企业官网建设流程全解析

1. 为什么要在 Windows 上折腾 OpenClaw 小龙虾

OpenClaw 小龙虾是一个能在本地跑起来的开源 AI 智能体，它和普通聊天机器人的最大区别是：它能直接操控你的电脑。你说一句“把 D 盘下载文件夹里的图片按日期分类”，它会自己拆解任务、调用工具、新建文件夹、移动文件，全程不需要你动手。适合谁？适合每天被重复性电脑操作折磨的办公族、想尝鲜本地 AI Agent 的开发者、以及不想把敏感数据传到云端的隐私敏感用户。

我在 Windows 11 上完整跑了一遍部署流程，从环境准备到 Gateway 在线，再到让它自动整理文件、生成表格，中间踩了几个坑，也总结出一套可复制的配置方法。这篇文章不会只给你一个下载链接就完事，而是把依赖安装、配置项说明、核心功能逐项验证都拆开讲清楚。你跟着做，大概率能一次跑通。

Windows 平台部署 OpenClaw 的核心难点不在安装包本身，而在于三件事：杀毒软件误杀、路径含中文导致初始化失败、Gateway 服务启动后连不上模型。这三个问题分别对应环境准备、配置项、验证请求三个环节。下面我会按顺序展开，每个环节都给出可复制的命令和配置文件片段。

先明确一个认知：OpenClaw 不是装完就能用的“绿色软件”，它需要本地运行一个 Gateway 服务来调度任务，还需要配置模型接入点来驱动智能体决策。所以部署流程本质上是“装依赖 → 配模型 → 启服务 → 验功能”四步。把这四步走通，后面加技能、接聊天工具都是顺水推舟。

2. TaoToken 前置准备：给小龙虾接上模型大脑

OpenClaw 本身不带模型推理能力，它需要调用外部模型 API 来完成自然语言理解和任务规划。你可以把它理解成一个“手脚”，模型是“大脑”。没有大脑，小龙虾就只会空转。所以部署前必须先准备好模型接入点。

我试过几种接入方式，最后稳定用的是 TaoToken 的 API 接入。它的好处是兼容 OpenAI 接口格式，OpenClaw 的配置文件里直接填 Base URL 和 Key 就能用，不需要额外装适配层。而且它支持多模型切换，你可以在配置里指定用哪个模型来驱动 Agent，灵活性比较高。

具体要准备三样东西：Base URL、API Key、Model ID。这三件套在 OpenClaw 的配置文件里是必填项，缺一个 Gateway 就起不来。

Base URL 填https://taotoken.net/api，注意不要加多余的路径后缀。API Key 需要你去控制台生成，生成后复制保存，页面刷新后就不再完整显示。Model ID 根据你的需求选，做 Agent 任务建议选推理能力强的模型，响应速度和任务拆解准确率会好很多。

如果你还没生成 Key，可以按这个路径操作：先访问官网了解服务范围，然后进控制台创建 API Key。控制台地址是https://taotoken.net/console，进去后在 API Keys 页面点创建，把生成的 Key 复制到安全的地方。这个 Key 就是 OpenClaw 调用模型时的身份凭证，泄露了别人就能消耗你的额度。

另外建议在正式配置前，先用模型对话功能测一下 Key 是否可用。访问https://taotoken.net/models可以快速验证模型响应是否正常。如果这里都调不通，那 OpenClaw 里肯定也连不上，先解决 Key 和网络问题再往下走。

对于长期跑 Agent 任务的用户，可以考虑 Coding Plan，它在高频调用场景下额度更充裕，适合把 OpenClaw 当日常数字员工用的场景。接入文档在https://taotoken.net/doc，里面有各语言的调用示例，配置 OpenClaw 时可以参考接口格式部分。

