1. OpenClaw 龙虾机器人到底能干什么为什么值得在 Linux 上跑OpenClaw社区里叫“龙虾”是一个开源、可私有化部署、具备真实执行能力的 AI Agent。它和普通大模型最大的区别在于普通模型只给你“建议”而 OpenClaw 会直接接管终端、文件系统、浏览器把“意图解析 → 任务规划 → 工具调用 → 结果反馈”这条链路跑完。你可以把它理解成一个住在服务器里的数字员工通过飞书、Telegram、Discord 这类聊天软件下指令它就去干活。它适合谁三类人最合适一是想把重复性运维、文件整理、报表处理自动化掉的开发者二是想研究 Agent 调度架构、Skill 插件机制的技术爱好者三是手里有闲置云服务器、想搭一个 7×24 小时在线私人助理的人。官方社区明确建议不要把它装在主力电脑上因为 OpenClaw 拥有完整的 Shell 执行权限一旦误操作可能影响本地数据。所以 Linux 云服务器是最稳妥的落地环境既和本地隔离又能长期在线。这篇教程聚焦 Linux 环境下从零部署 OpenClaw覆盖 Node.js 22 环境准备、Ollama 本地模型对接、TaoToken 统一 Key/API 通道配置最后交付可复制的config.toml与settings.json骨架、CC Switch 切换步骤以及安装后的连通性验证动作。跟着做一次跑通龙虾安装链路。2. 部署前先把 TaoToken 统一 Key 通道准备好OpenClaw 本身是模型无关Model-agnostic的调度中枢底层可以接 Ollama 本地模型也可以接云端大模型。本地 Ollama 适合体验和隐私敏感场景但真要让龙虾帮你干复杂活云端模型的推理能力还是更稳。这时候就需要一个统一的 API 通道来管理 Key避免在多个模型供应商之间来回切换配置。TaoToken 在这里扮演的就是统一入口的角色。你可以在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 了解它的定位核心价值是把多家模型的调用收敛到一个 Key、一个 Base URL 上。OpenClaw 的配置文件里只需要填一次 API 地址和 Key后续换模型只改模型名不用动通道配置。具体操作路径先到控制台创建 API Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 生成后复制保存。Key 的管理页面在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 建议给 OpenClaw 单独建一个 Key方便后续按项目排查调用量。API 的基础地址是 https://taotoken.net/api 注意这个地址不带 UTM 参数直接写进配置文件即可。如果你打算长期跑编码类、Agent 类任务可以关注 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它针对高频调用场景做了额度优化。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 配置字段有疑问时对照查一下。想先验证模型通不通可以直接用模型对话页面 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 发一条测试消息确认 Key 有效再往下走。注意TaoToken 是合规的 API 聚合通道配置时只填官方给的 Base URL 和 Key不要自行拼接来路不明的地址。3. Linux 环境准备Node.js 22 与基础工具链OpenClaw 对 Node.js 版本有硬性要求必须 22 或更高。低于这个版本npm 安装阶段就会报引擎不兼容。先检查当前环境node --version # 期望 v22.x.x 或更高 npm --version # 期望 10.x.x 或更高 git --version # 可选但建议装上如果版本不够推荐用二进制包安装比走 rpm 源更可控。从阿里云镜像下载对应版本cd /usr/local/src wget https://mirrors.aliyun.com/nodejs-release/v24.1.0/node-v24.1.0-linux-x64.tar.xz tar -xJvf node-v24.1.0-linux-x64.tar.xz -C /usr/local --strip-components1 node -v # 应输出 v24.1.0--strip-components1的作用是解压时去掉最外层目录把bin、lib直接铺到/usr/local下这样node命令全局可用不用额外配 PATH。接着装编译工具链。OpenClaw 安装过程中会编译部分原生模块缺 gcc、cmake 会直接失败dnf groupinstall -y Development Tools dnf install -y cmake如果你用的是 Ubuntu/Debian 系对应命令换成apt install -y build-essential cmake即可。这一步别省很多“安装到一半卡住”的问题都出在这里。4. 安装 OpenClaw 并配置 npm 镜像加速npm 默认源在国内拉包很慢先切到 npmmirrornpm config set registry https://registry.npmmirror.com然后全局安装 OpenClaw。