1. 从 ClawHub 拉取 Skills 到本地目录OpenClaw 技能安装链路拆解OpenClaw 的技能体系是它区别于普通对话工具的核心而 ClawHub 就是这些技能的公共分发源。你可以把它理解成 npm 之于 Node.js 的关系ClawHub 负责托管和版本管理OpenClaw 负责在运行时加载。很多开发者卡住的地方不是不会用技能而是从 ClawHub 拉取到本地之后CLI 里list看不到、聊天里调不起来最后怀疑是不是装错了。这篇就按「拉取 → 落盘 → 配置 endpoint → CLI 验证」这条完整链路走一遍每一步都给可复制的命令和配置片段。先说清楚适用对象你本地已经装好了 OpenClaw前身 Moltbot能正常启动 CLI 和聊天界面现在想扩展技能库。如果你还没装 OpenClaw先去官网把基础环境跑通再回来。技能安装本身不复杂复杂的是安装之后的调用验证尤其是把模型请求指向统一 API 通道这一步很多人漏掉导致技能装了一堆但调用时报 401 或者local proxy failed。ClawHub 上的技能数量已经超过 1700 个覆盖前端开发、Coding Agent、DevOps、浏览器自动化、图像生成、数据分析等分类。数量多意味着选择多也意味着命名和依赖容易踩坑。我的建议是先用 CLI 装两三个高频技能验证链路确认 endpoint 和 Key 都通了再批量装。下面从环境确认开始一步步来。1.1 确认 OpenClaw 版本与 skills 目录结构在装任何技能之前先确认两件事OpenClaw 版本是否支持当前 ClawHub 的 skill 格式以及 skills 目录的优先级规则。技能落盘位置有三个层级优先级从高到低是工作空间项目目录/skills/ 全局~/.openclaw/skills/ 内置技能。也就是说如果你在某个项目目录下放了同名技能它会覆盖全局的同名技能。这个规则在调试「为什么我改了技能但没生效」时特别关键。先跑版本检查openclaw --version如果版本低于当前 ClawHub 要求的最低版本CLI 安装会直接报错退出。确认版本没问题后看一下全局 skills 目录是否存在ls -la ~/.openclaw/skills/如果目录不存在手动建一下避免 CLI 安装时因为目录缺失写入失败mkdir -p ~/.openclaw/skills/工作空间级别的目录则在你具体项目根目录下建skills/文件夹。我一般建议新手先用全局目录因为所有项目都能共享不用每个项目重复装。等你需要针对某个项目锁定技能版本时再往工作空间目录放。1.2 用 ClawHub CLI 安装第一个技能官方推荐的安装方式就是 ClawHub CLI走 npx 直接拉最新版不用全局装包。命令格式是npx clawhublatest install skill-slug其中skill-slug是技能在 ClawHub 上的唯一标识。先拿一个前端方向的技能试水npx clawhublatest install frontend-design执行后你会看到 CLI 先解析 slug然后从 ClawHub 源拉取技能包解压写入~/.openclaw/skills/frontend-design/。整个过程会打印拉取进度和落盘路径。如果这一步卡在fetching很久通常是网络到 npm registry 或 GitHub 的连通性问题不是技能本身的问题。装完之后立刻验证落盘ls -la ~/.openclaw/skills/frontend-design/正常应该能看到SKILL.md以及可能的脚本、配置文件夹。SKILL.md是这个技能的说明书里面写了它提供哪些命令、依赖什么环境、怎么在聊天里调用。养成装完就看一眼SKILL.md的习惯能省掉后面很多「装了但不会用」的时间。1.3 手动安装作为兜底方案CLI 偶尔会因为源站限流或网络抖动失败这时候手动安装就是兜底。手动安装的本质就是把技能文件夹放到正确的目录。你可以从技能的 GitHub 仓库下载 zip解压后把整个文件夹复制到~/.openclaw/skills/下。注意文件夹名要和技能 slug 一致否则 CLI 的list可能识别不到。unzip frontend-design.zip -d /tmp/ cp -r /tmp/frontend-design ~/.openclaw/skills/手动安装的好处是你可以先审代码再落盘安全性可控。坏处是没有版本记录后续update命令可能不认。所以手动装的技能更新时建议重新下载覆盖而不是依赖 CLI 的 update。2. 把 endpoint 指向 TaoToken 统一通道前置配置与 Key 获取技能装好只是第一步真正让技能跑起来的是模型调用。OpenClaw 的技能在执行时会向配置的模型 endpoint 发请求如果你用的是默认 endpoint 或者散落在各处的 Key管理起来很乱而且容易在技能调用时报鉴权错误。把 endpoint 统一改到 TaoToken 的 API 通道好处是一个 Key 管所有模型调用技能、CLI、聊天界面共用同一套鉴权排查问题时只需要看一个地方。TaoToken 在这里扮演的是统一 API 网关的角色你不需要为每个模型单独配 Key也不需要改技能代码里的请求地址只要把 OpenClaw 的模型 endpoint 指向它技能调用就会自动走这条通道。