1. 为什么你的 OpenClaw 装完就吃灰很多人把 OpenClaw 装好、扫码接上飞书或 QQ发两句“你好”之后就不知道下一步干什么了。问题不在工具本身而在于默认配置只给了你一只“会聊天的龙虾”没给它技能、没给它分工、没给它护栏。我见过太多实例跑了一周Token 账单几百块实际产出还不如手动干十分钟。这篇内容聚焦四条主线技能扩展、多 Agent 协作、成本控制、安全加固。每条线我都会给出可直接复制的config.toml与settings.json骨架、多 Agent 编排示例以及验证动作。你不需要从头读完按需跳到对应章节复制配置、跑一条验证命令就能确认这一项是否落地。适合谁看已经完成 OpenClaw 基础安装、能打开 Web 控制台、至少接入过一个聊天频道的用户。如果你还没装好先去把网关跑起来再回来跟这篇的配置。先明确一个前提OpenClaw 的所有行为最终都落在两个地方——工作空间里的 Markdown 文件人格、记忆、技能说明和核心配置文件模型、频道、工具开关。所谓“进阶玩法”本质就是有策略地改这两类文件而不是靠对话里反复叮嘱。下面所有技巧都围绕这个原则展开。2. TaoToken 前置把模型接入这步做扎实在折腾技能和多 Agent 之前先把模型接入这层打牢。OpenClaw 支持多家模型服务商配置方式是在核心配置里声明 provider 和模型名。如果你希望统一管理密钥、方便切换模型、并且有一个稳定的 API 入口可以用 TaoToken 作为接入层。TaoToken 的 API 地址是https://taotoken.net/api兼容 OpenAI 风格的调用格式。在 OpenClaw 里配置时把它当作一个自定义 provider 即可。先拿到 API Key进入控制台的 API Keys 页面创建一个密钥复制保存。这个 Key 后面会写进环境变量不要直接硬编码进配置文件。配置模型 provider 的骨架如下写入~/.openclaw/openclaw.json的models段{ models: { providers: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, models: [ { id: claude-sonnet-4-6, name: Claude Sonnet 4.6 }, { id: glm-4.7-flash, name: GLM 4.7 Flash } ] } } } }注意apiKey用的是环境变量引用${TAOTOKEN_API_KEY}而不是明文。在终端里设置export TAOTOKEN_API_KEY你的密钥如果你用的是 systemd 或 Docker 启动网关把这条环境变量写进对应的 service 文件或docker-compose.yml的environment段否则重启后密钥会丢。设置默认模型和降级模型openclaw models set taotoken/claude-sonnet-4-6 openclaw models fallbacks add taotoken/glm-4.7-flash降级模型的作用是主力模型欠费、限流或服务异常时OpenClaw 自动切到备用模型保证对话不中断。这一步做完用openclaw models status确认认证状态是正常的。如果显示未认证检查环境变量是否在当前 shell 生效以及 baseUrl 是否写成了带路径的完整地址。模型接入文档里有更细的参数说明包括超时、重试、并发限制建议对照自己的使用场景调一遍。验证模型是否真的通了最直接的办法是在模型对话页面发一条测试消息看返回是否正常。3. 可复制配置技能、多 Agent、省钱、安全四件套这一章是全文的核心给出四类配置的完整骨架。你可以把每一段单独复制到对应文件里改完重启网关验证。3.1 技能系统配置骨架技能的本质是skills/目录下的一个文件夹里面必须有SKILL.md。OpenClaw 在需要时自动加载。配置技能的关键不是装得多而是按需开启。在settings.json里控制技能开关{ skills: { enabled: [multi-search-engine, nano-banana-pro], disabled: [clawhub, find-skills], autoLoad: false } }autoLoad设为false是省钱的关键技能说明文件本身会占用上下文全量加载会让每次请求的 Token 消耗翻倍。建议先把内置技能全部关闭用到哪个再开哪个。安装技能有三种方式推荐用命令行工具稳定且可复现npm i -g clawhub clawhub install multi-search-engine或者用 NPX 工具从 GitHub 仓库安装npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser安装后到 Web 控制台的技能模块确认状态是eligible然后在代理模块里给对应的 Agent 开启。验证动作在对话里用/{技能名}触发比如/multi-search-engine 搜索 OpenClaw 最新版本看是否返回搜索结果。3.2 多 Agent 编排配置多 Agent 的价值在于隔离不同 Agent 有独立的工作空间、记忆和人格。