1. 为什么要在 Ubuntu 上折腾 OpenClaw Ollama 飞书如果你手里有一台闲置的 Ubuntu 机器想让它变成一个能干活、能对话、还能被团队直接调用的 AI Agent那 OpenClaw 这套组合值得试一次。OpenClaw 是一个开源的 Agent 网关负责把消息通道、模型推理、工具调用串起来Ollama 负责在本机跑大模型数据不出内网飞书则作为团队日常最顺手的消息入口。三者拼在一起就是一条「飞书发消息 → OpenClaw 编排 → Ollama 推理 → 飞书回结果」的完整链路。这套方案适合谁个人开发者想低成本搭私有 Agent、小团队想在内网做知识问答、或者你单纯想验证「本地模型 消息通道」到底能不能跑通。它不需要你买 GPU 云主机也不需要把数据发到外部服务一台 16GB 内存的 Ubuntu 22.04 就能起步。不过实际部署时很多人会卡在两个地方一是模型提供方的 Key 和地址管理混乱本地 Ollama、云端模型、备用通道各写一套配置改起来容易漏二是飞书通道的凭据和权限配置繁琐报错信息又不直观。这篇就围绕这两个痛点用 TaoToken 统一 Key/API 通道来收敛模型接入层把 Ollama 本地推理和飞书通道一次性打通配置和命令都可以直接复制。我试过在空白 Ubuntu 上从零走一遍下面按「环境准备 → 装 Ollama → 装 OpenClaw → 接 TaoToken 统一通道 → 配飞书 → 端到端验证 → 排错」的顺序展开每一步都有可复制的命令和配置骨架。2. TaoToken 前置统一 Key 与 API 通道怎么准备在动手之前先把模型接入层理清楚。OpenClaw 支持多种模型提供方本地 Ollama 只是其中之一。如果你后面还想接云端模型做兜底或者团队里多人共用一套 Key那用 TaoToken 做统一入口会省很多事。TaoToken 的作用是提供一个统一的 API 通道和 Key 管理你可以把它理解成「模型接入的中间层」OpenClaw 只需要认一个 baseUrl 和一个 Key背后具体走本地 Ollama 还是别的模型由你在 TaoToken 侧配置。这样配置文件里不会散落一堆不同厂商的地址和密钥。具体操作分三步。第一步打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册并登录。第二步进入控制台 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 创建 API Key建议按用途命名比如openclaw-ubuntu方便后面区分。第三步如果你打算长期跑编码类 Agent可以看一下 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite它更适合高频调用的场景。拿到 Key 之后API 入口统一用 https://taotoken.net/api这个地址不加 UTM 参数直接作为 baseUrl 使用。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite里面有各语言的调用示例配置前扫一眼能少踩坑。注意本地 Ollama 的 apiKey 通常用占位值ollama-local就行但如果你通过 TaoToken 统一通道转发就要用 TaoToken 控制台里生成的真实 Key。两者不要混用否则会出现「本地能跑、走通道报 401」的情况。3. 可复制配置Ollama、OpenClaw 与飞书通道这一节是全文的核心所有配置都按可直接复制的标准给出。先确认系统环境再依次装 Ollama、OpenClaw最后写配置。3.1 环境确认与基础依赖先看机器规格确认架构和资源uname -m lsb_release -a free -h df -h /推荐 Ubuntu 22.04 及以上、x86_64 架构、内存 16GB 起步32GB 更稳。如果内存只有 8GB跑 7B 模型会比较吃力建议换更小的模型。3.2 安装 Ollama 并拉取模型Ollama 的安装脚本一行搞定curl -fsSL https://ollama.com/install.sh | sh ollama --version拉一个模型做烟雾测试这里用 qwen2.5:7bollama pull qwen2.5:7b ollama run qwen2.5:7b 只回复 OK如果机器有 NVIDIA 显卡用下面这条确认是否走了 GPUollama ps重点看 PROCESSOR 列出现 GPU 说明显卡推理已启用如果显示 100% CPU说明还在用 CPU 跑速度会慢不少。3.3 安装 OpenClawOpenClaw 依赖 Node 20 LTS先装 Nodecurl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt-get install -y nodejs node -v npm -v然后全局安装 OpenClawsudo npm i -g openclaw openclaw --version3.4 配置模型提供方走 TaoToken 统一通道这里有两种写法。如果你只想用本地 Ollama直接指向本机 11434 端口openclaw config set models.providers.ollama.baseUrl http://127.0.0.1:11434/v1 openclaw config set models.providers.ollama.apiKey ollama-local openclaw models set ollama/qwen2.5:7b如果你希望用 TaoToken 统一管理 Key 和通道把 baseUrl 换成 TaoToken 的 API 入口apiKey 换成控制台生成的真实 Keyopenclaw config set models.providers.taotoken.baseUrl https://taotoken.net/api openclaw config set models.providers.taotoken.apiKey 你的_TaoToken_Key openclaw models set taotoken/qwen2.5:7b两种方式可以共存配置文件里会分别保存。