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基址是 https://taotoken.net/api 注意 API 地址不带 UTM 参数配置时别把查询串带进去。2.1 获取 API Key 与确认可用模型先去控制台创建 API Key。入口是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 登录后在 API Keys 页面新建一个。创建时建议按用途命名比如openclaw-skills这样以后要轮换或吊销时不会误伤其他项目。Key 只在创建时完整显示一次复制后存到安全的地方别直接写进会提交到 Git 的配置文件。创建完 Key顺手确认一下你要用的模型 ID。不同技能对模型能力要求不一样比如coding-agent这类技能需要较强的代码能力data-analytics更看重长上下文。你可以在模型对话页面先试跑一下入口是 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 选好模型发一条测试消息确认返回正常再把这个模型 ID 填到 OpenClaw 配置里。2.2 理解 Base URL 与 Key 的对应关系配置里最容易出错的是 Base URL 的写法。TaoToken 的 API 基址是https://taotoken.net/api但很多客户端要求你在后面拼上版本路径比如/v1。OpenClaw 的模型配置通常接受完整的 base URL具体拼不拼/v1取决于它内部用的是哪套 SDK。我的做法是先按https://taotoken.net/api配如果报 404 再试https://taotoken.net/api/v1。两个都试一遍比对着文档猜要快。Key 的传递方式一般是Authorization: Bearer 你的Key这个由 OpenClaw 内部处理你只需要把 Key 填到配置字段里。注意不要把 Key 和 Base URL 写反也不要在 Base URL 末尾多加斜杠有些客户端对末尾斜杠敏感会导致路径拼接出双斜杠从而 404。2.3 配置文件的落盘位置OpenClaw 的模型配置通常放在全局配置目录下和 skills 目录同级。常见路径是~/.openclaw/config.json或~/.openclaw/settings.json具体文件名以你本地版本为准。改之前先备份cp ~/.openclaw/config.json ~/.openclaw/config.json.bak备份这一步别省配置改错了还能回滚。改完之后 OpenClaw 需要重启才能加载新配置CLI 和聊天界面都要重启否则技能调用还是走旧 endpoint。3. 可复制的配置片段JSON 与 TOML 双写法这一节给可直接粘贴的配置片段。OpenClaw 不同版本可能用 JSON 或 TOML我把两种都列出来你按本地实际格式选。核心是三件套Base URL、API Key、Model ID。这三样必须同时正确缺一个就会在调用时报错。3.1 JSON 配置片段如果你的配置文件是 JSON 格式找到模型或 provider 相关字段改成下面这样{ model: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: sk-你的TaoTokenKey, modelId: 你的模型ID, timeout: 60000 } }几个要点provider填openai-compatible是因为 TaoToken 走的是兼容 OpenAI 的接口协议大多数客户端都认这个值。timeout建议给到 60000 毫秒以上因为技能调用有时会触发多轮请求超时太短会在技能执行到一半时断开。modelId填你在模型对话页面确认过的那个 ID别凭记忆写。3.2 TOML 配置片段如果本地是 TOML 格式等价写法是[model] provider openai-compatible base_url https://taotoken.net/api api_key sk-你的TaoTokenKey model_id 你的模型ID timeout 60000注意 TOML 里字段名可能是下划线风格base_url而 JSON 里是驼峰baseUrl这个差异取决于 OpenClaw 的解析器。改完保存后用 CLI 的配置检查命令确认能被正确解析避免格式错误导致启动失败。3.3 环境变量方式作为补充有些技能会直接读环境变量而不是读配置文件。为了兼容这种情况建议同时把 Key 导出到环境变量export TAOTOKEN_API_KEYsk-你的TaoTokenKey export OPENAI_BASE_URLhttps://taotoken.net/api把这两行加到你的 shell 配置文件里比如~/.zshrc或~/.bashrc这样新开的终端也能读到。环境变量和配置文件双保险能减少「配置明明改了但技能还是报鉴权失败」的情况。4. CLI 验证从 list 到实际调用成功配置改完接下来就是验证。验证分三层先确认技能被 CLI 识别再确认模型 endpoint 通最后确认技能能实际调用模型并返回结果。三层都过链路才算通。4.1 用 list 确认技能已加载npx clawhublatest list这条命令会列出当前已安装的技能。如果你刚装的frontend-design没出现在列表里先检查落盘目录对不对再看文件夹名是否和 slug 一致。CLI 识别技能靠的是目录名和SKILL.md里的元数据两者对不上就会漏掉。