创建两个 Agentopenclaw agents add coding openclaw agents add review然后在openclaw.json里配置路由绑定让不同频道的消息分发给不同 Agent{ agents: { list: [ { id: main, workspace: ~/.openclaw/workspace }, { id: coding, workspace: ~/.openclaw/workspace-coding }, { id: review, workspace: ~/.openclaw/workspace-review } ] }, bindings: [ { channel: feishu, account: coding-bot, agent: coding }, { channel: feishu, account: review-bot, agent: review } ] }开启 Agent 间通信让它们能互相派活openclaw config set tools.agentToAgent.enabled true openclaw config set tools.agentToAgent.allow [main,coding,review] --strict-json openclaw config set tools.sessions.visibility all openclaw gateway restart然后在主 Agent 的AGENTS.md末尾追加协作说明告诉它什么时候用sessions_send同步快速问答什么时候用sessions_spawn异步耗时任务。验证动作让主 Agent 派一个任务给 coding Agent在 Web 控制台看任务是否成功派发并返回结果。3.3 成本控制配置省钱的核心是减少无效上下文和选对模型。在settings.json里设置子 Agent 用便宜模型{ agents: { defaults: { subagents: { model: taotoken/glm-4.7-flash }, heartbeat: { every: 0m } } } }heartbeat.every设为0m是关闭心跳巡逻个人用户基本用不到关掉能省一笔。再配合几个斜杠命令聊完一个话题用/new开新会话上下文太长用/compact压缩简单问题用/fast on让回复更简短。验证动作用/status查看当前会话的 Token 用量对比开启前后的差异。3.4 安全加固配置安全这块必须动真格。在settings.json里开启执行审批限制危险工具{ tools: { exec: { requireApproval: true }, write: { requireApproval: true }, browser: { enabled: false } }, channels: { feishu: { allowFrom: [你的用户ID] } } }allowFrom限制只有你能跟龙虾对话防止陌生人发消息控制你的电脑。requireApproval让删除、写文件这类不可逆操作必须二次确认。另外在 API 平台设好每日消费上限别等账单出来才后悔。验证动作尝试让 Agent 执行一条删除命令看是否弹出审批提示。4. 验证请求与成功结果配置改完不验证等于没改。这一章给出每类配置的验证命令和预期结果。模型接入验证openclaw models status预期输出里能看到taotoken/claude-sonnet-4-6状态为authenticated降级模型也在列表里。如果显示unauthenticated检查环境变量和 baseUrl。技能验证在对话里输入/multi-search-engine 测试搜索预期返回搜索结果列表。如果提示技能不可用去技能模块确认状态是eligible并且已经给当前 Agent 开启。多 Agent 验证在 Web 控制台的 Agent 列表里能看到main、coding、review三个 Agent各自工作空间独立。给主 Agent 发一条“派 coding 写一个 Python 快排”预期在控制台看到任务派发记录和 coding Agent 的执行日志。成本验证用/usage tokens开启用量显示发一条消息看回复末尾的 Token 数。对比关闭技能、开启/fast前后的数值确认省钱配置生效。安全验证让 Agent 执行rm -rf /tmp/test预期弹出审批确认而不是直接执行。如果直接执行了说明requireApproval没生效检查配置路径是否正确。网关健康检查openclaw doctor openclaw doctor --fixdoctor会扫描配置、频道、模型认证等问题--fix自动修复能修的部分。每次大改配置后跑一遍能省很多排查时间。5. 本篇常见错排查配置过程中最容易踩的坑我按出现频率排一下。第一个坑改了openclaw.json但没重启网关。OpenClaw 的配置在网关启动时加载改完必须openclaw gateway restart否则不生效。很多人以为改错了其实是没重启。第二个坑JSON 格式错误。多一个逗号、少一个引号、加了中文注释都会导致配置解析失败。建议在 VSCode 里打开它会自动标红。改完用openclaw doctor验证格式。第三个坑环境变量没生效。export只在当前 shell 有效重启终端或换用户就丢了。