1. 从手动刷价到自动盯盘OpenClaw 价格监控到底解决什么问题OpenClaw 价格监控说白了就是让一个程序替你反复打开商品页、把价格抠出来、和上次记录的数字比一比一旦跌破你设定的阈值就立刻提醒你。它适合三类人等大促降价的普通买家、需要盯竞品调价的运营、以及想练手网络爬虫和定时任务的 Python 学习者。你不需要真的养一只“爪子”OpenClaw 在这里更像一套可复用的抓取加告警骨架核心链路只有四步定位目标页、解析价格节点、定时触发、比对后推送。我先把整条链路拆开讲清楚后面每一节都会给出能直接复制的配置和代码。价格监控最容易翻车的地方不是写不出抓取脚本而是三件事没想明白目标页的 URL 会不会变、价格是不是 JavaScript 动态渲染、告警阈值设成多少才不吵人。这三点决定了你是用 requests 直接抓还是得上无头浏览器也决定了你的定时任务是每小时跑一次还是每天跑两次。先说目标页的选择。商品详情页里带一长串随机字符的链接往往过几天就失效长期监控要优先选结构稳定、地址可预测的页面。判断方法很简单把链接复制到新标签打开如果还能正常跳到同一商品说明它相对稳定如果跳到了首页或者报错就换一个入口。这一步偷懒后面脚本会天天抓到空值。再说价格节点的定位。网页对人眼是图文对程序是一堆 HTML 标签。价格通常被包在span或div里带一个独特的 class 或 id比如span classproduct-price299/span。你要做的就是找到这个稳定标记。浏览器按 F12 打开开发者工具用“检查元素”点一下页面上的价格数字代码面板会自动高亮对应片段。多开几个同类商品页对比确认这个 class 是不是每个页面都一样只有稳定不变的规律才值得写进解析逻辑。最后是阈值。很多人一上来设“只要变动就提醒”结果价格每天浮动几分钱通知多到直接屏蔽。合理做法是设一个绝对差值比如降价超过 5 元才触发或者设一个百分比比如跌幅超过 3% 才推送。阈值这东西没有标准答案取决于商品单价和你对波动的容忍度先宽后紧跑一周再调。把这三件事定下来剩下的就是工程实现。下面我会用 TaoToken 的统一 Key 把模型调用通道接进来让 OpenClaw 在抓取失败或者页面结构变化时能调用模型帮你判断“这次抓到的到底是不是价格”而不是傻傻地把一段乱码当价格存下来。这个思路能显著降低误报也是这套方案比裸写爬虫更省心的地方。2. TaoToken 统一 Key 前置准备一次配置打通模型调用通道在写抓取脚本之前先把模型调用这条通道铺好。OpenClaw 的价格监控里模型主要干两件事一是页面结构变了、正则匹配不到价格时把页面片段丢给模型判断哪个数字才是价格二是生成人类可读的告警文案比如“目标商品从 329 降到 299跌幅 9.1%已低于你设定的 310 阈值”。这两件事都不复杂但需要一个稳定的 API 入口。TaoToken 在这里的角色是统一 Key 和统一 API 通道。你不用为不同模型分别申请 Key、分别记 Base URL一个 Key 就能在多个模型之间切换。对价格监控这种长期跑在后台的任务来说统一入口的好处是换模型只改一个 Model ID不用动抓取逻辑Key 泄露风险集中在一处轮换也方便。先拿 Key。打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册登录后进入控制台在 API Keys 页面创建一个新 Key。创建时给它起个能认出来的名字比如 openclaw-price-monitor方便以后排查是哪个任务在用。Key 只在创建时完整显示一次复制后先存到密码管理器或者本地环境变量文件里别直接写死在脚本里提交到代码仓库。拿到 Key 之后记下两个地址。API 基础地址是 https://taotoken.net/api 注意这个地址不带任何查询参数是干净的 Base URL。模型对话入口在 https://taotoken.net/api-keys 接入文档在 https://taotoken.net/doc 这两个页面后面配置和排障会反复用到。如果你打算长期跑编码类或 Agent 类任务可以了解下 Coding Planhttps://taotoken.net/coding-plan 。环境变量是推荐做法。在 Linux 或 macOS 上把下面这行加到~/.bashrc或~/.zshrcexport TAOTOKEN_API_KEYsk-你的实际KeyWindows 用户可以在系统环境变量里新建一个TAOTOKEN_API_KEY值填你的 Key。这样脚本里用os.environ.get(TAOTOKEN_API_KEY)读取既不会把 Key 写进代码也方便在不同机器上迁移。配置模型调用时三个要素必须齐全Base URL、Key、Model ID。Base URL 填https://taotoken.net/apiKey 用刚创建的那个Model ID 按你实际要用的模型填。这三件套缺一个都会报错后面第五节会专门讲 401 和 model not found 的排查。先把这套前置准备好下一节直接上可复制的配置片段。