3. 可复制配置：OpenClaw 的 settings 与依赖安装

这一节是全文最核心的部分，我会给出完整的配置文件片段和依赖安装命令。你直接复制改改就能用。

先说依赖。OpenClaw 在 Windows 上需要 Node.js 运行时和 Git。Node.js 版本建议 18 以上，我用的是 20 LTS。安装命令用 winget 最省事：

winget install OpenJS.NodeJS.LTS winget install Git.Git

装完后验证：

node -v npm -v git --version

三个命令都能输出版本号就说明环境 OK。如果 node 命令找不到，重启一下终端或者手动把 Node.js 安装目录加到 PATH。

接下来是 OpenClaw 本体。官方推荐用 npm 全局安装：

npm install -g openclaw@latest

安装完成后，在纯英文路径下初始化配置目录。比如D:\OpenClaw，不要用中文路径，不要有空格。进入该目录后运行：

openclaw init

这会在当前目录生成settings.json和skills文件夹。settings.json是核心配置文件，下面是我实测可用的配置片段：

{ "gateway": { "port": 18789, "host": "127.0.0.1", "autoStart": true }, "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的Key粘贴在这里", "modelId": "你的ModelID", "maxTokens": 4096, "temperature": 0.3 }, "agent": { "maxSteps": 20, "timeout": 120000, "workspace": "D:\\OpenClaw\\workspace" }, "browser": { "headless": false, "executablePath": "C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe" } }

几个关键项说明。gateway.port默认 18789，如果被占用可以改成 18790 或其他空闲端口。model.baseUrl必须填https://taotoken.net/api，不要加/v1后缀，OpenClaw 会自动拼接。model.apiKey填你生成的 Key。model.modelId填你要用的模型标识。agent.workspace是 Agent 操作文件的默认目录，建议单独建一个，避免它误操作你的重要文件夹。browser.executablePath指向你本机的 Chrome 路径，做浏览器自动化时需要。

配置写完后，启动 Gateway：

openclaw gateway start

如果看到Gateway listening on 127.0.0.1:18789就说明服务起来了。第一次启动可能会慢几秒，因为要加载技能模块。

如果你用 Claude Code 做开发辅助，想让它和 OpenClaw 共用同一套模型接入，可以在 Claude Code 的配置里填同样的 Base URL 和 Key。Claude Code 的配置路径通常在用户目录下的.claude/settings.json，格式类似：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key" } }

这样两个工具走同一个接入点，额度统一管理，切换模型也方便。注意 Claude Code 用的是 Anthropic 接口格式，TaoToken 的 API 兼容这个格式，所以直接填就行。

4. 验证请求：确认 Gateway 与模型都正常工作

配置写完不代表就能用，必须逐项验证。我按“服务层 → 模型层 → 功能层”三层来验，每层都有明确的成功标志。

第一层，验证 Gateway 服务。在浏览器访问http://127.0.0.1:18789/health，如果返回{"status":"ok"}说明服务正常。或者用 curl：

curl http://127.0.0.1:18789/health

返回 ok 就过了。如果连接被拒绝，说明 Gateway 没起来，回去检查openclaw gateway start有没有报错。

第二层，验证模型接入。OpenClaw 提供了一个测试命令：

openclaw model test

这个命令会向配置的 Base URL 发一个简单的对话请求，如果返回模型回复内容，说明 Key、Base URL、Model ID 三件套都正确。如果报 401，说明 Key 无效或没填对；如果报连接超时，检查网络和 Base URL 是否写错；如果报 model not found，说明 Model ID 填错了，去控制台确认正确的模型标识。

第三层，验证核心功能。打开 OpenClaw 的交互界面：

openclaw chat

进入对话后，先发一个简单指令测试任务拆解能力：

帮我在 D:\OpenClaw\workspace 下新建一个 test 文件夹，然后在里面创建一个 hello.txt，内容写“OpenClaw 部署成功”

如果 Agent 正常，它会返回执行步骤，并且你去看文件系统，确实会多出这些文件。这一步验证的是 Agent 的任务规划和文件操作能力。

再测浏览器自动化：

打开浏览器，访问 https://taotoken.net/doc，把页面标题提取出来告诉我

如果 Chrome 自动启动并返回了页面标题，说明浏览器控制模块正常。这一步依赖browser.executablePath配置正确，以及 Chrome 已安装。

最后测一个综合任务：

读取 D:\OpenClaw\workspace\hello.txt 的内容，然后生成一个 summary.md，把内容写进去，并在末尾加上当前时间

这个任务涉及文件读取、内容处理、文件写入三个动作，能跑通说明 Agent 的 tool calling 链路完整。

三层都验证通过后，你的 OpenClaw 就算真正部署完成了。后续加技能、接微信/飞书都是在这个基础上扩展。

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

部署过程中最容易卡住的几个报错，我逐个拆解原因和解决方法。

报错一：401 Unauthorized

这是模型接入层最常见的错误。原因通常是 API Key 填错、Key 已失效、或者 Base URL 写成了带/v1的格式导致路径拼接错误。排查步骤：先确认settings.json里baseUrl是https://taotoken.net/api，没有多余后缀；再确认apiKey是完整复制的，没有多余空格；最后去控制台看 Key 状态是否正常。如果 Key 没问题，用openclaw model test单独测模型层，把错误范围缩小。