4.2 用 CLI 发一条测试请求OpenClaw 的 CLI 一般支持直接发消息测试模型连通性。具体命令以你本地版本为准常见形式是openclaw chat --message 用一句话说明当前模型是否可用如果返回了正常文本说明 endpoint、Key、Model ID 三件套都对了。如果报 401说明 Key 无效或没被正确读取如果报local proxy failed说明 Base URL 或网络层有问题如果报reading choices相关错误通常是返回体格式和客户端预期不匹配多半是 Base URL 少了或多了/v1。4.3 在聊天界面里调用技能CLI 通了之后打开聊天界面直接输入技能相关的指令。比如装了frontend-design你可以让它生成一个页面结构。技能被正确加载时助手的响应里会体现出技能的能力而不是普通对话。如果聊天界面里技能没生效但 CLI 里正常通常是聊天界面没重启或者它读的是另一份配置。4.4 验证结果对照表现象可能原因处理方式list 看不到技能目录名与 slug 不一致重命名文件夹或重装401 UnauthorizedKey 错误或未读取检查配置文件与环境变量local proxy failedBase URL 错误或网络不通确认https://taotoken.net/apireading choices 报错返回体格式不匹配试加或去掉/v1技能调用无响应超时太短把 timeout 调到 600005. 常见报错排查401、local proxy failed、reading choices、OAuth这一节把几个高频报错拆开讲每个都给定位思路和修复动作。这些报错我在配置过程中基本都遇到过按下面的顺序排查能省不少时间。5.1 401 Unauthorized401 的本质是鉴权没通过。先确认 Key 有没有复制完整有没有多余空格。然后确认 OpenClaw 读的是哪份配置如果你改了~/.openclaw/config.json但环境变量里有一个旧的OPENAI_API_KEY客户端可能优先读环境变量导致你改的配置没生效。排查方法是临时清掉环境变量再试unset OPENAI_API_KEY openclaw chat --message test如果清掉后正常说明是环境变量覆盖了配置文件把环境变量也改成新的 Key 即可。5.2 local proxy failed这个报错通常出现在客户端尝试走本地代理但代理没起来或者 Base URL 指向了一个不可达的地址。先确认https://taotoken.net/api在你的网络环境下能直接访问用 curl 测一下curl -I https://taotoken.net/api如果 curl 能通但 OpenClaw 报 proxy failed检查配置里有没有残留的 proxy 字段把它删掉。有些客户端默认会读系统代理设置如果系统代理指向了一个没运行的本地端口就会报这个错。5.3 reading choices 相关错误这类错误说明请求发出去了也拿到了响应但客户端解析响应体时找不到预期的choices字段。最常见的原因是 Base URL 路径不对导致请求打到了非 API 路径返回的是 HTML 而不是 JSON。把 Base URL 在https://taotoken.net/api和https://taotoken.net/api/v1之间切换试一下基本能解决。5.4 OAuth 相关报错如果 OpenClaw 的某些技能走 OAuth 流程而你的配置里同时有 OAuth 和 API Key 两套鉴权可能会冲突。处理方式是明确指定用 API Key 模式把 OAuth 相关字段注释掉或删掉。技能本身如果依赖 OAuth 才能访问外部服务那需要单独配置和模型 endpoint 是两回事别混在一起排查。5.5 三件套检查清单出现任何调用类报错先按这个清单过一遍Base URLhttps://taotoken.net/api不带 UTM 参数末尾不加斜杠API Keysk-开头完整无空格配置文件和環境变量一致Model ID和模型对话页面确认过的完全一致大小写敏感三件套都对再去看技能本身的依赖和权限。6. 长期编码与 Agent 场景把 Skills 用顺的实用建议技能装好、链路通了之后真正决定效率的是怎么组织和使用。我自己的习惯是分三层全局装通用技能工作空间装项目专属技能临时实验的技能用完就卸。这样list不会越来越长排查问题时也清楚每个技能从哪来。对于长期跑 Coding Agent 的场景建议把 Coding Plan 用起来入口是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 它适合需要持续调用、多技能协作的工作流。技能调用会频繁发请求统一通道能避免 Key 散落和额度混乱。如果你只是偶尔验证模型用模型对话页面就够了如果是接入和排障阶段重点看 API Keys 和接入文档入口分别是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 和 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。最后说一个我踩过的坑技能更新后SKILL.md里的调用方式可能变了但 CLI 的list不会提示你。所以每次update之后花一分钟重新看一眼SKILL.md比调用失败后再回头查要快得多。技能生态更新频繁保持这个习惯能让你少走很多弯路。