1. 为什么要在单台 Lighthouse 上跑 OpenClaw 全栈工作流OpenClaw 是 2026 年开源 AI Agent 框架里热度最高的一个，GitHub Star 已经突破 31 万。它能做什么？简单说，它把「消息通道 + 大模型 + 工具调用 + 定时任务」串成一条流水线，你对着聊天窗口说一句话，背后可以触发模型推理、文件读写、浏览器操作、邮件发送。适合谁？适合手里有一台闲置云服务器、想把日常重复劳动交给 Agent 的开发者，也适合想低成本验证 AI 工作流的产品同学。但网上大多数教程停在「安装完成」这一步。装完之后怎么和腾讯云生态打通、怎么把 QClaw Bot 和 LKEAP 接进来、怎么让整条链路稳定跑两个月，几乎没人写。我手里正好有一台腾讯云 Lighthouse 轻量应用服务器，2 核 2G、50G SSD、Ubuntu 24.04，就用它把 OpenClaw 全栈工作流跑了起来：OpenClaw 做中枢，QClaw Bot 做 IM 入口，LKEAP 做低延迟模型源，再挂上 QQ Bot、WebHook、cron 定时任务，支撑 20 多个站点和 10 多个后端服务。这篇文章交付的是可复制路径：Lighthouse 初始化脚本、OpenClaw 配置片段、QClaw Bot 接入命令、LKEAP 挂载 JSON、端到端验证动作，以及我踩过的真实报错。你照着做，能在自己的实例上复现从环境准备到工作流跑通的全过程。先说硬件账。2G 内存跑 Node.js Gateway + MySQL + Nginx 刚好够，50G SSD 放日志、配置和浏览器缓存也没问题。两个月下来的真实占用：Gateway 进程约 777MB（Node.js v22.22.1），Chromium 实例约 150MB（Playwright，7 个子进程），MySQL 约 50MB，Nginx + PHP-FPM 约 30MB，可用内存还剩 469Mi。这个数字说明一件事：单台 Lighthouse 撑 AI 全栈工作流，不是勉强，是够用。架构上分三层。底层是腾讯云 Lighthouse 实例，提供计算和网络；中间是 OpenClaw Gateway，监听 20071 端口，做 Token 认证和消息路由；上层是通道和模型，QClaw Bot 接腾讯 IM，QQ Bot 接 QQ 开放平台，LKEAP 走腾讯云内网提供模型推理，DeepSeek 和豆包做兜底。整条链路里，QClaw 的消息通过 Gateway 路由到 LKEAP 模型，全程在腾讯云体系内，延迟极低。2. TaoToken 前置：模型接入与 Key 管理在把 OpenClaw 跑起来之前，得先解决模型从哪来的问题。OpenClaw 本身不生产模型，它是个调度中枢，需要你给它配模型源。我试过几种方案，最后收敛成「主力 + 备选 + 低延迟」三引擎并行。这里要提一个很多教程忽略的环节：模型 API 的 Key 管理和统一接入。如果你同时用多个模型源，每个源一套 Key、一套 Base URL、一套模型 ID，配置散落在不同文件里，排查问题时非常痛苦。我的做法是用 TaoToken 做统一接入层，把模型对话、Coding Plan、API Key 管理集中在一个控制台里。TaoToken 官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api 。它的定位是模型接入与 Key 管理平台，不是替代编辑器，也不是灰色中转。你可以把它理解成一个「模型网关」：上游接多个模型源，下游给你的应用一个统一的 Base URL 和 Key。具体怎么用？先在控制台创建 API Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。创建完 Key 之后，在 OpenClaw 的模型配置里把 Base URL 指向 TaoToken 的 API 地址，模型 ID 填你实际要调用的模型。这样 OpenClaw 只需要认一个入口，后面换模型、加模型都不用改 OpenClaw 的配置。如果你主要做长期编码或者 Agent 类任务，可以看 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。它适合需要持续调用模型、对成本敏感的场景。如果只是想先验证模型能不能通，用模型对话页面最快，地址是 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，直接在网页里发一条消息，看返回是否正常。API Key 的管理页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。我建议先把文档过一遍，特别是 Base URL 和 Model ID 的对应关系，后面配 OpenClaw 的时候直接抄。这里有个关键点：OpenClaw 的模型配置支持 OpenAI 兼容格式，所以 TaoToken 的 API 可以直接作为openai-completions类型的源接进去。你不需要改 OpenClaw 的代码，只需要在配置文件里加一段 JSON。