报错二：local proxy failed / connection refused

这个报错通常出现在 Gateway 启动阶段，原因是端口被占用或者 host 配置成了外部地址导致绑定失败。解决方法：检查 18789 端口是否被其他程序占用，用netstat -ano | findstr 18789查看；如果被占用，改settings.json里的gateway.port为其他值，重启 Gateway。另外确认gateway.host是127.0.0.1，不要填0.0.0.0或局域网 IP，除非你明确需要外部访问。

报错三：reading choices 相关错误

这个报错一般出现在模型返回格式不符合预期时，比如模型返回了非 JSON 结构，而 OpenClaw 期望解析 choices 字段。原因可能是 Model ID 选错了，用了一个不兼容 OpenAI 接口格式的模型。解决方法：确认你用的 Model ID 支持 OpenAI 兼容接口，在openclaw model test里看返回结构是否包含choices字段。如果返回结构不对，换一个兼容的模型 ID。

报错四：OAuth 相关错误

如果你在配置里误开了 OAuth 认证，或者 Key 类型选成了 OAuth 而非 API Key，会报这个错。OpenClaw 用的是 API Key 认证，不需要 OAuth 流程。检查settings.json里没有多余的 auth 配置项，apiKey填的是控制台生成的 API Key 而不是其他凭证。

报错五：杀毒软件拦截导致文件缺失

这个不是代码报错，但表现是 Gateway 启动失败或技能加载不全。Windows Defender 或第三方杀毒会把 OpenClaw 的文件操作行为判定为风险。解决方法：把 OpenClaw 安装目录加入杀毒软件白名单，或者临时关闭实时防护再重新解压安装。部署完成后可以把 workspace 目录单独加白名单，避免 Agent 操作文件时被拦截。

报错六：路径含中文导致初始化失败

openclaw init在含中文的路径下会报编码错误。确保你的工作目录是纯英文，比如D:\OpenClaw，不要用D:\小龙虾或D:\软件\OpenClaw。如果已经初始化失败，删掉生成的残留文件，换纯英文路径重新 init。

排查思路总结成一句话：先分层定位（服务层/模型层/功能层），再对照报错关键词缩小范围，最后用最小化命令验证。不要一上来就重装，大部分问题改一行配置就能解决。

6. 把小龙虾用起来：从验证到日常任务

部署验证通过后，OpenClaw 就算正式上岗了。但要让它在日常工作中真正帮上忙，还需要做两件事：一是把常用任务固化成技能，二是把接入点管理好避免额度浪费。

技能方面，OpenClaw 支持在skills目录下自定义技能脚本。你可以把“整理下载文件夹”“生成周报表格”“批量重命名图片”这类高频操作写成技能，之后直接一句话调用。技能脚本本质上是 Node.js 模块，导出一个函数，接收 Agent 传来的参数，执行具体操作。官方文档里有技能开发模板，照着改就行。

接入点管理方面，建议把 TaoToken 的 Key 和 Base URL 统一维护在一个地方，OpenClaw、Claude Code、其他工具都引用同一份配置。这样换模型或换 Key 时只改一处，不用每个工具都改一遍。Coding Plan 适合把 OpenClaw 当长期数字员工用的场景，额度更充裕，不用频繁担心调用次数。

日常使用中，指令越具体，Agent 完成得越精准。比如“整理下载文件夹”不如“把 D:\Downloads 里的图片按拍摄日期分类到子文件夹，视频单独放一个文件夹”来得明确。Agent 会按你给的约束条件拆解步骤，约束越清晰，执行偏差越小。

最后提醒一点：Agent 有文件读写和浏览器操控权限，建议在独立的 workspace 目录里操作，不要直接指向系统盘或重要资料文件夹。你可以给 OpenClaw 单独建一个工作区，所有自动化任务都在这个范围内进行，既安全又好管理。

如果你在部署过程中遇到本文没覆盖的报错，可以去接入文档里查接口格式和错误码说明，大部分连接类问题都能在那里找到答案。模型对话功能也可以用来快速验证 Key 和模型是否正常，省去反复改配置的时间。