1. 为什么你的 OpenClaw 只会聊天不会干活很多人第一次跑 OpenClaw 的场景都差不多装好、启动、问一句“帮我看看今天有什么 AI 新闻”结果它回你一句“我的知识截止到某个时间点无法获取实时信息”。不是模型不行而是它手里没有工具。OpenClaw 的核心模型负责理解意图和生成语言真正去打开网页、查数据库、发邮件这些动作全靠 Agent Skills 来完成。你可以把 OpenClaw 想成一台刚装好系统的电脑模型是 CPUAgent Skills 就是一个个软件。没装浏览器就上不了网没装 Office 就处理不了文档。Agent Skills 本质上是封装好的工具函数或 API 调用模块每个 Skill 给 AI 加一项具体能力agent-browser 让它会看网页tavily-search 让它会搜实时信息database-query 让它会查库。这篇面向的是想让 AI 从“会聊”变成“会干”的开发者。我会给出一份可直接复制的 settings.json 骨架、插件安装步骤并演示一次技能调用验证动作目标是一次配置跑通你的第一个 Agent Skill。过程中涉及模型调用和密钥管理我会用 TaoToken 作为统一的接入层来演示这样配置集中、排查也方便。2. TaoToken 前置把模型接入和密钥先理顺在装 Skill 之前先把模型接入这层理顺否则后面 Skill 调用了模型却报鉴权错误你会以为是插件坏了。TaoToken 在这里扮演的是统一接入层你拿到一个 API Key就能在 OpenClaw 里配置模型对话、编码类任务等不同用途的调用不用为每个 Skill 单独折腾一套凭证。第一步去控制台创建 API Key。打开 https://taotoken.net/api-keys 新建一个 Key复制出来先存到本地临时文件里别直接贴在聊天窗口。这个 Key 后面会写进 OpenClaw 的环境变量或 settings.json。第二步确认你要用的模型入口。如果你只是想让 Skill 能调用模型做对话和推理用模型对话的接入地址即可如果你打算长期跑编码类 Agent比如让 Skill 自动改代码、跑测试那更适合用 Coding Plan 这类面向长期编码的入口。两者的 Key 可以复用但用途分开配置更清晰。第三步把接入信息落到配置里。OpenClaw 读取模型配置一般走环境变量或 settings.json我建议密钥走环境变量模型参数走 settings.json这样配置文件可以进版本库密钥不会泄露。下面这段先放进你的 shell 配置或.env# ~/.openclaw/.env TAOTOKEN_API_KEYsk-你的TaoToken密钥 TAOTOKEN_BASE_URLhttps://taotoken.net/api注意.env权限设成 600别提交到 git。到这里前置就完成了接下来才是 Skill 的安装和 settings.json 骨架。3. 可复制配置settings.json 骨架与插件安装OpenClaw 的 Skill 安装有两种方式命令行npx clawhublatest install 技能名或者 Web 控制台里搜索安装。我习惯命令行因为可复制、可脚本化。先装两个基础件find-skills 用来发现和管理技能agent-browser 用来做网页操作这两个装完你就能验证整条链路。# 安装技能发现工具 npx clawhublatest install find-skills # 安装浏览器自动化技能 npx clawhublatest install agent-browser # 查看已加载技能 openclaw skills list装完之后核心是 settings.json。下面这份骨架你可以直接复制改掉路径和 Key 就能用。它把模型接入、技能开关、单个技能的参数分开管理{ model: { provider: taotoken, baseUrl: https://taotoken.net/api, apiKeyEnv: TAOTOKEN_API_KEY, defaultModel: claude-sonnet, timeoutMs: 60000 }, skills: { enabled: true, autoReload: true, directory: ~/.openclaw/skills, items: { agent-browser: { enabled: true, headless: true, timeoutMs: 30000 }, find-skills: { enabled: true } } }, logging: { level: info, skillLog: true } }几个参数说明一下。apiKeyEnv指向环境变量名而不是明文密钥这样 settings.json 可以安全地放进仓库。autoReload打开后你新装技能不用重启进程。headless让浏览器技能在后台跑服务器上没有图形界面也能用。skillLog打开后技能调用失败时日志里能看到具体是哪一步断了。配置写好后把 settings.json 放到 OpenClaw 的工作目录通常是~/.openclaw/settings.json。然后重载一次配置openclaw config reload openclaw skills reload如果你遇到下载慢可以临时切一下 npm 镜像源但别长期改全局配置用完切回来npm config set registry https://registry.npmmirror.com # 装完记得切回 npm config set registry https://registry.npmjs.org4. 