这也是我选 TaoToken 做统一接入的原因——它不绑定特定框架，OpenClaw、Cline、Claude Code 都能用同一套 Key。配好 Key 之后，先别急着接 OpenClaw，用 curl 验证一下模型通不通。这一步能帮你排除掉 80% 的「连不上」问题。验证命令在下一节给。3. 可复制配置：Lighthouse 初始化 + OpenClaw + QClaw Bot + LKEAP这一节是全文的核心，所有配置都可以直接抄。我按「系统初始化 → OpenClaw 安装 → 模型配置 → QClaw Bot 接入 → LKEAP 挂载 → Nginx 反代」的顺序来。3.1 Lighthouse 初始化脚本拿到 Lighthouse 实例后，第一件事是更新系统、装基础依赖、配 swap。2G 内存的机器，swap 是保命的东西。#!/bin/bash # Lighthouse 初始化脚本 set -e # 1. 更新系统 apt update && apt upgrade -y # 2. 装基础依赖 apt install -y curl wget git build-essential nginx mysql-server \ iptables-persistent fail2ban # 3. 配 swap（2G 内存必做） fallocate -l 4G /swapfile chmod 600 /swapfile mkswap /swapfile swapon /swapfile echo '/swapfile none swap sw 0 0' >> /etc/fstab # 4. 验证 free -h df -h /跑完这个脚本，你的 Lighthouse 就有了 Node.js 编译环境、Nginx、MySQL、防火墙和 fail2ban。swap 我给了 4G，实际用下来峰值到过 9.9G 扩展交换分区，但日常 4G 够。3.2 安装 OpenClaw两种方式，我推荐第二种。方式一是一键脚本：curl -fsSL https://get.openclaw.ai | sh优点是自动处理依赖和 systemd 服务，缺点是路径不可控，出问题不好排查。方式二是 pnpm 全局安装，我实际用的就是这个：npm install -g pnpm pnpm add -g openclaw openclaw --version输出应该是OpenClaw 2026.6.1 (2e08f0f)。版本管理方便，升级回滚简单。注意装完后需要手动配 Gateway 自启动，这个后面讲。3.3 OpenClaw 模型配置片段OpenClaw 的配置文件在~/.openclaw/openclaw.json。模型部分我配了三个源，下面是可直接复制的 JSON 片段：{ "models": { "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "api": "openai-completions", "apiKey": "sk-你的TaoTokenKey", "models": [ { "id": "deepseek-v4-pro", "name": "DeepSeek V4 Pro" }, { "id": "deepseek-v4-flash", "name": "DeepSeek V4 Flash" } ] }, "qcloudlkeap": { "baseUrl": "https://api.lkeap.cloud.tencent.com/v1", "api": "openai-completions", "apiKey": "你的LKEAPKey", "models": [ { "id": "deepseek-v3.2", "name": "DeepSeek V3.2" }, { "id": "deepseek-r1-0528", "name": "DeepSeek R1 0528" } ] }, "doubao": { "baseUrl": "https://ark.cn-beijing.volces.com/api/v3", "api": "openai-completions", "apiKey": "你的豆包Key", "models": [ { "id": "doubao-seed-2-0-pro", "name": "Doubao Seed 2.0 Pro" }, { "id": "doubao-seed-code-preview", "name": "Doubao Seed Code" } ] } } } }注意baseUrl和api两个字段必须匹配。TaoToken 和 LKEAP 都是 OpenAI 兼容格式，所以api填openai-completions。如果你用的是 Claude Code 或者 Anthropic 格式的源，api要改成对应的值，具体看接入文档。3.4 QClaw Bot 接入QClaw Bot 是腾讯出品的 IM 即时通信 AI 助手插件，接入体验是鹅厂级别的开箱即用。