1. 从 GitHub 拉源码到跑通：OpenClaw 本地部署到底卡在哪

OpenClaw 是一个开源的 AI 执行框架，简单说它不是大模型本身，而是给大模型装上"手脚"的那层调度系统。你给它一个任务，它能去读写文件、跑命令、调接口，把"对话"变成"执行"。适合谁？适合想在自己机器或云主机上跑一个私有智能体、又不想被某个厂商平台锁死的开发者。它的 GitHub 仓库更新很勤，直接 clone 源码部署能拿到最新能力，但这也是坑最多的一条路——依赖版本、Node 环境、模型通道配置，任何一环没对上，启动就是一堆报错。

我试过从零在一台干净的 Ubuntu 22.04 上拉仓库跑起来，中间踩了几个典型坑：Node 版本低于 22 导致原生模块编译失败、.env里模型地址写错导致请求一直转圈、云端容器里没映射端口导致外部访问不到。这篇就把本地和云端两条路径都走一遍，重点放在"可复制的配置"和"部署后怎么验证真的通了"，模型调用统一走 TaoToken 的 Key 和 API 通道，省得你到处注册各家平台的账号。

先说清楚两条路径的差别。本地部署适合调试和隐私敏感场景，数据全在自己盘里，缺点是关机就停。云端部署适合要 7×24 在线的场景，租一台云主机，把仓库拉上去用容器跑，配好端口映射就能远程访问。两条路径的仓库拉取、依赖安装、模型配置逻辑是一样的，区别只在运行环境和网络暴露方式。

环境要求先对齐，这是后面所有步骤的前提：

这里有个容易被忽略的点：Node 版本一定要先确认。很多人系统里预装的是 v18 或 v20，直接 clone 下来npm install会卡在某个原生依赖的 node-gyp 编译上，报错信息还特别长，看着像网络问题其实是版本问题。先跑node -v看一眼，低于 22 就用 nvm 切一个。

# 安装 nvm（如果还没有） curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc # 装并切到 Node 22 nvm install 22 nvm use 22 node -v # 应输出 v22.x.x

环境对齐之后，本地和云端的分叉点就出现了：本地直接在当前目录跑，云端要考虑容器化和端口。下面第二节先把 TaoToken 的 Key 和通道准备好，因为不管哪条路径，模型调用都靠它。

2. TaoToken 前置准备：统一 Key 与 API 通道配置

在拉仓库之前，先把模型调用的通道准备好，这样部署完能立刻验证，不用来回切窗口。TaoToken 在这里扮演的角色是统一的模型接入层——你不需要在 OpenClaw 里分别填 Moonshot、OpenAI、Anthropic 各自的地址和 Key，而是用一套 Base URL 加一个 Key，通过它去路由到不同模型。对 OpenClaw 这种要频繁切换模型的框架来说，这能省掉大量配置维护工作。

先拿 Key。打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册登录后进控制台，在 API Keys 页面创建一个新 Key。创建时给它起个能认出来的名字，比如openclaw-local，方便以后区分是本地还是云端在用。Key 只在创建时完整显示一次，复制下来存好，后面.env里要用。

拿到 Key 之后，记住两个核心信息，OpenClaw 的模型配置全靠它们：

• Base URL：https://taotoken.net/api
• API Key：你刚复制的那串字符

模型 ID 这块要注意，OpenClaw 的配置里填的是模型标识，不是随便写个名字。TaoToken 支持的主流模型都有对应的 ID，比如 Claude 系列、GPT 系列、Kimi 系列。你可以在模型对话页面先试一下目标模型能不能正常返回，确认 ID 写对了再往 OpenClaw 里填。模型对话入口在这里：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

如果你打算长期跑编码类任务或者 Agent 工作流，可以顺带看下 Coding Plan，它在调用额度和并发上更适合持续运行：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

Key 和通道准备好之后，先别急着配 OpenClaw，用一条 curl 确认通道本身是通的。这一步能帮你把"通道问题"和"OpenClaw 配置问题"分开，后面排障会轻松很多。

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer 你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-5", "messages": [{"role": "user", "content": "ping"}] }'

返回里能看到choices字段和一段回复内容，就说明 Key 和通道没问题。如果这里就报 401，那是 Key 的问题，跟 OpenClaw 无关，先解决这个再往下走。这一步花两分钟，能省掉后面半小时的瞎猜。

