1. 企业内网里跑 OpenClaw到底该把“管家”放哪OpenClaw 是一类把大模型变成可执行智能体的工具能接飞书、企业微信、Telegram 等入口替团队处理文档、报表、定时任务。企业落地时第一个绕不开的问题不是“用哪个模型”而是部署形态把 OpenClaw 放在内网自己的机器上还是让它通过统一 API 通道调用云端模型。前者数据不出域后者省运维、上手快但配置骨架完全不同。我接触过的团队里纠结的点通常集中在三处财务和客户数据能不能出内网、有没有人能维护一台常开的机器、以及长期 token 成本怎么摊。这篇不空谈优劣直接给两套可复制的配置骨架——config.toml负责 OpenClaw 主体settings.json负责模型通道再配连通性验证和回滚步骤。你可以先按数据边界选一条路跑通后再决定要不要切换。需要先说明本地私有化指的是 OpenClaw 进程和模型推理都在你自己的机器或内网工作站上云端接入指的是 OpenClaw 仍在本地跑但模型请求走 TaoToken 的统一 Key/API 通道。两者不是互斥的很多团队是“本地跑 Agent 云端调模型”的混合形态配置差异主要体现在模型 provider 段。2. 接入前的准备TaoToken 通道与 Key 的定位不管选哪种形态只要涉及云端模型就需要一个稳定的 API 入口。TaoToken 在这里的角色是统一通道你拿到一个 Key就能在 OpenClaw 里切换不同模型而不用为每家模型单独维护一套鉴权和计费。对运维来说这省掉了多套 Key 轮换的麻烦对成本核算来说账单集中在一处更好对。具体操作上先到控制台创建 Key再对照接入文档确认 base_url 和模型名格式。这两步做完你手里应该有三个值api_key、base_url、model。本地私有化如果用的是本地推理服务比如内网部署的推理端点同样需要这三个值只是base_url指向内网地址。注意Key 只放在服务端配置文件或环境变量里不要写进会提交到 Git 的示例配置。团队协作时用.env加.gitignore是最低要求。如果你还在评估阶段想先确认模型通道是否通可以先用模型对话做一次最小验证确认 Key 和网络都没问题再往 OpenClaw 里填。长期做编码类 Agent 的团队则更适合直接看 Coding Plan 的额度模型避免按次调用把成本打散。3. 可复制配置config.toml 与 settings.json 骨架OpenClaw 的配置通常分两层config.toml管 Agent 行为、入口和工具权限settings.json管模型 provider 和凭据。下面给两套骨架差异集中在 provider 段。3.1 本地私有化形态的 config.toml本地形态下模型请求指向内网推理端点OpenClaw 可以读写本地文件、执行命令权限要给得明确。[agent] name openclaw-local workspace /data/openclaw/workspace log_level info [agent.runtime] mode local allow_shell true allow_file_write true allowed_paths [/data/openclaw/workspace, /data/shared/reports] [channels.feishu] enabled true app_id cli_xxx app_secret ${FEISHU_APP_SECRET} [model] provider local-openai-compatible endpoint http://10.0.1.20:8000/v1 model_name qwen2.5-14b-instruct timeout_seconds 120关键点allowed_paths一定要显式列出别用根目录allow_shell在内网也要谨慎建议配合白名单命令。本地推理端点只要兼容 OpenAI 协议OpenClaw 就能直接对接。3.2 云端接入形态的 config.toml云端形态下Agent 行为可以保持一致只改 model 段指向 TaoToken 通道。[agent] name openclaw-cloud workspace /data/openclaw/workspace log_level info [agent.runtime] mode local allow_shell false allow_file_write true allowed_paths [/data/openclaw/workspace] [channels.feishu] enabled true app_id cli_xxx app_secret ${FEISHU_APP_SECRET} [model] provider openai-compatible endpoint https://taotoken.net/api/v1 model_name claude-sonnet-4-20250514 timeout_seconds 180 retry 2注意allow_shell在云端形态建议关掉因为模型侧在外部本地命令执行的风险面更大。