一条命令完成安装、配置、注册：bash <(curl -fsSL https://cdn.qclaw.qq.com/qclaw_miniapp/qclaw/install.sh) \ --bot-token "appId:appSecret"appId和appSecret从 QClaw 开放平台拿。对比其他通道：钉钉需要开放平台创建应用、配置回调、验证 Token；微信需要公众号后台多步操作。QClaw 这条命令下去，基本就完事了。QClaw Bot 的核心能力包括：私聊流式回复（WebSocket 长连接，打字机效果）、消息自动合并（短时间多条消息合并再发给 AI，省 token）、媒体消息收发（图片/语音/视频/文件）、定时提醒（自然语言创建，5m/1h30m/2d/cron）、技能管理（安装/查看/删除 AI 技能）。3.5 LKEAP 挂载LKEAP 是腾讯云的模型 API 平台，走腾讯云内网。如果你 Lighthouse 和 LKEAP 在同一区域，延迟几乎可以忽略。实测对比：模型源延迟说明LKEAP（腾讯云内网）< 5ms同区域最佳DeepSeek 官方 API30~50ms公网豆包（火山引擎）15~25ms国内公网LKEAP 的配置已经在 3.3 的 JSON 里了，baseUrl是https://api.lkeap.cloud.tencent.com/v1。挂载完成后，QClaw 通道的消息通过 OpenClaw Gateway 路由到 LKEAP 模型，整条链路都在腾讯云体系内。3.6 Nginx 反代配置OpenClaw Gateway 监听 20071 端口，用 Nginx 做反代，解决端口限制、SSL、安全隔离三合一：server { listen 80; server_name openclaw.example.com; location / { proxy_pass http://127.0.0.1:20071; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; } }Upgrade和Connection两个头是 WebSocket 长连接必须的，少了 QClaw 的流式回复会断。4. 验证请求与成功结果配置写完，必须验证。我按「模型通 → Gateway 通 → QClaw 通 → 端到端通」四步来。4.1 验证模型 API先用 curl 直接打 TaoToken 的 API，确认 Key 和 Base URL 没问题：curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的TaoTokenKey" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-v4-flash", "messages": [{"role": "user", "content": "回复 OK"}] }'正常返回里会有choices[0].message.content，内容是OK。如果返回 401，说明 Key 错了；如果返回model not found，说明模型 ID 填错了。4.2 验证 OpenClaw Gatewayopenclaw status openclaw doctoropenclaw status会列出当前活跃的 Agent、会话、通道。openclaw doctor会检查配置文件和依赖，有问题会提示--fix。4.3 验证 QClaw Bot在 QClaw 私聊窗口发一条消息：我: 帮我查一下现在服务器内存占用 QClaw: [流式回复] 当前内存占用...如果收到流式回复，说明 QClaw → Gateway → 模型 → 回复这条链路通了。4.4 验证定时任务通过 QClaw Bot 用自然语言创建定时任务：我: 每天下午 6 点发邮件汇报系统状态 QClaw: 已创建定时任务：每天 18:00 发送邮件汇报然后查看任务列表：我: 查看我的定时任务 QClaw: 当前定时任务： 每天 18:00 — 发送邮件汇报 每周日 3:00 — 清理日志 ...4.5 验证成功结果跑通后，openclaw status的输出应该类似：Active Agents: 2 Active Sessions: 13 Scheduled Tasks: 6 Channels: 8两个月运行下来的真实数据：活跃 Agent 2 个，活跃会话 13 个，定时任务 6 个，消息通道 8 个，在线站点 20+ 个，后端服务 10+ 个，Cache 命中率 47%~99%（QClaw 最高），端口从 22 个缩减到 4 个。5. 本篇常见错排查这一节列我实际踩过的报错，对照着排查。5.1 401 Unauthorized报错：401 Unauthorized或invalid api key。原因：Key 错了、Key 过期、或者 Base URL 和 Key 不匹配。如果你用 TaoToken 的 Key 去打 LKEAP 的地址，就会 401。排查：先用 4.1 的 curl 命令单独验证 Key。确认 Key 对应的 Base URL 是https://taotoken.net/api，不是别的。5.2 local proxy failed报错：local proxy failed或connection refused。