3. 可复制配置OpenClaw 抓取脚本与定时任务 settings 片段这一节给的是能直接落地的配置。先建一个项目目录比如openclaw-price-monitor里面放三个文件config.json存监控目标和模型配置monitor.py是抓取主逻辑requirements.txt锁依赖。目录结构长这样openclaw-price-monitor/ ├── config.json ├── monitor.py ├── requirements.txt └── price_history.csv先写config.json。这个文件把目标 URL、价格选择器、阈值、模型三件套都集中管理改监控对象不用动代码{ targets: [ { name: 示例商品A, url: https://example.com/product/12345, price_selector: span.product-price, threshold: 310, currency: CNY } ], model: { base_url: https://taotoken.net/api, api_key_env: TAOTOKEN_API_KEY, model_id: 你的ModelID, timeout: 30 }, notify: { console: true, webhook_url: } }注意api_key_env填的是环境变量名不是 Key 本身这样配置文件可以安全地放进版本控制。price_selector就是上一节用开发者工具定位到的那个 class写成 CSS 选择器格式。requirements.txt锁住依赖版本避免不同机器上解析行为不一致requests2.31.0 beautifulsoup44.12.2 lxml5.1.0monitor.py是核心。它做四件事读配置、抓页面、解析价格、比对阈值并告警。抓取部分用 requests 加 BeautifulSoup解析失败时调用模型兜底import json import os import csv import re import requests from bs4 import BeautifulSoup from datetime import datetime def load_config(pathconfig.json): with open(path, r, encodingutf-8) as f: return json.load(f) def fetch_price(url, selector): headers {User-Agent: Mozilla/5.0 (compatible; OpenClawMonitor/1.0)} resp requests.get(url, headersheaders, timeout15) resp.raise_for_status() soup BeautifulSoup(resp.text, lxml) node soup.select_one(selector) if node is None: return None, resp.text[:2000] raw node.get_text(stripTrue) match re.search(r[\d,]\.?\d*, raw.replace(,, )) return (float(match.group()) if match else None), raw def ask_model_for_price(page_snippet, cfg): api_key os.environ.get(cfg[model][api_key_env]) if not api_key: raise RuntimeError(未找到 API Key 环境变量) payload { model: cfg[model][model_id], messages: [ {role: system, content: 你是一个价格提取助手只返回数字不要解释。}, {role: user, content: f从下面网页片段中提取商品价格数字\n{page_snippet}} ] } headers { Authorization: fBearer {api_key}, Content-Type: application/json } r requests.post( f{cfg[model][base_url]}/v1/chat/completions, jsonpayload, headersheaders, timeoutcfg[model][timeout] ) r.raise_for_status() content r.json()[choices][0][message][content] match re.search(r[\d,]\.?