用 systemd 的话写进 service 文件用 Docker 的话写进 compose 文件。第四个坑技能装了但状态不是eligible。常见原因是SKILL.md缺失或格式不对或者技能依赖的工具没开启。去技能模块看具体报错。第五个坑多 Agent 路由不生效。检查bindings里的account名称是否和频道配置里的账号名完全一致大小写敏感。改完重启网关。第六个坑子 Agent 派出去不回来。sessions_send默认等 30 秒复杂任务会超时。改用sessions_spawn异步派发对方干完自动汇报。第七个坑安全配置把自己锁死。allowFrom填错了用户 ID导致自己都发不了消息。改配置前先备份出问题用 Git 回滚。如果以上都排查完还是有问题用openclaw logs --follow看实时日志把报错发给 AI 分析。日志里通常有明确的错误码和堆栈。6. 把配置管起来让龙虾越养越稳最后说一个容易被忽略但极其重要的习惯用 Git 托管~/.openclaw目录。养龙虾的过程中改错文件、人格损坏、配置冲突是常态有版本控制就能随时回滚。先配好.gitignore忽略不需要管理的内容cd ~/.openclaw cat .gitignore EOF browser/ media/ logs/ openclaw.json.bak **/node_modules/ agents/*/sessions/*.jsonl agents/*/sessions/sessions.json update-check.json EOF git init git add . git commit -m init: OpenClaw 配置备份注意这个仓库只放本地千万别推到公开的 GitHub里面可能有 API Key 和 App Secret。配好之后可以让龙虾建个定时任务每天凌晨自动提交一次快照openclaw cron add --name config-backup --schedule 0 3 * * * --task cd ~/.openclaw git add . git commit -m auto backup这样即使 AI 手滑把配置搞崩了也能一条git checkout回到任意历史版本。配合前面讲的openclaw doctor健康检查你的 OpenClaw 实例会越跑越稳。如果你在配置过程中需要查具体的 API 参数或接入细节可以对照接入文档想验证模型是否正常工作去模型对话页面发条消息试试长期跑编码和 Agent 任务的话Coding Plan 会更划算。配置这件事改一次、验一次、备份一次三步走完才算真正落地。
万字干货 | OpenClaw 进阶玩法大全：技能 / 多 Agent / 省钱 / 安全，50+ 实战技巧一次学会
1. 为什么你的 OpenClaw 装完就吃灰很多人把 OpenClaw 装好、扫码接上飞书或 QQ发两句“你好”之后就不知道下一步干什么了。问题不在工具本身而在于默认配置只给了你一只“会聊天的龙虾”没给它技能、没给它分工、没给它护栏。我见过太多实例跑了一周Token 账单几百块实际产出还不如手动干十分钟。这篇内容聚焦四条主线技能扩展、多 Agent 协作、成本控制、安全加固。每条线我都会给出可直接复制的config.toml与settings.json骨架、多 Agent 编排示例以及验证动作。你不需要从头读完按需跳到对应章节复制配置、跑一条验证命令就能确认这一项是否落地。适合谁看已经完成 OpenClaw 基础安装、能打开 Web 控制台、至少接入过一个聊天频道的用户。如果你还没装好先去把网关跑起来再回来跟这篇的配置。先明确一个前提OpenClaw 的所有行为最终都落在两个地方——工作空间里的 Markdown 文件人格、记忆、技能说明和核心配置文件模型、频道、工具开关。所谓“进阶玩法”本质就是有策略地改这两类文件而不是靠对话里反复叮嘱。下面所有技巧都围绕这个原则展开。2. TaoToken 前置把模型接入这步做扎实在折腾技能和多 Agent 之前先把模型接入这层打牢。OpenClaw 支持多家模型服务商配置方式是在核心配置里声明 provider 和模型名。如果你希望统一管理密钥、方便切换模型、并且有一个稳定的 API 入口可以用 TaoToken 作为接入层。TaoToken 的 API 地址是https://taotoken.net/api兼容 OpenAI 风格的调用格式。在 OpenClaw 里配置时把它当作一个自定义 provider 即可。先拿到 API Key进入控制台的 API Keys 页面创建一个密钥复制保存。这个 Key 后面会写进环境变量不要直接硬编码进配置文件。配置模型 provider 的骨架如下写入~/.openclaw/openclaw.json的models段{ models: { providers: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, models: [ { id: claude-sonnet-4-6, name: Claude Sonnet 4.6 }, { id: glm-4.7-flash, name: GLM 4.7 Flash } ] } } } }注意apiKey用的是环境变量引用${TAOTOKEN_API_KEY}而不是明文。