1. 一人公司最怕的不是没活是 Key 散落在十几个工具里ClawHub 这套「AI 龙虾军团」的思路本质是把产品、研发、测试、运维拆成多个有独立身份的 AI 代理每个代理跑在独立的 OpenClaw 实例里再通过群聊和定时任务统一调度。一个人指挥一群代理从需求文档一路走到部署链接听起来确实像一人公司的完全体。但真正上手之后最先卡住你的往往不是代理会不会写代码而是凭证管理。前端龙虾要调 Claude Code后端龙虾要推 Git运维龙虾要触发 CI/CD 的 MCP 服务测试龙虾要跑浏览器自动化。每只龙虾背后至少挂着一个模型通道和一个外部服务凭证。如果每只龙虾都单独配一份 Key你会遇到三个很现实的问题一是 Key 散落在各个实例的配置文件里改一次要登好几台机器二是不同代理共用同一个 Key 时额度消耗和调用来源完全分不清三是某只龙虾的 Key 泄露或失效排查起来像大海捞针。我试过最原始的做法就是给每只龙虾手写一份配置结果第三天就放弃了——光是把新 Key 同步到五只龙虾上就花了半小时。后来我把所有代理的模型调用统一收口到 TaoToken 的 API 通道用一套 Key 管理多租户下的所有龙虾CI/CD 流水线才真正跑顺。这篇就按 ClawHub 的编排场景把 config.toml 和 settings.json 的可复制骨架、以及一条能跑通的流水线验证动作讲清楚。TaoToken 在这里扮演的角色很单纯它是一个统一的模型 API 入口把 Claude Code、通义千问、DeepSeek 这些不同来源的模型调用收敛到一个 base_url 和一套 Key 体系下。对 ClawHub 这种多租户、多代理的架构来说意味着你不需要为每只龙虾单独申请和维护凭证而是在平台层做一次集中配置所有龙虾通过同一个通道取用。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 注意 API 地址不带 UTM 参数配置时直接写这个。2. 前置准备在 TaoToken 侧把多租户的 Key 体系搭起来在动 ClawHub 的配置文件之前先把 TaoToken 这边的凭证结构理清楚。多租户场景下我建议按「公司/项目」维度建 Key而不是按「龙虾」维度建。原因很简单龙虾是会频繁增减的今天加一只测试龙虾明天停一只运维龙虾如果 Key 跟着龙虾走每加一只就要新建一个凭证管理成本反而更高。按项目建 Key然后让同一项目下的龙虾共用配合调用日志就能区分是哪只龙虾在消耗额度。具体操作路径是登录后进入控制台在 API Keys 页面创建凭证。你可以先建一个给开发环境用一个给生产环境用这样 CI/CD 流水线里跑测试的龙虾和真正部署的龙虾在额度上天然隔离。创建完成后把 Key 复制出来注意它只在创建时完整显示一次。这里有个容易踩的坑很多人会把 Key 直接写进 ClawHub 的 config.toml 然后提交到 Git。千万别这么干。正确做法是把 Key 放进环境变量配置文件里只引用变量名。ClawHub 的每只龙虾实例在启动时会读取宿主机的环境变量这样即使配置文件进了版本库凭证也不会泄露。如果你还没决定用哪些模型可以先到模型对话页面测一下不同模型在代码生成和工具调用上的表现再决定给哪类龙虾配哪个模型。Claude Code 这类偏编码的代理对工具调用和长上下文的要求比较高选模型时优先看这两项。3. 可复制配置config.toml 与 settings.json 骨架ClawHub 的配置分两层一层是平台级的 config.toml管的是全局的模型通道、多租户隔离和 MCP 服务注册另一层是每只龙虾的 settings.json管的是这只龙虾的身份、技能和它引用哪个模型通道。下面这两份骨架可以直接拿去改。先看平台级 config.toml。核心是把 TaoToken 的 API 地址作为统一的 provider 注册进去然后按租户划分不同的 Key 引用。# config.toml - ClawHub 平台级配置骨架 [server] host 0.0.0.0 port 8080 # 多租户模式每个公司/项目独立隔离 multi_tenant true [providers.taotoken] # 统一 API 通道所有龙虾的模型调用都走这里 base_url https://taotoken.net/api # 从环境变量读取不要硬编码 api_key ${TAOTOKEN_API_KEY} # 默认模型可被单只龙虾覆盖 default_model claude-sonnet timeout 120 max_retries 3 [providers.taotoken.models] # 按用途声明可用模型龙虾的 settings.json 里引用这里的别名 claude-sonnet claude-sonnet-4 qwen-coder qwen3-coder deepseek-chat deepseek-v3 [tenants.dev] name 开发环境 api_key_env TAOTOKEN_API_KEY_DEV allowed_models [claude-sonnet, qwen-coder] [tenants.prod] name 生产环境 api_key_env TAOTOKEN_API_KEY_PROD allowed_models [claude-sonnet] [mcp.cicd] # CI/CD 的 MCP 服务注册运维龙虾会调用它 command npx args [-y, clawhub/mcp-cicd] env { GIT_TOKEN ${GIT_TOKEN}, DEPLOY_TARGET staging } [mcp.browser] # 浏览器自动化测试的 MCP 服务 command npx args [-y, clawhub/mcp-browser]再看单只龙虾的 settings.json。每只龙虾一个文件放在它自己的实例目录下。关键是 model_provider 指向上面注册的 taotoken然后通过 tenant 字段决定它用哪套 Key。