下面给一份config.toml骨架你可以直接对照修改[models] default taotoken/qwen2.5:7b [models.providers.ollama] baseUrl http://127.0.0.1:11434/v1 apiKey ollama-local [models.providers.taotoken] baseUrl https://taotoken.net/api apiKey 你的_TaoToken_Key [gateway] host 127.0.0.1 port 187893.5 配置飞书通道飞书通道用引导命令配置最省事openclaw onboard向导里依次选择通道选 Feishu/Lark域名国内选feishu.cn国际选larksuite.com然后填入 appId 和 appSecret群聊策略按需选allowlist或open。如果需要通过配对码放行会话openclaw pairing list openclaw pairing approve feishu 配对码对应的settings.json骨架如下字段名以你实际向导生成的为准这里给的是结构参考{ channels: { feishu: { enabled: true, domain: feishu.cn, appId: cli_xxxxxxxx, appSecret: xxxxxxxxxxxxxxxx, groupPolicy: allowlist } }, gateway: { auth: { token: 你的_gateway_token } } }注意appSecret 和 gateway token 都属于敏感信息不要提交到公开仓库。生产环境建议用环境变量注入而不是明文写在配置文件里。4. 验证请求从飞书发消息到 Ollama 返回结果配置写完启动网关openclaw gateway看到类似下面的日志说明基本正常agent model: taotoken/qwen2.5:7b listening on ws://127.0.0.1:18789另开一个终端跟日志方便观察请求流转openclaw logs --follow端到端验证动作在飞书里给机器人发一条消息内容写「只回复 OK」。预期链路是飞书消息进入 OpenClawOpenClaw 调用配置的模型提供方Ollama 或 TaoToken 通道返回结果最后飞书收到回复。如果不想依赖飞书界面也可以先用命令行验证 Agent 本身是否通openclaw agent --agent main --message 只回复OK --json --timeout 60返回 JSON 里能看到模型输出就说明 OpenClaw 到模型这一段是通的。再去飞书发消息如果没回复问题基本就落在飞书通道配置上排查范围能缩小很多。验证模型对话能力时也可以直接在模型对话页面 https://taotoken.net/model-chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite 里测一下同一个 Key 是否可用排除 Key 本身的问题。5. 本篇常见错排查部署过程中最容易撞上的几个报错这里集中列一下附上原因和处理方式。Q1飞书发消息后报No API key found for provider ollama原因是 agent 侧缺少 Ollama 的 auth/profile。处理openclaw config set models.providers.ollama.apiKey ollama-local openclaw gateway restart如果你走的是 TaoToken 通道把 provider 名换成taotokenapiKey 换成真实 Key。Q2日志出现failed to obtain token请求bot/v3/info返回 400多半是飞书凭据或应用状态异常。检查 appId/appSecret 是否正确、飞书应用是否已发布到当前企业、权限是否开通。必要时重置 appSecret 后更新配置。Q3网页控制台反复token_missing/unauthorizedControl UI 没带 gateway token。在 Dashboard 的 Control UI settings 里填写gateway.auth.token即可。Q4出现duplicate plugin id detected同一插件被重复加载常见于 feishu 插件存在两份。清理重复插件只保留一份。Q5openclaw agent提示Pass --to / --session-id / --agent命令需要指定目标会话或 agent。示例openclaw agent --agent main --message 只回复OK --json --timeout 60Q6走 TaoToken 通道报 401先确认 apiKey 是控制台生成的真实 Key不是ollama-local占位值再确认 baseUrl 是https://taotoken.net/api没有多余路径。Key 管理可以在 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 里核对。6. 长期运行与接入建议跑通之后建议用 tmux 持久化运行避免 SSH 断开导致任务中断tmux new -s openclaw openclaw gateway按CtrlB再按D脱离会话下次用tmux attach -t openclaw回来。定期执行openclaw security audit --deep做安全巡检尤其是暴露到内网多人的场景。如果你后面要接 Claude Code 或 Anthropic 风格的编码 Agent可以参考 https://taotoken.net/claudecode-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentClaudeCodeAnthropicutm_campaignrewrite 里的接入方式和 OpenClaw 共用同一套 TaoToken Key配置层能保持一致。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite遇到字段不确定时优先查文档而不是猜。整套流程走下来最花时间的其实不是安装而是飞书凭据和模型通道的对应关系。把 TaoToken 作为统一 Key 入口之后后面换模型、加通道都只改一处维护成本会低很多。