原因：OpenClaw Gateway 没起来，或者 Nginx 反代配错了。排查：systemctl --user status openclaw-gateway ss -tlnp | grep 20071如果 Gateway 没起来，先systemctl --user start openclaw-gateway。如果端口没监听，检查~/.openclaw/openclaw.json里的端口配置。5.3 reading choices 报错报错：error reading choices或unexpected response format。原因：模型返回的 JSON 格式和 OpenClaw 预期的不一致。常见于api字段填错，比如把openai-completions填成了anthropic。排查：确认api字段和模型源匹配。TaoToken、LKEAP、豆包都是openai-completions。5.4 OAuth 相关报错报错：OAuth token expired或refresh token failed。原因：如果你用 Claude Code 或者 Anthropic 的 OAuth 接入，token 会过期。排查：重新走一遍 OAuth 授权流程。如果用 TaoToken 的 API Key 模式，不会有这个问题。5.5 CC Switch / Cline MCP / Codex auth.json 三件套如果你用 CC Switch、Cline MCP 或者 Codex，配置里必须写全三件套：Base URL、Key、Model ID。少一个都会报错。以 Codex 的auth.json为例：{ "base_url": "https://taotoken.net/api", "api_key": "sk-你的TaoTokenKey", "model": "deepseek-v4-flash" }Cline MCP 的配置类似，在 MCP 设置里填这三个字段。CC Switch 也是。5.6 Nginx location 优先级报错：前端请求被当成 API 发到后端。原因：Nginx location 匹配优先级搞错了。优先级从高到低是：=精确 >^~前缀（禁止正则）>~正则 > 普通前缀。# 被正则 ~ .php$ 抢先匹配 location /sub-path/ { ... } # 用 ^~ 禁止正则覆盖 location ^~ /sub-path/ { ... }5.7 内存碎片报错：Gateway 跑几天后内存涨到 1G+，响应变慢。原因：Node.js 内存碎片。排查：加一个每周重启的 cron：0 3 * * 0 openclaw gateway restart5.8 飞书多账号报错：channels.lightclawbot: accounts.default is missing。原因：飞书多账号配置里没指定默认账号。排查：在accounts里加default字段。5.9 SMTP 被封报错：邮件发送失败，SMTP 返回 550。原因：短时间内多次测试邮件，被邮箱服务商封了。排查：换腾讯企业邮（smtp.qcloudmail.com:465），稳定很多。5.10 插件 TS 未编译报错：插件加载失败，提示 TS 文件未编译。排查：openclaw doctor --fix会自动清理过期配置和未编译的插件。6. 长期编码与 Agent 场景的 CTA跑通之后，你可能会想把这套工作流用在长期编码或者 Agent 任务上。这里给几个方向。如果你主要做长期编码，比如让 Agent 持续帮你写代码、审查 PR、跑测试，建议看 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。它适合需要持续调用模型、对成本敏感的场景。如果你还在验证阶段，想先确认模型能不能通，用模型对话页面最快：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。直接在网页里发消息，看返回。如果你要管理多个 Key、多个模型源，API Keys 页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，配 OpenClaw 之前先过一遍。最后说几个我实际用下来的经验。第一，QClaw Bot + LKEAP 是鹅厂生态的最优入口，安装体验丝滑，延迟极低，日常高频使用。第二，多模型兜底比单模型稳太多，DeepSeek Pro 主力 + Flash 日常 + LKEAP 高频 + 豆包备选，任何一个挂了都不影响。第三，Nginx 反代是必需品，解决端口限制、SSL、安全隔离三合一。第四，安全左移要制度化，上线即审计，端口/CORS/鉴权一条龙。第五，cron + Agent 是最好的自动化搭子，自然语言设任务，每天自动执行。一台 2G 内存的 Lighthouse + 开源 OpenClaw + 鹅厂生态产品，一个人也能撑起一支技术团队。OpenClaw 版本 2026.6.1，部署于腾讯云 Lighthouse（2C2G，Ubuntu 24.04），QClaw Bot v1.0.14。