{ lobster_id: frontend-01, identity: 前端工程师, description: 负责前端页面开发、组件编写和样式调整, model_provider: taotoken, model: claude-sonnet, tenant: dev, skills: [ code-generation, git-commit, browser-test ], knowledge_base: [ ./kb/product-requirement.docx, ./kb/design-system.md ], mcp_servers: [cicd, browser], env: { TAOTOKEN_API_KEY: ${TAOTOKEN_API_KEY_DEV} } }这两份配置的关系是config.toml 定义「有哪些通道、哪些租户、哪些 MCP 服务」settings.json 定义「这只龙虾是谁、用哪个通道、挂哪些技能」。新增一只龙虾时你只需要复制一份 settings.json 改掉 lobster_id 和 identity不用碰平台配置。新增一个项目时在 config.toml 里加一个 tenant 段然后给这个租户配一个环境变量即可。环境变量的设置方式在 Linux 服务器上可以写进 systemd 的 service 文件或者用 .env 文件配合启动脚本加载。本地开发时直接在 shell 里 export 就行export TAOTOKEN_API_KEY_DEVsk-你的开发环境Key export TAOTOKEN_API_KEY_PRODsk-你的生产环境Key export GIT_TOKEN你的Git访问令牌4. 跑通验证一条从编码到部署的流水线动作配置写完之后别急着让所有龙虾一起上。先用一只龙虾跑一条最小流水线确认模型通道、Git 提交和 CI/CD 触发这三步都通。下面这条验证动作可以直接在 ClawHub 的群聊里下达也可以写成定时任务。第一步确认模型通道可用。在群聊里 前端龙虾让它做一个最简单的代码生成前端龙虾 用 Python 写一个冒泡排序函数保存到 dev/bubble_sort.py然后 git commit 并 push 到 dev 分支这一步验证的是 TaoToken 通道是否通、Claude Code 是否能正常调用、Git 凭证是否有效。如果模型通道有问题你会看到调用超时或 401如果 Git 有问题会在 push 阶段报错。第二步确认 CI/CD 的 MCP 服务能被触发。前端龙虾 push 完成后 运维龙虾运维龙虾 检测到 dev 分支有新提交触发 CI/CD 流水线部署到 staging 环境运维龙虾会通过 config.toml 里注册的 mcp.cicd 服务去调用你的流水线。这一步验证的是 MCP 服务注册和凭证传递是否正确。第三步确认浏览器自动化测试能跑。 测试龙虾测试龙虾 对 staging 环境的部署结果跑一轮冒烟测试检查首页是否正常加载测试龙虾通过 mcp.browser 启动浏览器自动化访问部署链接并返回结果。三步都跑通之后你可以在 ClawHub 的统计分析页面看到这次流水线的完整调用记录哪只龙虾、在什么时间、调用了哪个模型、消耗了多少 token。因为所有调用都走 TaoToken 的统一通道这些数据是集中可见的不需要去每个模型厂商的后台分别查。如果你想更省事可以把这条流水线写成定时任务让 ClawHub 在每次 dev 分支有提交时自动触发。这样你只需要在群聊里下达一次开发指令后面的编码、提交、部署、测试全部由龙虾军团自动完成。5. 本篇常见错排查报错一401 Unauthorized模型调用被拒。最常见的原因是环境变量没加载。ClawHub 的龙虾实例在启动时读取环境变量如果你是在启动之后才 export 的实例读不到。解决方法是重启龙虾实例或者把环境变量写进启动脚本。另一个可能是 config.toml 里的 api_key 引用写错了变量名检查${TAOTOKEN_API_KEY}和实际 export 的名字是否一致。报错二多租户下龙虾串了 Key。如果你发现开发环境的龙虾消耗了生产环境的额度检查 settings.json 里的 tenant 字段和 env 字段是否匹配。tenant 是 devenv 里却引用了 TAOTOKEN_API_KEY_PROD就会串。建议在 config.toml 的 tenant 段里用 api_key_env 明确绑定settings.json 里只写 tenant 名不直接写环境变量名减少手误。报错三MCP 服务启动失败运维龙虾无法触发 CI/CD。先确认 config.toml 里 mcp.cicd 的 command 和 args 是否正确npx 能否在龙虾实例的运行环境里找到。如果是在容器里跑容器内可能没有 Node.js 环境。另外 GIT_TOKEN 这类敏感变量通过 env 传给 MCP 服务时注意不要打印到日志里。报错四模型返回超时但 Key 是有效的。检查 config.toml 里的 timeout 设置。Claude Code 这类代理在生成较长代码时响应时间可能超过默认的 60 秒。把 timeout 调到 120 或更高。如果还是超时可能是模型选择的问题换一个响应更快的模型试试。报错五Git push 成功但 CI/CD 没触发。这通常不是 TaoToken 的问题而是你的流水线触发条件没配对。检查 CI/CD 配置里监听的分支是否和龙虾 push 的分支一致。有些流水线默认只监听 main 分支而龙虾 push 的是 dev 分支自然不触发。6. 把 Key 收口之后龙虾军团才真正可运维一人公司用 ClawHub 编排 AI 代理最大的价值不是让一只龙虾多能干而是让一群龙虾能协同。而协同的前提是凭证和通道的统一。当所有龙虾的模型调用都走 TaoToken 这一个入口你才能在一个地方看到谁在干活、谁在摸鱼、谁消耗了多少额度。新增一只龙虾只是复制一份 settings.json新增一个项目只是在 config.toml 里加一个 tenant 段运维成本不会随着代理数量线性增长。如果你准备把这条流水线接到长期运行的编码代理上可以了解一下 Coding Plan它更适合需要持续调用、按周期结算的场景。配置过程中遇到接入问题API Keys 页面和接入文档里有更细的参数说明。先把一只龙虾跑通再复制成一群这条路我走过比一上来就铺十只龙虾要稳得多。