retry给 2 次应对网络抖动。3.3 settings.json 的凭据段两套形态的settings.json结构一样只是 endpoint 和 key 来源不同。{ providers: { default: { api_key_env: TAOTOKEN_API_KEY, base_url: https://taotoken.net/api/v1, models: { fast: gpt-4o-mini, balanced: claude-sonnet-4-20250514, deep: deepseek-chat } }, local: { api_key_env: LOCAL_INFERENCE_KEY, base_url: http://10.0.1.20:8000/v1, models: { default: qwen2.5-14b-instruct } } }, active_provider: default }active_provider就是切换开关改成local走内网改成default走云端通道。这个字段让回滚变得非常简单不用改config.toml。4. 验证请求与成功结果配置写完别急着接飞书先用命令行验证模型通道。OpenClaw 一般带一个doctor或test-model子命令没有的话直接用 curl 打 endpoint。export TAOTOKEN_API_KEYsk-你的key curl -sS https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-20250514, messages: [{role: user, content: 回复 OK 两个字母}], max_tokens: 16 }成功时返回体里choices[0].message.content应该是OK。如果返回 401检查 Key 是否带上了Bearer前缀返回 404检查 base_url 是否多了或少了/v1。本地形态的验证同理把 URL 换成内网端点curl -sS http://10.0.1.20:8000/v1/chat/completions \ -H Authorization: Bearer ${LOCAL_INFERENCE_KEY} \ -H Content-Type: application/json \ -d {model:qwen2.5-14b-instruct,messages:[{role:user,content:ping}],max_tokens:8}两边都通之后再启动 OpenClaw 主进程观察日志里 provider 初始化是否成功。日志出现providerdefault modelclaude-sonnet-4这类行说明配置生效。5. 本篇常见错排查5.1 切换 provider 后仍走旧通道最常见的原因是settings.json改了但进程没重启或者环境变量里还留着旧的OPENAI_BASE_URL覆盖了配置。排查顺序先env | grep -i base_url再确认进程启动时间晚于配置修改时间。5.2 本地形态报连接超时内网端点如果绑的是127.0.0.1OpenClaw 跑在容器里就连不上。把推理服务绑到0.0.0.0或内网网卡地址再用curl从 OpenClaw 所在机器测一次。防火墙策略也要确认放行了对应端口。5.3 云端形态偶发 429并发高时通道会限流。在config.toml的 model 段加retry和退避或者把fast模型用于高频轻任务deep模型留给复杂推理。团队规模大时用 Coding Plan 这类额度模型比按次调用更可控。5.4 文件权限报错本地形态下allowed_paths没包含目标目录或者运行 OpenClaw 的系统用户对目录没有写权限。用ls -ld确认属主必要时chown或把目录加进白名单。5.5 回滚步骤切换回滚只改一个字段把settings.json里的active_provider改回原值重启进程。如果连config.toml的 model 段也改过用 Git 回退该文件再重启。建议每次切换前cp settings.json settings.json.bak回滚时直接覆盖。6. 按数据边界选型通道统一交给 TaoToken选型的判断标准其实就一条数据能不能出内网。财务、客户、合同类数据必须留在本地就走私有化形态模型用内网推理端点代价是要有人维护机器和推理服务。公开数据、一般办公自动化、快速验证类任务走云端接入形态OpenClaw 仍在本地跑模型请求经 TaoToken 统一通道出去省掉多套 Key 管理。混合形态也完全可行settings.json里保留两个 provider按任务类型切active_provider。需要先确认通道和模型可用性用模型对话跑一轮准备长期做编码 Agent 的直接看 Coding Plan 的额度设计Key 的创建和管理在控制台完成接入细节对照接入文档。配置骨架已经给全剩下的就是按你们的数据边界填 endpoint 和模型名。