注意--unsafe-perm这个参数如果你是用 root 或 sudo 安装必须加上否则 npm 会降权到匿名用户执行安装脚本导致编译和二进制下载失败npm install -g openclawlatest --unsafe-perm安装完成后验证openclaw --version能输出版本号就说明主程序装好了。如果这一步报gyp ERR或node-gyp相关错误回到上一步确认 Development Tools 是否装全。5. Ollama 本地模型对接与跨机访问配置Ollama 的安装和模型拉取本身不复杂关键是让 Linux 上的 OpenClaw 能访问到 Ollama 服务。分两种情况Ollama 和 OpenClaw 在同一台机器或者 Ollama 在 Windows、OpenClaw 在 Linux 服务器。先拉一个本地模型。以 gemma 系列为例显存 6G 以上、内存 16G 的机器可以跑 e4b 规格ollama pull gemma3:e4b ollama run gemma3:e4b如果 Ollama 跑在 Windows 上、OpenClaw 在 Linux 服务器上需要让 Ollama 监听外部请求。在 Windows 环境变量里新建变量名OLLAMA_HOST 变量值0.0.0.0:11434保存后重启 Ollama并在 Windows 防火墙入站规则里放行 TCP 11434 端口。然后在 Windows 上用ipconfig查到局域网 IPv4 地址比如192.168.1.100。回到 Linux 终端测试连通性curl http://192.168.1.100:11434/api/tags能返回模型列表 JSON 就说明通了。如果超时优先查防火墙和两台机器是否在同一网段。6. 可复制的 config.toml 与 settings.json 骨架OpenClaw 的配置分两块config.toml管通道和模型路由settings.json管运行时行为。下面给一份可直接改的骨架。config.toml[server] host 127.0.0.1 port 18789 [model] provider taotoken base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 model_name claude-sonnet-4-20250514 fallback_provider ollama fallback_base_url http://192.168.1.100:11434 fallback_model gemma3:e4b [channel.feishu] enabled true app_id cli_你的飞书AppID app_secret 你的飞书AppSecret mode websocket [skills] auto_install true registry clawhubsettings.json{ memory: { session_memory: true, max_context_tokens: 128000 }, hooks: { command_logger: true, session_memory: true }, security: { allow_shell: true, allowed_paths: [/root/workspace, /tmp] }, ui: { token: 自动生成的访问token } }几个关键点说明。provider填taotoken表示走统一通道base_url固定为https://taotoken.net/api。fallback_provider配 Ollama当云端通道不可用时自动降级到本地模型保证服务不中断。command_logger建议开启它会记录 AI 执行的所有 Shell 命令相当于操作审计日志出问题能回溯。7. CC Switch 切换与连通性验证CC Switch 是 OpenClaw 生态里用来切换模型通道的辅助工具。当你需要在 TaoToken 云端模型和 Ollama 本地模型之间快速切换时不用手动改配置文件用 CC Switch 一条命令搞定cc-switch list cc-switch use taotoken cc-switch use ollama切换后 OpenClaw 会重新加载模型配置当前会话的上下文会保留。实测下来切换过程大约 2 到 3 秒不影响正在执行的任务队列。配置写完后先做连通性验证。启动 OpenClawopenclaw onboard引导流程里选择 QuickStart模型选 TaoToken填入 Key 和 Base URL。完成后会看到配置保存路径通常是/root/.openclaw/openclaw.json。然后启动服务openclaw start用 curl 验证 TaoToken 通道是否通curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的密钥 \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:ping}]}返回带choices字段的 JSON 就说明通道正常。再验证 Ollama 回退通道curl http://192.168.1.100:11434/api/generate -d {model:gemma3:e4b,prompt:hi}两个都通说明双通道配置成功。