企业官网建设流程全解析

1. 从 Moltbook 的 150 万 Agent 说起：我想看清它们到底在聊什么

Moltbook 这个站点最近在 Agent 圈子里刷屏，三天注册量破百万，现在上面挂着 150 万级别的 Agent 账号，每天产生海量帖子。问题在于，这些内容不是给人读的——它们是 Agent 之间互相发帖、互相回复、互相点赞产生的。你想知道「Agent 们到底在聊什么」，靠人肉翻页根本不现实，必须让另一个 Agent 去抓、去聚类、去出报告。

我这次要复现的链路是这样的：用 OpenClaw 作为执行 Agent，通过飞书机器人接收我的自然语言指令，让它去抓 Moltbook 的帖子数据，把结果写进飞书多维表格，再做话题聚类和趋势看板，最后输出一份飞书文档。整条链路里最容易被卡住的不是抓取逻辑，而是模型接入——OpenClaw 需要一个稳定的模型后端来驱动推理和工具调用。这篇就聚焦在 TaoToken 统一 Key 的接入配置与端到端验证上，让你能把 Agent 话题热度榜跑出来。

适合谁看：已经在用 OpenClaw、想接飞书做自动化分析、但被多模型 Key 管理搞烦的人。如果你还没装 OpenClaw，文末的配置骨架同样适用于任何兼容 OpenAI 协议的客户端。

2. 为什么用 TaoToken 统一 Key 接 OpenClaw

OpenClaw 的模型配置是写在config.toml或 Web UI 的 Raw 配置里的，一旦你要在多个模型之间切换（比如抓取用便宜模型、总结用强模型），就得反复改 baseUrl 和 apiKey。TaoToken 的做法是给你一个统一的入口，把不同模型的调用收敛到一套 Key 和一套地址上，OpenClaw 侧只需要改一个 provider 配置。

具体来说，TaoToken 提供 OpenAI 兼容的接口，baseUrl 指向https://taotoken.net/api，你用同一个 Key 就能调用它背后挂载的模型。对 OpenClaw 这种需要频繁做工具调用和长上下文推理的场景，统一 Key 的好处是：配置一次，后面换模型只改 model id，不用动认证信息。

这里要区分两个概念：TaoToken 的 API 地址是https://taotoken.net/api，而官网入口是https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=。注册和拿 Key 走官网，实际请求走 API 地址，别搞混。

如果你打算长期跑编码类或 Agent 类任务，可以关注 Coding Plan 这个入口，它面向的是持续性的编码和 Agent 工作负载，比按次调用更适合 OpenClaw 这种常驻进程。拿 Key 的页面在 console 里，接入文档在 doc 里，这两个后面配置时会用到。

3. OpenClaw 侧的可复制配置：config.toml 骨架

OpenClaw 的配置有两种改法：Web UI 里点 Settings -> Config -> Authentication，底部切到 Raw 直接改 JSON；或者直接编辑本地的config.toml。下面给一份以 TaoToken 为 provider 的骨架，你可以直接对照替换。

先看核心的 provider 段。OpenClaw 兼容 OpenAI 的 completions 协议，所以api字段填openai-completions，baseUrl 填 TaoToken 的 API 地址：

[models.providers.taotoken] baseUrl = "https://taotoken.net/api" apiKey = "<YOUR_TAOTOKEN_API_KEY>" api = "openai-completions" [[models.providers.taotoken.models]] id = "claude-sonnet-4-5" name = "claude-sonnet-4-5" [[models.providers.taotoken.models]] id = "gpt-4o-mini" name = "gpt-4o-mini"

然后是 agent 默认模型段，把 primary 指向 TaoToken 下的模型。抓取和聚类这种重工具调用的任务，建议 primary 用能力强的模型，compaction 用便宜的：

[agents.defaults.model] primary = "taotoken/claude-sonnet-4-5" [agents.defaults.models."taotoken/claude-sonnet-4-5"] alias = "taotoken" [agents.defaults] workspace = "/Users/yourname/.openclaw/workspace" maxConcurrent = 4 [agents.defaults.subagents] maxConcurrent = 8

gateway 段保持本地回环即可，端口默认 18789，token 在 Web UI 的 Overview -> Gateway Token 里找：

[gateway] port = 18789 mode = "local" bind = "loopback" [gateway.auth] mode = "token" token = "<YOUR_GATEWAY_TOKEN>"

改完之后在 Web UI 里先点 Save 再点 Update，或者重启 OpenClaw 进程。这里有个坑：如果你之前配过火山方舟的 Coding Plan，provider 名字可能叫volcengine，别和taotoken混在同一个 agent 的 primary 里，否则会出现模型路由混乱。

注意：apiKey 不要写进会提交到 git 的文件里。OpenClaw 的 workspace 目录如果被版本管理，建议把 config 里的 Key 换成环境变量引用，或者单独放一份不追踪的配置。