1. 为什么要在单台 Lighthouse 上跑 OpenClaw 全栈工作流OpenClaw 是 2026 年开源 AI Agent 框架里热度最高的一个，GitHub Star 已经突破 31 万。它能做什么？简单说，它把「消息通道 + 大模型 + 工具调用 + 定时任务」串成一条流水线，你对着聊天窗口说一句话，背后可以触发模型推理、文件读写、浏览器操作、邮件发送。适合谁？适合手里有一台闲置云服务器、想把日常重复劳动交给 Agent 的开发者，也适合想低成本验证 AI 工作流的产品同学。但网上大多数教程停在「安装完成」这一步。装完之后怎么和腾讯云生态打通、怎么把 QClaw Bot 和 LKEAP 接进来、怎么让整条链路稳定跑两个月，几乎没人写。我手里正好有一台腾讯云 Lighthouse 轻量应用服务器，2 核 2G、50G SSD、Ubuntu 24.04，就用它把 OpenClaw 全栈工作流跑了起来：OpenClaw 做中枢，QClaw Bot 做 IM 入口，LKEAP 做低延迟模型源，再挂上 QQ Bot、WebHook、cron 定时任务，支撑 20 多个站点和 10 多个后端服务。这篇文章交付的是可复制路径：Lighthouse 初始化脚本、OpenClaw 配置片段、QClaw Bot 接入命令、LKEAP 挂载 JSON、端到端验证动作，以及我踩过的真实报错。你照着做，能在自己的实例上复现从环境准备到工作流跑通的全过程。先说硬件账。2G 内存跑 Node.js Gateway + MySQL + Nginx 刚好够，50G SSD 放日志、配置和浏览器缓存也没问题。两个月下来的真实占用：Gateway 进程约 777MB（Node.js v22.22.1），Chromium 实例约 150MB（Playwright，7 个子进程），MySQL 约 50MB，Nginx + PHP-FPM 约 30MB，可用内存还剩 469Mi。这个数字说明一件事：单台 Lighthouse 撑 AI 全栈工作流，不是勉强，是够用。架构上分三层。底层是腾讯云 Lighthouse 实例，提供计算和网络；中间是 OpenClaw Gateway，监听 20071 端口，做 Token 认证和消息路由；上层是通道和模型，QClaw Bot 接腾讯 IM，QQ Bot 接 QQ 开放平台，LKEAP 走腾讯云内网提供模型推理，DeepSeek 和豆包做兜底。整条链路里，QClaw 的消息通过 Gateway 路由到 LKEAP 模型，全程在腾讯云体系内，延迟极低。2. TaoToken 前置：模型接入与 Key 管理在把 OpenClaw 跑起来之前，得先解决模型从哪来的问题。OpenClaw 本身不生产模型，它是个调度中枢，需要你给它配模型源。我试过几种方案，最后收敛成「主力 + 备选 + 低延迟」三引擎并行。这里要提一个很多教程忽略的环节：模型 API 的 Key 管理和统一接入。如果你同时用多个模型源，每个源一套 Key、一套 Base URL、一套模型 ID，配置散落在不同文件里，排查问题时非常痛苦。我的做法是用 TaoToken 做统一接入层，把模型对话、Coding Plan、API Key 管理集中在一个控制台里。TaoToken 官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api 。它的定位是模型接入与 Key 管理平台，不是替代编辑器，也不是灰色中转。你可以把它理解成一个「模型网关」：上游接多个模型源，下游给你的应用一个统一的 Base URL 和 Key。具体怎么用？先在控制台创建 API Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。创建完 Key 之后，在 OpenClaw 的模型配置里把 Base URL 指向 TaoToken 的 API 地址，模型 ID 填你实际要调用的模型。这样 OpenClaw 只需要认一个入口，后面换模型、加模型都不用改 OpenClaw 的配置。如果你主要做长期编码或者 Agent 类任务，可以看 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。它适合需要持续调用模型、对成本敏感的场景。如果只是想先验证模型能不能通，用模型对话页面最快，地址是 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ，直接在网页里发一条消息，看返回是否正常。API Key 的管理页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。我建议先把文档过一遍，特别是 Base URL 和 Model ID 的对应关系，后面配 OpenClaw 的时候直接抄。这里有个关键点：OpenClaw 的模型配置支持 OpenAI 兼容格式，所以 TaoToken 的 API 可以直接作为openai-completions类型的源接进去。你不需要改 OpenClaw 的代码，只需要在配置文件里加一段 JSON。