\d*, content.replace(,, )) return float(match.group()) if match else None def read_last_price(name): try: with open(price_history.csv, r, encodingutf-8) as f: rows list(csv.reader(f)) for row in reversed(rows[1:]): if row[0] name: return float(row[2]) except FileNotFoundError: pass return None def append_history(name, price): with open(price_history.csv, a, newline, encodingutf-8) as f: writer csv.writer(f) writer.writerow([name, datetime.now().isoformat(), price]) def main(): cfg load_config() for target in cfg[targets]: price, raw fetch_price(target[url], target[price_selector]) if price is None: print(f[兜底] {target[name]} 选择器未命中调用模型解析) price ask_model_for_price(raw, cfg) if price is None: print(f[失败] {target[name]} 价格解析失败) continue last read_last_price(target[name]) append_history(target[name], price) if last is not None and price target[threshold] and price last: msg f[告警] {target[name]} 从 {last} 降到 {price}已低于阈值 {target[threshold]} print(msg) else: print(f[正常] {target[name]} 当前 {price}上次 {last}) if __name__ __main__: main()这段代码里fetch_price先走 CSS 选择器命中就直接返回没命中才把页面片段交给模型兜底。模型调用用的是 OpenAI 兼容格式Base URL 拼上/v1/chat/completions这是 TaoToken 统一通道的标准路径。Key 从环境变量读不落盘。定时任务用 cron。在 Linux 或 macOS 上执行crontab -e加一行每小时跑一次0 * * * * cd /path/to/openclaw-price-monitor /usr/bin/python3 monitor.py monitor.log 21Windows 用户用“任务计划程序”触发器设为每天重复、间隔 1 小时操作填python.exe的完整路径参数填monitor.py起始目录填项目目录。频率别设太高一小时一次对价格监控足够也能减少对目标站的压力。4. 手动触发验证一次抓取到告警输出的完整动作配置写完别急着挂定时任务先手动跑一次确认从抓取到告警整条链路通。这一步能帮你提前发现选择器写错、Key 没读到、阈值设反这三类高频问题。打开终端进入项目目录先装依赖cd openclaw-price-monitor pip install -r requirements.txt确认环境变量已经生效echo $TAOTOKEN_API_KEY如果输出为空说明环境变量没加载回到上一节重新配置或者临时用export TAOTOKEN_API_KEYsk-...在当前终端会话里设一次。这一步别跳过Key 读不到后面全是 401。然后手动执行一次python3 monitor.py正常情况你会看到类似这样的输出[正常] 示例商品A 当前 299.0上次 None第一次跑没有历史记录上次是 None所以不会触发告警这是预期行为。再跑一次python3 monitor.py这次输出会变成[正常] 示例商品A 当前 299.0上次 299.0价格没变不告警。现在验证告警逻辑把config.json里的threshold临时改成一个高于当前价的值比如 350再跑一次python3 monitor.py你会看到[告警] 示例商品A 从 299.0 降到 299.0已低于阈值 350等等这里价格没降却触发了告警说明我的判断条件写的是price threshold and price last当last等于price时第二个条件不成立不该触发。如果你看到告警说明你的last读取逻辑或者历史文件有问题检查price_history.csv里是不是有重复或错位的数据。这个反例正好说明验证阶段要故意制造边界情况别只看“跑通了”就收工。再验证模型兜底。