在终端里设置export TAOTOKEN_API_KEY你的密钥如果你用的是 systemd 或 Docker 启动网关把这条环境变量写进对应的 service 文件或docker-compose.yml的environment段否则重启后密钥会丢。设置默认模型和降级模型openclaw models set taotoken/claude-sonnet-4-6 openclaw models fallbacks add taotoken/glm-4.7-flash降级模型的作用是主力模型欠费、限流或服务异常时OpenClaw 自动切到备用模型保证对话不中断。这一步做完用openclaw models status确认认证状态是正常的。如果显示未认证检查环境变量是否在当前 shell 生效以及 baseUrl 是否写成了带路径的完整地址。模型接入文档里有更细的参数说明包括超时、重试、并发限制建议对照自己的使用场景调一遍。验证模型是否真的通了最直接的办法是在模型对话页面发一条测试消息看返回是否正常。3. 可复制配置技能、多 Agent、省钱、安全四件套这一章是全文的核心给出四类配置的完整骨架。你可以把每一段单独复制到对应文件里改完重启网关验证。3.1 技能系统配置骨架技能的本质是skills/目录下的一个文件夹里面必须有SKILL.md。OpenClaw 在需要时自动加载。配置技能的关键不是装得多而是按需开启。在settings.json里控制技能开关{ skills: { enabled: [multi-search-engine, nano-banana-pro], disabled: [clawhub, find-skills], autoLoad: false } }autoLoad设为false是省钱的关键技能说明文件本身会占用上下文全量加载会让每次请求的 Token 消耗翻倍。建议先把内置技能全部关闭用到哪个再开哪个。安装技能有三种方式推荐用命令行工具稳定且可复现npm i -g clawhub clawhub install multi-search-engine或者用 NPX 工具从 GitHub 仓库安装npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser安装后到 Web 控制台的技能模块确认状态是eligible然后在代理模块里给对应的 Agent 开启。验证动作在对话里用/{技能名}触发比如/multi-search-engine 搜索 OpenClaw 最新版本看是否返回搜索结果。3.2 多 Agent 编排配置多 Agent 的价值在于隔离不同 Agent 有独立的工作空间、记忆和人格。创建两个 Agentopenclaw agents add coding openclaw agents add review然后在openclaw.json里配置路由绑定让不同频道的消息分发给不同 Agent{ agents: { list: [ { id: main, workspace: ~/.openclaw/workspace }, { id: coding, workspace: ~/.openclaw/workspace-coding }, { id: review, workspace: ~/.openclaw/workspace-review } ] }, bindings: [ { channel: feishu, account: coding-bot, agent: coding }, { channel: feishu, account: review-bot, agent: review } ] }开启 Agent 间通信让它们能互相派活openclaw config set tools.agentToAgent.enabled true openclaw config set tools.agentToAgent.allow [main,coding,review] --strict-json openclaw config set tools.sessions.visibility all openclaw gateway restart然后在主 Agent 的AGENTS.md末尾追加协作说明告诉它什么时候用sessions_send同步快速问答什么时候用sessions_spawn异步耗时任务。验证动作让主 Agent 派一个任务给 coding Agent在 Web 控制台看任务是否成功派发并返回结果。3.3 成本控制配置省钱的核心是减少无效上下文和选对模型。在settings.json里设置子 Agent 用便宜模型{ agents: { defaults: { subagents: { model: taotoken/glm-4.7-flash }, heartbeat: { every: 0m } } } }heartbeat.every设为0m是关闭心跳巡逻个人用户基本用不到关掉能省一笔。再配合几个斜杠命令聊完一个话题用/new开新会话上下文太长用/compact压缩简单问题用/fast on让回复更简短。验证动作用/status查看当前会话的 Token 用量对比开启前后的差异。3.4 安全加固配置安全这块必须动真格。