这也是我选 TaoToken 做统一接入的原因——它不绑定特定框架，OpenClaw、Cline、Claude Code 都能用同一套 Key。配好 Key 之后，先别急着接 OpenClaw，用 curl 验证一下模型通不通。这一步能帮你排除掉 80% 的「连不上」问题。验证命令在下一节给。3. 可复制配置：Lighthouse 初始化 + OpenClaw + QClaw Bot + LKEAP这一节是全文的核心，所有配置都可以直接抄。我按「系统初始化 → OpenClaw 安装 → 模型配置 → QClaw Bot 接入 → LKEAP 挂载 → Nginx 反代」的顺序来。3.1 Lighthouse 初始化脚本拿到 Lighthouse 实例后，第一件事是更新系统、装基础依赖、配 swap。2G 内存的机器，swap 是保命的东西。#!/bin/bash # Lighthouse 初始化脚本 set -e # 1. 更新系统 apt update && apt upgrade -y # 2. 装基础依赖 apt install -y curl wget git build-essential nginx mysql-server \ iptables-persistent fail2ban # 3. 配 swap（2G 内存必做） fallocate -l 4G /swapfile chmod 600 /swapfile mkswap /swapfile swapon /swapfile echo '/swapfile none swap sw 0 0' >> /etc/fstab # 4. 验证 free -h df -h /跑完这个脚本，你的 Lighthouse 就有了 Node.js 编译环境、Nginx、MySQL、防火墙和 fail2ban。swap 我给了 4G，实际用下来峰值到过 9.9G 扩展交换分区，但日常 4G 够。3.2 安装 OpenClaw两种方式，我推荐第二种。方式一是一键脚本：curl -fsSL https://get.openclaw.ai | sh优点是自动处理依赖和 systemd 服务，缺点是路径不可控，出问题不好排查。方式二是 pnpm 全局安装，我实际用的就是这个：npm install -g pnpm pnpm add -g openclaw openclaw --version输出应该是OpenClaw 2026.6.1 (2e08f0f)。版本管理方便，升级回滚简单。注意装完后需要手动配 Gateway 自启动，这个后面讲。3.3 OpenClaw 模型配置片段OpenClaw 的配置文件在~/.openclaw/openclaw.json。模型部分我配了三个源，下面是可直接复制的 JSON 片段：{ "models": { "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "api": "openai-completions", "apiKey": "sk-你的TaoTokenKey", "models": [ { "id": "deepseek-v4-pro", "name": "DeepSeek V4 Pro" }, { "id": "deepseek-v4-flash", "name": "DeepSeek V4 Flash" } ] }, "qcloudlkeap": { "baseUrl": "https://api.lkeap.cloud.tencent.com/v1", "api": "openai-completions", "apiKey": "你的LKEAPKey", "models": [ { "id": "deepseek-v3.2", "name": "DeepSeek V3.2" }, { "id": "deepseek-r1-0528", "name": "DeepSeek R1 0528" } ] }, "doubao": { "baseUrl": "https://ark.cn-beijing.volces.com/api/v3", "api": "openai-completions", "apiKey": "你的豆包Key", "models": [ { "id": "doubao-seed-2-0-pro", "name": "Doubao Seed 2.0 Pro" }, { "id": "doubao-seed-code-preview", "name": "Doubao Seed Code" } ] } } } }注意baseUrl和api两个字段必须匹配。TaoToken 和 LKEAP 都是 OpenAI 兼容格式，所以api填openai-completions。如果你用的是 Claude Code 或者 Anthropic 格式的源，api要改成对应的值，具体看接入文档。3.4 QClaw Bot 接入QClaw Bot 是腾讯出品的 IM 即时通信 AI 助手插件，接入体验是鹅厂级别的开箱即用。