最后在飞书里 一下你的机器人发一句“帮我看看当前目录有哪些文件”如果它能返回文件列表整条链路就彻底跑通了。8. 本篇常见报错排查报错一npm install卡在 node-gyp 编译原因缺 gcc、make、python3。解决dnf install -y gcc-c make python3然后重新执行安装命令。报错二openclaw start提示端口 18789 被占用原因上一次进程没退干净。解决lsof -i:18789找到 PID 后kill -9或者改config.toml里的port字段换一个端口。报错三飞书机器人不回复排查顺序先确认app_id和app_secret没填错再确认飞书开放平台里事件订阅方式选的是 WebSocket 而不是 Webhook最后检查机器人是否被添加到了群聊并且群聊策略选的是“所有群聊需 才回复”。三项都对还不行看openclaw的实时日志报错信息会直接刷出来。报错四Ollama 连接超时如果 Ollama 在另一台机器先ping通再curl测端口。Windows 防火墙的入站规则要单独放行 11434光设OLLAMA_HOST不够。另外确认两台机器没有跨网段被路由拦截。报错五TaoToken 返回 401Key 复制时带了空格或者用了已删除的 Key。到 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 重新生成一个注意 Base URL 结尾不要多加/v1OpenClaw 内部会自动拼接路径。9. 后续怎么用起来装好只是第一步。建议先在settings.json里把allowed_paths限制在/root/workspace和/tmp别一上来就给全盘权限。然后从简单任务开始试让它整理一个目录下的文件、生成一份日报、或者定时检查某个服务状态。跑顺了再逐步放开 Skill 和 Hooks。模型通道方面日常轻量任务走 Ollama 本地模型省额度复杂推理和编码任务切到 TaoToken 云端通道。切换用 CC Switch 就行不用重启服务。如果调用频率上来了可以到 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 看看额度方案接入细节对照文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 调整。想快速验证某个模型效果直接用模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 发消息测比改配置再重启快得多。
OpenClaw（龙虾）保姆级Linux安装：TaoToken统一Key接入Ollama与Node.js配置实战
1. OpenClaw 龙虾机器人到底能干什么为什么值得在 Linux 上跑OpenClaw社区里叫“龙虾”是一个开源、可私有化部署、具备真实执行能力的 AI Agent。它和普通大模型最大的区别在于普通模型只给你“建议”而 OpenClaw 会直接接管终端、文件系统、浏览器把“意图解析 → 任务规划 → 工具调用 → 结果反馈”这条链路跑完。你可以把它理解成一个住在服务器里的数字员工通过飞书、Telegram、Discord 这类聊天软件下指令它就去干活。它适合谁三类人最合适一是想把重复性运维、文件整理、报表处理自动化掉的开发者二是想研究 Agent 调度架构、Skill 插件机制的技术爱好者三是手里有闲置云服务器、想搭一个 7×24 小时在线私人助理的人。官方社区明确建议不要把它装在主力电脑上因为 OpenClaw 拥有完整的 Shell 执行权限一旦误操作可能影响本地数据。所以 Linux 云服务器是最稳妥的落地环境既和本地隔离又能长期在线。这篇教程聚焦 Linux 环境下从零部署 OpenClaw覆盖 Node.js 22 环境准备、Ollama 本地模型对接、TaoToken 统一 Key/API 通道配置最后交付可复制的config.toml与settings.json骨架、CC Switch 切换步骤以及安装后的连通性验证动作。跟着做一次跑通龙虾安装链路。2. 部署前先把 TaoToken 统一 Key 通道准备好OpenClaw 本身是模型无关Model-agnostic的调度中枢底层可以接 Ollama 本地模型也可以接云端大模型。本地 Ollama 适合体验和隐私敏感场景但真要让龙虾帮你干复杂活云端模型的推理能力还是更稳。这时候就需要一个统一的 API 通道来管理 Key避免在多个模型供应商之间来回切换配置。TaoToken 在这里扮演的就是统一入口的角色。你可以在官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 了解它的定位核心价值是把多家模型的调用收敛到一个 Key、一个 Base URL 上。OpenClaw 的配置文件里只需要填一次 API 地址和 Key后续换模型只改模型名不用动通道配置。具体操作路径先到控制台创建 API Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 生成后复制保存。Key 的管理页面在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 建议给 OpenClaw 单独建一个 Key方便后续按项目排查调用量。