万字干货 | OpenClaw 进阶玩法大全：技能 / 多 Agent / 省钱 / 安全，50+ 实战技巧一次学会

1. 为什么你的 OpenClaw 装完就吃灰

很多人把 OpenClaw 装好、扫码接上飞书或 QQ，发两句“你好”之后就不知道下一步干什么了。问题不在工具本身，而在于默认配置只给了你一只“会聊天的龙虾”，没给它技能、没给它分工、没给它护栏。我见过太多实例跑了一周，Token 账单几百块，实际产出还不如手动干十分钟。

这篇内容聚焦四条主线：技能扩展、多 Agent 协作、成本控制、安全加固。每条线我都会给出可直接复制的config.toml与settings.json骨架、多 Agent 编排示例，以及验证动作。你不需要从头读完，按需跳到对应章节，复制配置、跑一条验证命令，就能确认这一项是否落地。

适合谁看：已经完成 OpenClaw 基础安装、能打开 Web 控制台、至少接入过一个聊天频道的用户。如果你还没装好，先去把网关跑起来，再回来跟这篇的配置。

先明确一个前提：OpenClaw 的所有行为最终都落在两个地方——工作空间里的 Markdown 文件（人格、记忆、技能说明）和核心配置文件（模型、频道、工具开关）。所谓“进阶玩法”，本质就是有策略地改这两类文件，而不是靠对话里反复叮嘱。下面所有技巧都围绕这个原则展开。

2. TaoToken 前置：把模型接入这步做扎实

在折腾技能和多 Agent 之前，先把模型接入这层打牢。OpenClaw 支持多家模型服务商，配置方式是在核心配置里声明 provider 和模型名。如果你希望统一管理密钥、方便切换模型、并且有一个稳定的 API 入口，可以用 TaoToken 作为接入层。

TaoToken 的 API 地址是https://taotoken.net/api，兼容 OpenAI 风格的调用格式。在 OpenClaw 里配置时，把它当作一个自定义 provider 即可。先拿到 API Key：进入控制台的 API Keys 页面创建一个密钥，复制保存。这个 Key 后面会写进环境变量，不要直接硬编码进配置文件。

配置模型 provider 的骨架如下，写入~/.openclaw/openclaw.json的models段：

{ "models": { "providers": { "taotoken": { "baseUrl": "https://taotoken.net/api", "apiKey": "${TAOTOKEN_API_KEY}", "models": [ { "id": "claude-sonnet-4-6", "name": "Claude Sonnet 4.6" }, { "id": "glm-4.7-flash", "name": "GLM 4.7 Flash" } ] } } } }

注意apiKey用的是环境变量引用${TAOTOKEN_API_KEY}，而不是明文。在终端里设置：

export TAOTOKEN_API_KEY="你的密钥"

如果你用的是 systemd 或 Docker 启动网关，把这条环境变量写进对应的 service 文件或docker-compose.yml的environment段，否则重启后密钥会丢。

设置默认模型和降级模型：

openclaw models set taotoken/claude-sonnet-4-6 openclaw models fallbacks add taotoken/glm-4.7-flash

降级模型的作用是：主力模型欠费、限流或服务异常时，OpenClaw 自动切到备用模型，保证对话不中断。这一步做完，用openclaw models status确认认证状态是正常的。如果显示未认证，检查环境变量是否在当前 shell 生效，以及 baseUrl 是否写成了带路径的完整地址。

模型接入文档里有更细的参数说明，包括超时、重试、并发限制，建议对照自己的使用场景调一遍。验证模型是否真的通了，最直接的办法是在模型对话页面发一条测试消息，看返回是否正常。

3. 可复制配置：技能、多 Agent、省钱、安全四件套

这一章是全文的核心，给出四类配置的完整骨架。你可以把每一段单独复制到对应文件里，改完重启网关验证。

3.1 技能系统配置骨架

技能的本质是skills/目录下的一个文件夹，里面必须有SKILL.md。OpenClaw 在需要时自动加载。配置技能的关键不是装得多，而是按需开启。在settings.json里控制技能开关：