3. 可复制配置：本地与云端部署的完整片段

这一节是全文的核心，把本地和云端两条路径的配置都给全。先说本地，从 GitHub 拉仓库开始。

# 1. 拉取仓库 git clone https://github.com/openclaw/openclaw.git cd openclaw # 2. 安装依赖（pnpm 更快，没有就用 npm） pnpm install # 或者 npm install # 3. 复制环境变量模板 cp .env.example .env

接下来编辑.env，这是模型调用能不能通的关键。把下面这段按你的实际情况填进去，重点是OPENAI_BASE_URL和OPENAI_API_KEY这两项指向 TaoToken：

# .env 配置片段 # 模型通道统一走 TaoToken OPENAI_BASE_URL=https://taotoken.net/api/v1 OPENAI_API_KEY=你的TaoToken_Key # 默认使用的模型 ID DEFAULT_MODEL=claude-sonnet-4-5 # 本地服务监听端口 PORT=3000 # 数据目录，本地部署建议放当前项目下 DATA_DIR=./data

这里有个细节：OPENAI_BASE_URL末尾要带/v1，因为 OpenClaw 内部走的是 OpenAI 兼容协议，它会在这个地址后面拼/chat/completions。如果你只写到https://taotoken.net/api，请求路径就错了，会返回 404 或者一直转圈。这个坑我在第一次配的时候踩过，排查了半天才发现是路径少了一段。

配置写完，本地启动：

pnpm start # 或者 npm run start

看到日志里输出监听端口和 gateway 就绪的信息，本地这条路径就算跑起来了。默认访问http://localhost:3000能看到界面。

再说云端。云端推荐用 Docker，把环境变量和端口都固化在配置里，迁移和重启都省事。先写docker-compose.yml：

# docker-compose.yml version: "3.8" services: openclaw: image: node:22-slim container_name: openclaw working_dir: /app volumes: - ./openclaw:/app - ./data:/app/data ports: - "3000:3000" environment: - OPENAI_BASE_URL=https://taotoken.net/api/v1 - OPENAI_API_KEY=你的TaoToken_Key - DEFAULT_MODEL=claude-sonnet-4-5 - PORT=3000 - DATA_DIR=/app/data command: sh -c "npm install && npm run start" restart: unless-stopped

云端部署的步骤是：先把仓库 clone 到云主机上，然后在仓库同级目录放这个docker-compose.yml，注意volumes里的./openclaw要指向你实际 clone 下来的目录名。然后：

# 启动容器 docker compose up -d # 看日志确认启动成功 docker compose logs -f openclaw

restart: unless-stopped这行很关键，它保证云主机重启后容器自动拉起来，实现 7×24 在线。端口映射3000:3000把容器内端口暴露到主机，外部通过云主机的公网 IP 加 3000 端口访问。记得在云主机的安全组里放行 3000 端口，否则外面连不上，这个也是常见坑。

如果你用的是 Cline MCP 或者 Claude Code 这类工具去连 OpenClaw 的接口，配置里同样要写全三件套：Base URL 填https://taotoken.net/api/v1，Key 填你的 TaoToken Key，Model ID 填claude-sonnet-4-5或你实际要用的模型。三样缺一不可，少一个就是连不上或者报模型不存在。

4. 验证请求：确认部署后接口真的通了

部署完不能只看进程活着就完事，得实际发一个请求确认整条链路通了。验证分两层：先验 OpenClaw 服务本身活着，再验它通过 TaoToken 调模型能拿到回复。

第一层，检查服务状态：

# 本地或云端容器内执行 curl http://localhost:3000/health

返回{"status":"ok"}之类的健康检查结果，说明服务进程正常。如果这一步就失败，那是部署问题，跟模型通道无关，去看容器日志或者本地启动日志。

第二层，走 OpenClaw 的接口发一个真实请求，验证它能通过 TaoToken 拿到模型回复：

curl http://localhost:3000/api/chat \ -H "Content-Type: application/json" \ -d '{ "message": "帮我列一下当前目录下的文件", "model": "claude-sonnet-4-5" }'