API 的基础地址是 https://taotoken.net/api 注意这个地址不带 UTM 参数直接写进配置文件即可。如果你打算长期跑编码类、Agent 类任务可以关注 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它针对高频调用场景做了额度优化。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 配置字段有疑问时对照查一下。想先验证模型通不通可以直接用模型对话页面 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 发一条测试消息确认 Key 有效再往下走。注意TaoToken 是合规的 API 聚合通道配置时只填官方给的 Base URL 和 Key不要自行拼接来路不明的地址。3. Linux 环境准备Node.js 22 与基础工具链OpenClaw 对 Node.js 版本有硬性要求必须 22 或更高。低于这个版本npm 安装阶段就会报引擎不兼容。先检查当前环境node --version # 期望 v22.x.x 或更高 npm --version # 期望 10.x.x 或更高 git --version # 可选但建议装上如果版本不够推荐用二进制包安装比走 rpm 源更可控。从阿里云镜像下载对应版本cd /usr/local/src wget https://mirrors.aliyun.com/nodejs-release/v24.1.0/node-v24.1.0-linux-x64.tar.xz tar -xJvf node-v24.1.0-linux-x64.tar.xz -C /usr/local --strip-components1 node -v # 应输出 v24.1.0--strip-components1的作用是解压时去掉最外层目录把bin、lib直接铺到/usr/local下这样node命令全局可用不用额外配 PATH。接着装编译工具链。OpenClaw 安装过程中会编译部分原生模块缺 gcc、cmake 会直接失败dnf groupinstall -y Development Tools dnf install -y cmake如果你用的是 Ubuntu/Debian 系对应命令换成apt install -y build-essential cmake即可。这一步别省很多“安装到一半卡住”的问题都出在这里。4. 安装 OpenClaw 并配置 npm 镜像加速npm 默认源在国内拉包很慢先切到 npmmirrornpm config set registry https://registry.npmmirror.com然后全局安装 OpenClaw。注意--unsafe-perm这个参数如果你是用 root 或 sudo 安装必须加上否则 npm 会降权到匿名用户执行安装脚本导致编译和二进制下载失败npm install -g openclawlatest --unsafe-perm安装完成后验证openclaw --version能输出版本号就说明主程序装好了。如果这一步报gyp ERR或node-gyp相关错误回到上一步确认 Development Tools 是否装全。5. Ollama 本地模型对接与跨机访问配置Ollama 的安装和模型拉取本身不复杂关键是让 Linux 上的 OpenClaw 能访问到 Ollama 服务。分两种情况Ollama 和 OpenClaw 在同一台机器或者 Ollama 在 Windows、OpenClaw 在 Linux 服务器。先拉一个本地模型。以 gemma 系列为例显存 6G 以上、内存 16G 的机器可以跑 e4b 规格ollama pull gemma3:e4b ollama run gemma3:e4b如果 Ollama 跑在 Windows 上、OpenClaw 在 Linux 服务器上需要让 Ollama 监听外部请求。在 Windows 环境变量里新建变量名OLLAMA_HOST 变量值0.0.0.0:11434保存后重启 Ollama并在 Windows 防火墙入站规则里放行 TCP 11434 端口。然后在 Windows 上用ipconfig查到局域网 IPv4 地址比如192.168.1.100。回到 Linux 终端测试连通性curl http://192.168.1.100:11434/api/tags能返回模型列表 JSON 就说明通了。如果超时优先查防火墙和两台机器是否在同一网段。6. 可复制的 config.toml 与 settings.json 骨架OpenClaw 的配置分两块config.toml管通道和模型路由settings.json管运行时行为。下面给一份可直接改的骨架。