一条命令完成安装、配置、注册：bash <(curl -fsSL https://cdn.qclaw.qq.com/qclaw_miniapp/qclaw/install.sh) \ --bot-token "appId:appSecret"appId和appSecret从 QClaw 开放平台拿。对比其他通道：钉钉需要开放平台创建应用、配置回调、验证 Token；微信需要公众号后台多步操作。QClaw 这条命令下去，基本就完事了。QClaw Bot 的核心能力包括：私聊流式回复（WebSocket 长连接，打字机效果）、消息自动合并（短时间多条消息合并再发给 AI，省 token）、媒体消息收发（图片/语音/视频/文件）、定时提醒（自然语言创建，5m/1h30m/2d/cron）、技能管理（安装/查看/删除 AI 技能）。3.5 LKEAP 挂载LKEAP 是腾讯云的模型 API 平台，走腾讯云内网。如果你 Lighthouse 和 LKEAP 在同一区域，延迟几乎可以忽略。实测对比：模型源延迟说明LKEAP（腾讯云内网）< 5ms同区域最佳DeepSeek 官方 API30~50ms公网豆包（火山引擎）15~25ms国内公网LKEAP 的配置已经在 3.3 的 JSON 里了，baseUrl是https://api.lkeap.cloud.tencent.com/v1。挂载完成后，QClaw 通道的消息通过 OpenClaw Gateway 路由到 LKEAP 模型，整条链路都在腾讯云体系内。3.6 Nginx 反代配置OpenClaw Gateway 监听 20071 端口，用 Nginx 做反代，解决端口限制、SSL、安全隔离三合一：server { listen 80; server_name openclaw.example.com; location / { proxy_pass http://127.0.0.1:20071; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; } }Upgrade和Connection两个头是 WebSocket 长连接必须的，少了 QClaw 的流式回复会断。4. 验证请求与成功结果配置写完，必须验证。我按「模型通 → Gateway 通 → QClaw 通 → 端到端通」四步来。4.1 验证模型 API先用 curl 直接打 TaoToken 的 API，确认 Key 和 Base URL 没问题：curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的TaoTokenKey" \ -H "Content-Type: application/json" \ -d '{ "model": "deepseek-v4-flash", "messages": [{"role": "user", "content": "回复 OK"}] }'正常返回里会有choices[0].message.content，内容是OK。如果返回 401，说明 Key 错了；如果返回model not found，说明模型 ID 填错了。4.2 验证 OpenClaw Gatewayopenclaw status openclaw doctoropenclaw status会列出当前活跃的 Agent、会话、通道。openclaw doctor会检查配置文件和依赖，有问题会提示--fix。4.3 验证 QClaw Bot在 QClaw 私聊窗口发一条消息：我: 帮我查一下现在服务器内存占用 QClaw: [流式回复] 当前内存占用...如果收到流式回复，说明 QClaw → Gateway → 模型 → 回复这条链路通了。4.4 验证定时任务通过 QClaw Bot 用自然语言创建定时任务：我: 每天下午 6 点发邮件汇报系统状态 QClaw: 已创建定时任务：每天 18:00 发送邮件汇报然后查看任务列表：我: 查看我的定时任务 QClaw: 当前定时任务： 每天 18:00 — 发送邮件汇报 每周日 3:00 — 清理日志 ...4.5 验证成功结果跑通后，openclaw status的输出应该类似：Active Agents: 2 Active Sessions: 13 Scheduled Tasks: 6 Channels: 8两个月运行下来的真实数据：活跃 Agent 2 个，活跃会话 13 个，定时任务 6 个，消息通道 8 个，在线站点 20+ 个，后端服务 10+ 个，Cache 命中率 47%~99%（QClaw 最高），端口从 22 个缩减到 4 个。5. 本篇常见错排查这一节列我实际踩过的报错，对照着排查。5.1 401 Unauthorized报错：401 Unauthorized或invalid api key。原因：Key 错了、Key 过期、或者 Base URL 和 Key 不匹配。如果你用 TaoToken 的 Key 去打 LKEAP 的地址，就会 401。排查：先用 4.1 的 curl 命令单独验证 Key。确认 Key 对应的 Base URL 是https://taotoken.net/api，不是别的。5.2 local proxy failed报错：local proxy failed或connection refused。