4. 飞书机器人回调配置：让 OpenClaw 能收能发

OpenClaw 要能通过飞书接收你的指令、并把分析结果写回飞书文档，需要装飞书插件并配好机器人权限。先装插件：

openclaw plugins install @m1heng-clawd/feishu

然后在飞书开放平台创建企业自建应用，添加机器人能力。权限这块用批量导入最省事，把下面这段 JSON 贴进「权限管理」->「批量导入/导出权限」：

{ "scopes": { "tenant": [ "im:message:readonly", "im:message:send_as_bot", "im:message.p2p_msg:readonly", "im:chat:read", "docx:document:create", "docx:document:readonly", "docx:document:write_only", "docs:document.content:read", "docs:permission.member:create" ], "user": [ "docx:document:create", "docx:document:readonly" ] } }

权限里im:message:readonly和im:message:send_as_bot是收发消息的基础，docx:document:create和docx:document:write_only是写飞书文档用的。导入后确认开通。

接着配事件订阅。在「事件与回调」里，订阅方式选「使用长连接接收事件」，添加事件「接收消息」。长连接方式不需要你暴露公网回调地址，OpenClaw 本地进程直接和飞书保持连接，这对本地部署很友好。

最后在 OpenClaw Web UI 的 Channels 里填飞书的 App ID 和 App Secret，保存。确保应用已发布，且可用范围包含你自己的账号，否则在飞书里搜不到机器人。

5. 端到端验证：从一条消息到一份话题热度榜

配置完成后，做一次最小验证。在飞书里给机器人发一条消息：

帮我抓取 Moltbook.com 上最近 24 小时的帖子标题，按出现频率聚类出前 10 个话题，写进一个飞书文档，标题叫「Agent 话题热度榜」。

预期行为是：OpenClaw 收到消息后，用 TaoToken 的模型做推理，调用抓取工具拉取帖子，做聚类，然后调用飞书文档 API 创建文档并写入结果。你会在飞书里收到机器人的回复，附带文档链接。

如果这一步成功，再验证定时任务。发第二条消息：

以后每天上午 10 点，重复上面的分析，更新同一个飞书文档。

OpenClaw 会把这条指令注册成定时任务，之后每天自动跑。这里的关键是模型要能稳定做多轮工具调用，如果中途模型返回格式不对，任务会断。所以 primary 模型的选择很重要，别用太弱的模型跑这种链路。

验证成功的标志有三个：飞书里收到回复、文档被创建且内容非空、定时任务在 OpenClaw 的 task 列表里可见。三个都满足，说明 TaoToken 的 Key 接入和飞书回调都通了。

6. 本篇常见错排查

报错一：401 Unauthorized。大概率是 apiKey 填错，或者 baseUrl 写成了官网地址。记住请求地址是https://taotoken.net/api，不是带 utm 的官网链接。检查 config 里baseUrl字段有没有多写路径。

报错二：模型 not found。OpenClaw 里 model id 要和 TaoToken 侧实际挂载的模型名一致。如果你在 config 里写了claude-sonnet-4-5但 TaoToken 侧叫别的名字，就会 404。去 doc 里核对模型列表，或者先用模型对话页面测一下这个 id 能不能通。

报错三：飞书机器人不回复。先看应用是否已发布、可用范围是否包含你。再看事件订阅是不是选了长连接、有没有添加「接收消息」事件。最后看 OpenClaw 的 Channels 配置里 App ID 和 Secret 有没有填反。

报错四：文档创建成功但内容为空。这是模型工具调用返回格式问题。检查 primary 模型是否支持 function calling，以及 OpenClaw 的飞书插件版本是否匹配。可以先把任务简化成「只创建一个空文档」，确认文档 API 通了，再叠加抓取逻辑。

报错五：定时任务不触发。OpenClaw 的 gateway 必须是常驻运行状态，如果你关了终端或进程，定时任务不会跑。确认 gateway 进程在后台，端口 18789 可访问。

排障时如果怀疑是 Key 或接入问题，直接去 API Keys 页面重新生成一个 Key 替换测试；如果是模型能力问题，去模型对话页面单独测这个模型的工具调用；如果是长期编码或 Agent 任务稳定性问题，考虑切到 Coding Plan 的接入方式。

7. 把这条链路跑成日常

这套配置跑通之后，你其实得到的是一个可复用的模板：OpenClaw 负责执行，TaoToken 负责模型供给，飞书负责交互和存储。换一个数据源，比如把 Moltbook 换成别的 Agent 社区，只需要改抓取工具的参数，模型和飞书部分不用动。

我自己的习惯是把 config.toml 里的 provider 段单独抽出来做备份，换机器时直接贴回去，只改 workspace 路径和 gateway token。飞书那边的权限 JSON 也存一份，新应用导入权限时不用一个个勾。

最后提醒一句：抓取公开站点的数据要注意频率，别把人家站点打挂。OpenClaw 的 maxConcurrent 别设太高，4 到 8 之间比较稳。跑定时任务时错开高峰，凌晨跑一次就够看清趋势了。