在settings.json里开启执行审批限制危险工具{ tools: { exec: { requireApproval: true }, write: { requireApproval: true }, browser: { enabled: false } }, channels: { feishu: { allowFrom: [你的用户ID] } } }allowFrom限制只有你能跟龙虾对话防止陌生人发消息控制你的电脑。requireApproval让删除、写文件这类不可逆操作必须二次确认。另外在 API 平台设好每日消费上限别等账单出来才后悔。验证动作尝试让 Agent 执行一条删除命令看是否弹出审批提示。4. 验证请求与成功结果配置改完不验证等于没改。这一章给出每类配置的验证命令和预期结果。模型接入验证openclaw models status预期输出里能看到taotoken/claude-sonnet-4-6状态为authenticated降级模型也在列表里。如果显示unauthenticated检查环境变量和 baseUrl。技能验证在对话里输入/multi-search-engine 测试搜索预期返回搜索结果列表。如果提示技能不可用去技能模块确认状态是eligible并且已经给当前 Agent 开启。多 Agent 验证在 Web 控制台的 Agent 列表里能看到main、coding、review三个 Agent各自工作空间独立。给主 Agent 发一条“派 coding 写一个 Python 快排”预期在控制台看到任务派发记录和 coding Agent 的执行日志。成本验证用/usage tokens开启用量显示发一条消息看回复末尾的 Token 数。对比关闭技能、开启/fast前后的数值确认省钱配置生效。安全验证让 Agent 执行rm -rf /tmp/test预期弹出审批确认而不是直接执行。如果直接执行了说明requireApproval没生效检查配置路径是否正确。网关健康检查openclaw doctor openclaw doctor --fixdoctor会扫描配置、频道、模型认证等问题--fix自动修复能修的部分。每次大改配置后跑一遍能省很多排查时间。5. 本篇常见错排查配置过程中最容易踩的坑我按出现频率排一下。第一个坑改了openclaw.json但没重启网关。OpenClaw 的配置在网关启动时加载改完必须openclaw gateway restart否则不生效。很多人以为改错了其实是没重启。第二个坑JSON 格式错误。多一个逗号、少一个引号、加了中文注释都会导致配置解析失败。建议在 VSCode 里打开它会自动标红。改完用openclaw doctor验证格式。第三个坑环境变量没生效。export只在当前 shell 有效重启终端或换用户就丢了。用 systemd 的话写进 service 文件用 Docker 的话写进 compose 文件。第四个坑技能装了但状态不是eligible。常见原因是SKILL.md缺失或格式不对或者技能依赖的工具没开启。去技能模块看具体报错。第五个坑多 Agent 路由不生效。检查bindings里的account名称是否和频道配置里的账号名完全一致大小写敏感。改完重启网关。第六个坑子 Agent 派出去不回来。sessions_send默认等 30 秒复杂任务会超时。改用sessions_spawn异步派发对方干完自动汇报。第七个坑安全配置把自己锁死。allowFrom填错了用户 ID导致自己都发不了消息。改配置前先备份出问题用 Git 回滚。如果以上都排查完还是有问题用openclaw logs --follow看实时日志把报错发给 AI 分析。日志里通常有明确的错误码和堆栈。6. 把配置管起来让龙虾越养越稳最后说一个容易被忽略但极其重要的习惯用 Git 托管~/.openclaw目录。养龙虾的过程中改错文件、人格损坏、配置冲突是常态有版本控制就能随时回滚。先配好.gitignore忽略不需要管理的内容cd ~/.openclaw cat .gitignore EOF browser/ media/ logs/ openclaw.json.bak **/node_modules/ agents/*/sessions/*.jsonl agents/*/sessions/sessions.json update-check.json EOF git init git add . git commit -m init: OpenClaw 配置备份注意这个仓库只放本地千万别推到公开的 GitHub里面可能有 API Key 和 App Secret。配好之后可以让龙虾建个定时任务每天凌晨自动提交一次快照openclaw cron add --name config-backup --schedule 0 3 * * * --task cd ~/.openclaw git add . git commit -m auto backup这样即使 AI 手滑把配置搞崩了也能一条git checkout回到任意历史版本。配合前面讲的openclaw doctor健康检查你的 OpenClaw 实例会越跑越稳。如果你在配置过程中需要查具体的 API 参数或接入细节可以对照接入文档想验证模型是否正常工作去模型对话页面发条消息试试长期跑编码和 Agent 任务的话Coding Plan 会更划算。配置这件事改一次、验一次、备份一次三步走完才算真正落地。
到中间件Pipeline构建清晰数据流)