config.toml[server] host 127.0.0.1 port 18789 [model] provider taotoken base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 model_name claude-sonnet-4-20250514 fallback_provider ollama fallback_base_url http://192.168.1.100:11434 fallback_model gemma3:e4b [channel.feishu] enabled true app_id cli_你的飞书AppID app_secret 你的飞书AppSecret mode websocket [skills] auto_install true registry clawhubsettings.json{ memory: { session_memory: true, max_context_tokens: 128000 }, hooks: { command_logger: true, session_memory: true }, security: { allow_shell: true, allowed_paths: [/root/workspace, /tmp] }, ui: { token: 自动生成的访问token } }几个关键点说明。provider填taotoken表示走统一通道base_url固定为https://taotoken.net/api。fallback_provider配 Ollama当云端通道不可用时自动降级到本地模型保证服务不中断。command_logger建议开启它会记录 AI 执行的所有 Shell 命令相当于操作审计日志出问题能回溯。7. CC Switch 切换与连通性验证CC Switch 是 OpenClaw 生态里用来切换模型通道的辅助工具。当你需要在 TaoToken 云端模型和 Ollama 本地模型之间快速切换时不用手动改配置文件用 CC Switch 一条命令搞定cc-switch list cc-switch use taotoken cc-switch use ollama切换后 OpenClaw 会重新加载模型配置当前会话的上下文会保留。实测下来切换过程大约 2 到 3 秒不影响正在执行的任务队列。配置写完后先做连通性验证。启动 OpenClawopenclaw onboard引导流程里选择 QuickStart模型选 TaoToken填入 Key 和 Base URL。完成后会看到配置保存路径通常是/root/.openclaw/openclaw.json。然后启动服务openclaw start用 curl 验证 TaoToken 通道是否通curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的密钥 \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:ping}]}返回带choices字段的 JSON 就说明通道正常。再验证 Ollama 回退通道curl http://192.168.1.100:11434/api/generate -d {model:gemma3:e4b,prompt:hi}两个都通说明双通道配置成功。最后在飞书里 一下你的机器人发一句“帮我看看当前目录有哪些文件”如果它能返回文件列表整条链路就彻底跑通了。8. 本篇常见报错排查报错一npm install卡在 node-gyp 编译原因缺 gcc、make、python3。解决dnf install -y gcc-c make python3然后重新执行安装命令。报错二openclaw start提示端口 18789 被占用原因上一次进程没退干净。解决lsof -i:18789找到 PID 后kill -9或者改config.toml里的port字段换一个端口。报错三飞书机器人不回复排查顺序先确认app_id和app_secret没填错再确认飞书开放平台里事件订阅方式选的是 WebSocket 而不是 Webhook最后检查机器人是否被添加到了群聊并且群聊策略选的是“所有群聊需 才回复”。三项都对还不行看openclaw的实时日志报错信息会直接刷出来。报错四Ollama 连接超时如果 Ollama 在另一台机器先ping通再curl测端口。Windows 防火墙的入站规则要单独放行 11434光设OLLAMA_HOST不够。另外确认两台机器没有跨网段被路由拦截。报错五TaoToken 返回 401Key 复制时带了空格或者用了已删除的 Key。到 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 重新生成一个注意 Base URL 结尾不要多加/v1OpenClaw 内部会自动拼接路径。9. 后续怎么用起来装好只是第一步。建议先在settings.json里把allowed_paths限制在/root/workspace和/tmp别一上来就给全盘权限。然后从简单任务开始试让它整理一个目录下的文件、生成一份日报、或者定时检查某个服务状态。跑顺了再逐步放开 Skill 和 Hooks。模型通道方面日常轻量任务走 Ollama 本地模型省额度复杂推理和编码任务切到 TaoToken 云端通道。切换用 CC Switch 就行不用重启服务。如果调用频率上来了可以到 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 看看额度方案接入细节对照文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 调整。想快速验证某个模型效果直接用模型对话 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 发消息测比改配置再重启快得多。