如果返回里带了模型生成的回复内容，说明 OpenClaw 到 TaoToken 再到模型的整条链路是通的。这一步成功，你的部署就算真正完成了。

云端的话把localhost换成云主机的公网 IP：

curl http://你的云主机IP:3000/health

这里有个验证技巧：如果第二层请求返回的报错里出现reading 'choices'这种字样，说明请求发出去了但响应结构不对，通常是 Base URL 路径写错或者模型 ID 不存在。如果报local proxy failed或者连接超时，那是网络层的问题，检查云主机安全组和容器端口映射。把报错信息对着这两类去分，能快速定位。

验证通过之后，你可以回到模型对话页面再确认一下同一个模型在网页端也能正常返回，两边结果一致就说明配置没问题：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

5. 本篇常见错排查：401、local proxy failed、reading choices

部署过程中最耗时的就是排错，这一节把几个高频报错和对应解法列清楚，你对着报错信息直接找就行。

401 Unauthorized。这个最直接，就是 Key 不对。可能的原因：Key 复制时带了空格、Key 已经失效或被删、.env里变量名写错导致读不到。排查顺序是先确认.env里OPENAI_API_KEY的值和你复制的一致，再单独用第 2 节那条 curl 测一下 Key 本身。如果 curl 能通但 OpenClaw 报 401，那就是 OpenClaw 没读到.env，检查启动时的工作目录对不对，.env要在项目根目录。

local proxy failed。这个报错通常出现在云端容器里，意思是容器内部往外发请求失败了。原因一般是容器网络配置问题，或者云主机本身出网受限。排查：进容器docker exec -it openclaw sh，在里面 curl 一下 TaoToken 的地址，看能不能通。如果容器内不通但主机上通，那是容器 DNS 或网络模式的问题，给 compose 加network_mode: host或者检查 DNS 配置。

reading 'choices'。这个报错说明请求发出去了，返回的 JSON 里没有choices字段，代码去读就报错。根因是响应结构不对，最常见的是 Base URL 路径写错——比如写成了https://taotoken.net/api少了/v1，请求打到了错误的端点。另一个可能是模型 ID 写错，通道返回了错误信息而不是正常的 completion 结构。解法：确认OPENAI_BASE_URL是https://taotoken.net/api/v1，确认DEFAULT_MODEL是通道支持的模型 ID。

OAuth 相关报错。如果你在配置里误开了需要 OAuth 的模型提供商，会报授权失败。OpenClaw 里如果同时配了多个 provider，确保默认走的是 TaoToken 这条 OpenAI 兼容通道，别让 OAuth 类型的 provider 抢了默认。检查配置文件里 provider 的优先级，把 TaoToken 通道设为默认。

端口占用或访问不到。本地报EADDRINUSE是 3000 端口被占了，改PORT换个端口。云端外部访问不到，先确认安全组放行了端口，再确认 compose 里ports映射写对了，最后确认云主机防火墙没拦。

把这几类报错和现象对照着记，下次再遇到能直接定位。排障时如果怀疑是通道问题，可以回 API Keys 页面重新生成一个 Key 测试，排除 Key 本身的因素：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

6. 部署完成后的接入与长期运行建议

部署跑通只是开始，真正用起来还要考虑长期运行的稳定性。本地部署的话，机器关机服务就停，适合调试和按需使用；如果你要它持续处理任务，云端那条路径更合适，配合restart: unless-stopped能做到开机自启。

长期运行有几个实用建议。第一，把.env和docker-compose.yml里的 Key 管理好，别提交到 Git 仓库，用.gitignore排除掉。第二，云端部署定期看容器日志，docker compose logs能发现内存泄漏或者请求异常。第三，模型 ID 别写死在代码里，放在环境变量里，换模型时改配置重启就行，不用动代码。

如果你后面要接 Claude Code 或者 Cline MCP 这类工具，记住三件套的写法：Base URL 用https://taotoken.net/api/v1，Key 用你的 TaoToken Key，Model ID 用通道支持的模型标识。这三样在 OpenClaw 的.env里、在 Cline 的 MCP 配置里、在 Claude Code 的 settings 里都是同样的逻辑，配一次就能复用。

需要看更完整的接入文档和参数说明，可以到这里翻：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

最后一步，回到你的 OpenClaw 界面，发一个真实任务让它执行，比如"读取当前目录的 README 并总结"。看到它真的去读文件、调模型、返回总结，这条从 GitHub 仓库到本地/云端部署、再到 TaoToken 统一 Key 接入的完整链路就算彻底走通了。