原因：OpenClaw Gateway 没起来，或者 Nginx 反代配错了。排查：systemctl --user status openclaw-gateway ss -tlnp | grep 20071如果 Gateway 没起来，先systemctl --user start openclaw-gateway。如果端口没监听，检查~/.openclaw/openclaw.json里的端口配置。5.3 reading choices 报错报错：error reading choices或unexpected response format。原因：模型返回的 JSON 格式和 OpenClaw 预期的不一致。常见于api字段填错，比如把openai-completions填成了anthropic。排查：确认api字段和模型源匹配。TaoToken、LKEAP、豆包都是openai-completions。5.4 OAuth 相关报错报错：OAuth token expired或refresh token failed。原因：如果你用 Claude Code 或者 Anthropic 的 OAuth 接入，token 会过期。排查：重新走一遍 OAuth 授权流程。如果用 TaoToken 的 API Key 模式，不会有这个问题。5.5 CC Switch / Cline MCP / Codex auth.json 三件套如果你用 CC Switch、Cline MCP 或者 Codex，配置里必须写全三件套：Base URL、Key、Model ID。少一个都会报错。以 Codex 的auth.json为例：{ "base_url": "https://taotoken.net/api", "api_key": "sk-你的TaoTokenKey", "model": "deepseek-v4-flash" }Cline MCP 的配置类似，在 MCP 设置里填这三个字段。CC Switch 也是。5.6 Nginx location 优先级报错：前端请求被当成 API 发到后端。原因：Nginx location 匹配优先级搞错了。优先级从高到低是：=精确 >^~前缀（禁止正则）>~正则 > 普通前缀。# 被正则 ~ .php$ 抢先匹配 location /sub-path/ { ... } # 用 ^~ 禁止正则覆盖 location ^~ /sub-path/ { ... }5.7 内存碎片报错：Gateway 跑几天后内存涨到 1G+，响应变慢。原因：Node.js 内存碎片。排查：加一个每周重启的 cron：0 3 * * 0 openclaw gateway restart5.8 飞书多账号报错：channels.lightclawbot: accounts.default is missing。原因：飞书多账号配置里没指定默认账号。排查：在accounts里加default字段。5.9 SMTP 被封报错：邮件发送失败，SMTP 返回 550。原因：短时间内多次测试邮件，被邮箱服务商封了。排查：换腾讯企业邮（smtp.qcloudmail.com:465），稳定很多。5.10 插件 TS 未编译报错：插件加载失败，提示 TS 文件未编译。排查：openclaw doctor --fix会自动清理过期配置和未编译的插件。6. 长期编码与 Agent 场景的 CTA跑通之后，你可能会想把这套工作流用在长期编码或者 Agent 任务上。这里给几个方向。如果你主要做长期编码，比如让 Agent 持续帮你写代码、审查 PR、跑测试，建议看 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。它适合需要持续调用模型、对成本敏感的场景。如果你还在验证阶段，想先确认模型能不能通，用模型对话页面最快：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。直接在网页里发消息，看返回。如果你要管理多个 Key、多个模型源，API Keys 页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，配 OpenClaw 之前先过一遍。最后说几个我实际用下来的经验。第一，QClaw Bot + LKEAP 是鹅厂生态的最优入口，安装体验丝滑，延迟极低，日常高频使用。第二，多模型兜底比单模型稳太多，DeepSeek Pro 主力 + Flash 日常 + LKEAP 高频 + 豆包备选，任何一个挂了都不影响。第三，Nginx 反代是必需品，解决端口限制、SSL、安全隔离三合一。第四，安全左移要制度化，上线即审计，端口/CORS/鉴权一条龙。第五，cron + Agent 是最好的自动化搭子，自然语言设任务，每天自动执行。一台 2G 内存的 Lighthouse + 开源 OpenClaw + 鹅厂生态产品，一个人也能撑起一支技术团队。OpenClaw 版本 2026.6.1，部署于腾讯云 Lighthouse（2C2G，Ubuntu 24.04），QClaw Bot v1.0.14。