验证请求跑通第一次技能调用配置写完不验证等于没配。这一步我们让 OpenClaw 真正调用 agent-browser 去抓一个网页确认模型接入、技能加载、工具执行三段都通。先做一个最小验证直接命令行调用技能绕过模型确认技能本身能跑agent-browser visit https://example.com --text如果这条命令返回了网页正文文本说明技能安装没问题。如果报 command not found看第 5 节的排查。接着验证模型加技能的完整链路。让 OpenClaw 用 agent-browser 抓取一个页面并总结openclaw run 用 agent-browser 打开 https://example.com提取页面标题和第一段正文然后用一句话总结预期结果是OpenClaw 先解析你的意图判断需要调用 agent-browser执行抓取把结果回传给模型模型生成一句总结。整个过程你能在日志里看到技能调用记录openclaw logs --skill agent-browser --tail 50日志里应该出现类似skillagent-browser actionvisit statussuccess的行。如果 status 是 error看下一段。再验证一次带参数的调用确认 settings.json 里的参数生效openclaw run 用 agent-browser 对 https://example.com 截图保存到 ./claw-test.png跑完检查文件是否存在ls -lh ./claw-test.png文件存在且大小不为 0说明 headless 模式和超时参数都正常。到这里你的第一个 Agent Skill 就算跑通了。后面再装 tavily-search、database-query 这些流程完全一样装技能、在 settings.json 的 items 里加一段、reload、验证。5. 本篇常见错排查报错一command not found。多数是 npx 或全局 bin 不在 PATH 里。先用完整路径试$(npm prefix -g)/bin/npx clawhublatest install agent-browser能跑通就说明是 PATH 问题把$(npm prefix -g)/bin加进 PATH 即可。或者干脆全局装 clawhub 客户端npm install -g clawhub clawhub install agent-browser报错二技能装了但 openclaw skills list 里没有。先确认技能目录对不对settings.json 里的directory要和你实际安装路径一致。然后强制重载openclaw skills reload openclaw skills list --verbose如果 verbose 里显示技能被 disabled检查 settings.json 的items里对应技能是不是enabled: false。报错三调用技能时报鉴权失败。这是模型接入层的问题不是技能本身。确认TAOTOKEN_API_KEY在当前 shell 里能读到echo $TAOTOKEN_API_KEY如果为空说明.env没被加载。OpenClaw 不会自动读.env你需要在启动脚本里 source 它或者用openclaw config set把密钥写进配置。另外确认baseUrl是https://taotoken.net/api末尾不要多加斜杠。报错四技能调用超时。agent-browser 抓动态渲染页面时容易超时。把 settings.json 里该技能的timeoutMs调大比如从 30000 改成 60000。同时确认headless: true服务器上没有显示环境时非 headless 会卡住。报错五日志里技能调用成功但模型没回复。这通常是模型超时或返回被截断。把model.timeoutMs调大并检查defaultModel是否是你 Key 有权限调用的模型。如果长期跑编码类任务频繁超时考虑换成 Coding Plan 的接入方式它在长任务上更稳。排查顺序建议固定成先命令行直调技能确认技能本身再看日志确认技能调用状态最后查模型接入。这样能快速定位是技能层还是模型层的问题。6. 接下来怎么走按用途选对入口跑通第一个 Skill 之后你会发现真正花时间的不是装插件而是把模型接入、密钥管理、技能参数这三层配置理顺。我的建议是密钥统一走环境变量技能参数统一写进 settings.json模型接入按用途分流。如果你接下来主要是做技能接入和排障先把 API Key 和接入文档过一遍地址在 https://taotoken.net/api-keys 和 https://taotoken.net/doc 里面把鉴权和调用方式讲得比较细。如果你只是想先验证模型对话和技能联动是否正常用模型对话入口跑几个测试请求最快。如果你打算长期跑编码类 Agent比如让 Skill 自动改代码、跑测试、提交 PR那 Coding Plan 更适合配置一次就能持续用。最后留一个实用习惯每装一个新技能先在命令行直调一次确认技能本身能跑再用openclaw run验证模型加技能的完整链路。两步都过再写进 settings.json 长期启用。这样你不会在配置层和技能层之间来回猜排障时间能省一大半。