回了错误信息而非正常响应。

排查步骤：

1. 确认modelId拼写正确，大小写敏感。
2. 确认provider填的是openai-compatible。
3. 用 curl 直接测一次接口，看返回结构：

curl https://taotoken.net/api/v1/chat/completions ^ -H "Authorization: Bearer sk-你的Key" ^ -H "Content-Type: application/json" ^ -d "{\"model\":\"你的模型ID\",\"messages\":[{\"role\":\"user\",\"content\":\"hi\"}]}"

返回里有choices字段说明接口正常，问题在 OpenClaw 的解析配置。

5.4 OAuth 授权失败

报错特征：安装 gog、feishu-doc 这类需要授权的技能后，调用时报OAuth failed或token expired。

原因：这类技能装完后需要在网页控制台完成 OAuth 授权，光装包不够。

排查步骤：

1. 打开http://localhost:3000，进技能配置页。
2. 找到对应技能，点授权按钮，按提示完成 OAuth 流程。
3. 授权回调地址要填对，通常是http://localhost:3000/callback这类，具体看技能文档。
4. 授权完成后重启容器。

5.5 技能安装时找不到资源

报错特征：npx clawhub install xxx报404或resource not found。

原因：该技能的资源包在仓库里不存在或已下架，比如本篇的 tavily-search 和 bird。

处理方式：这类问题不是配置错误，是资源本身缺失。可以关注技能仓库的更新，或者手动从其他渠道获取技能包放进/app/skills目录。别用来路不明的包，装之前先用 skill-vetter 扫一遍。

排查时养成看日志的习惯，docker logs my-openclaw --tail 100看最近 100 行，大部分问题日志里都有线索。

6. 后续怎么用：把 skills 跑起来并持续扩展

skills 装完只是开始，真正让它产生价值的是调用。打开网页控制台http://localhost:3000，在对话框里直接描述任务，OpenClaw 会根据任务自动匹配已加载的技能。比如你说「帮我搜一下最近的 AI 新闻」，如果 tavily-search 装成功了它会自动调用；如果没装成功，它会提示没有可用搜索技能。

对于自动化编排，automation-workflows 这个技能值得重点玩。你可以定义一条工作流：收到邮件 → 提取关键信息 → 查数据库 → 生成报告 → 发到飞书。这条链路里用到的 gog、feishu-doc、automation-workflows 三个技能都装成功了，理论上可以跑通。配置入口在控制台的 workflow 页面，按提示串联即可。

扩展新技能时，记住那个万能公式：docker exec -it my-openclaw npx clawhub@latest install 技能名。装之前先用 find-skills 搜一下有没有现成的，再用 skill-vetter 扫一遍安全性，这个习惯能帮你避开不少坑。

如果你要长期跑编码或 Agent 任务，模型调用量会上去，可以了解下 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，额度更合适。遇到配置字段不确定的地方，接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 里有各客户端的完整示例，对照着改就行。需要新建或更换 Key 时，API Keys 页面 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 随时可以操作。

最后说个实用技巧：把D:\openclaw这个目录整个用 Git 管起来，skills 和 config 都在里面，换机器时 clone 下来重新docker compose up -d就能恢复整套环境，比重新装一遍省事得多。容器删了也不怕，技能和配置都在宿主机上留着。