把config.json里的price_selector改成一个不存在的选择器比如span.not-exist再跑python3 monitor.py预期输出[兜底] 示例商品A 选择器未命中调用模型解析 [正常] 示例商品A 当前 299.0上次 299.0如果模型返回的价格和页面实际价格一致说明兜底通道通了。如果这里报错大概率是 Key 或 Model ID 的问题下一节专门排查。验证通过后把price_selector改回正确值threshold调回合理数字再挂 cron。手动验证这一步花十分钟能省掉后面半夜被误报告警吵醒的麻烦。5. 常见报错排查401、local proxy failed、reading choices、OAuth价格监控跑起来之后报错基本集中在模型调用和网络请求两块。这一节把四个高频错误逐个拆开给出定位方法和修复动作。401 Unauthorized。这是最常见的表现为脚本抛出requests.exceptions.HTTPError: 401 Client Error。原因只有两个Key 没读到或者 Key 无效。先确认环境变量echo $TAOTOKEN_API_KEY输出为空就是没加载。再确认 Key 本身有没有多余空格或换行复制时容易带上。如果都正常去控制台 https://taotoken.net/api-keys 检查这个 Key 是不是被禁用或删除了。修复动作重新创建 Key更新环境变量重开终端再跑。local proxy failed。这个报错通常出现在请求根本没发出去的时候提示连接本地代理失败。检查你的环境里有没有设置HTTP_PROXY或HTTPS_PROXY环境变量有的话先unset掉再跑。另外确认config.json里的base_url是https://taotoken.net/api没有多余路径或拼写错误。这个错误和 Key 无关纯粹是请求出口配置问题。reading choices 报错。典型信息是KeyError: choices或者list index out of range发生在解析模型返回的时候。原因是返回的 JSON 结构和你预期的不一样可能是模型名写错导致返回了错误对象也可能是请求体格式不对。排查方法在ask_model_for_price里把r.json()打印出来看实际结构。常见修复是把 Model ID 换成控制台里确认可用的那个并确认请求体里messages字段拼写正确。三件套 Base URL、Key、Model ID 任何一个不对都可能走到这个报错。OAuth 相关报错。如果你在配置里混用了需要 OAuth 的客户端比如某些 CLI 工具可能会看到 token 过期或授权失败的提示。价格监控脚本用的是 API Key 方式不涉及 OAuth 流程。修复动作确认你用的是Authorization: Bearer Key这种头而不是 OAuth 的 access token。如果你同时装了 Claude Code 之类的工具注意它们的配置文件和本项目的config.json是分开的别把两边的认证方式搞混。除了模型侧抓取侧也有两个常见问题。一是requests.exceptions.Timeout目标站响应慢把timeout从 15 调到 30 试试。二是选择器命中但解析出 None说明价格文本里没有数字检查页面是不是动态渲染的。动态渲染的页面用 requests 抓到的 HTML 里没有价格需要换无头浏览器方案或者把页面片段交给模型兜底解析。排查顺序建议固定下来先看 Key 和环境变量再看 Base URL 和 Model ID最后看请求体和返回结构。按这个顺序走大部分报错五分钟内能定位。6. 把监控跑成长期任务接入方式与后续动作链路验证通过、报错排查清楚之后剩下的就是让它安静地跑。定时任务挂上之后你基本不用管但有两件事值得定期做一是每周看一眼price_history.csv确认数据在正常增长没有出现连续多天同一个价格或者空值二是每月检查一次目标页的选择器有没有失效电商页面改版是常事选择器一失效就会走模型兜底兜底次数多了说明该更新配置了。如果你想把告警推到手机可以在monitor.py的告警分支里加一个 webhook 调用把msg发到你常用的通知服务。代码结构已经留好了notify.webhook_url字段填上地址就能用。想画价格曲线的话把price_history.csv读进 pandas用 matplotlib 画折线图几十行就能出图直观看到价格走势。模型调用这条通道后续如果换模型只改config.json里的model_idBase URL 和 Key 都不用动这就是统一 Key 的价值。需要查看可用模型和额度去模型对话入口 https://taotoken.net/api-keys 接入细节和参数说明在文档 https://taotoken.net/doc 。长期跑编码类或 Agent 类任务的话Coding Plan 的入口在 https://taotoken.net/coding-plan 按需了解即可。最后提醒一句抓取频率别贪高一小时一次对价格监控足够既降低被封的风险也减少对目标站的压力。阈值先宽后紧跑一周看告警频率再调。这套配置我实测下来从零到跑通大概半小时后面就是让它自己干活了。