{ "skills": { "enabled": ["multi-search-engine", "nano-banana-pro"], "disabled": ["clawhub", "find-skills"], "autoLoad": false } }

autoLoad设为false是省钱的关键：技能说明文件本身会占用上下文，全量加载会让每次请求的 Token 消耗翻倍。建议先把内置技能全部关闭，用到哪个再开哪个。

安装技能有三种方式，推荐用命令行工具，稳定且可复现：

npm i -g clawhub clawhub install multi-search-engine

或者用 NPX 工具从 GitHub 仓库安装：

npx skills add https://github.com/vercel-labs/agent-browser --skill agent-browser

安装后到 Web 控制台的技能模块确认状态是eligible，然后在代理模块里给对应的 Agent 开启。验证动作：在对话里用/{技能名}触发，比如/multi-search-engine 搜索 OpenClaw 最新版本，看是否返回搜索结果。

3.2 多 Agent 编排配置

多 Agent 的价值在于隔离：不同 Agent 有独立的工作空间、记忆和人格。创建两个 Agent：

openclaw agents add coding openclaw agents add review

然后在openclaw.json里配置路由绑定，让不同频道的消息分发给不同 Agent：

{ "agents": { "list": [ { "id": "main", "workspace": "~/.openclaw/workspace" }, { "id": "coding", "workspace": "~/.openclaw/workspace-coding" }, { "id": "review", "workspace": "~/.openclaw/workspace-review" } ] }, "bindings": [ { "channel": "feishu", "account": "coding-bot", "agent": "coding" }, { "channel": "feishu", "account": "review-bot", "agent": "review" } ] }

开启 Agent 间通信，让它们能互相派活：

openclaw config set tools.agentToAgent.enabled true openclaw config set tools.agentToAgent.allow '["main","coding","review"]' --strict-json openclaw config set tools.sessions.visibility "all" openclaw gateway restart

然后在主 Agent 的AGENTS.md末尾追加协作说明，告诉它什么时候用sessions_send（同步快速问答），什么时候用sessions_spawn（异步耗时任务）。验证动作：让主 Agent 派一个任务给 coding Agent，在 Web 控制台看任务是否成功派发并返回结果。

3.3 成本控制配置

省钱的核心是减少无效上下文和选对模型。在settings.json里设置子 Agent 用便宜模型：

{ "agents": { "defaults": { "subagents": { "model": "taotoken/glm-4.7-flash" }, "heartbeat": { "every": "0m" } } } }

heartbeat.every设为0m是关闭心跳巡逻，个人用户基本用不到，关掉能省一笔。再配合几个斜杠命令：聊完一个话题用/new开新会话，上下文太长用/compact压缩，简单问题用/fast on让回复更简短。验证动作：用/status查看当前会话的 Token 用量，对比开启前后的差异。

3.4 安全加固配置

安全这块必须动真格。在settings.json里开启执行审批，限制危险工具：

{ "tools": { "exec": { "requireApproval": true }, "write": { "requireApproval": true }, "browser": { "enabled": false } }, "channels": { "feishu": { "allowFrom": ["你的用户ID"] } } }

allowFrom限制只有你能跟龙虾对话，防止陌生人发消息控制你的电脑。requireApproval让删除、写文件这类不可逆操作必须二次确认。另外，在 API 平台设好每日消费上限，别等账单出来才后悔。验证动作：尝试让 Agent 执行一条删除命令，看是否弹出审批提示。

4. 验证请求与成功结果

配置改完不验证，等于没改。这一章给出每类配置的验证命令和预期结果。

模型接入验证：

openclaw models status

预期输出里能看到taotoken/claude-sonnet-4-6状态为authenticated，降级模型也在列表里。如果显示unauthenticated，检查环境变量和 baseUrl。

技能验证：在对话里输入/multi-search-engine 测试搜索，预期返回搜索结果列表。如果提示技能不可用，去技能模块确认状态是eligible，并且已经给当前 Agent 开启。

多 Agent 验证：在 Web 控制台的 Agent 列表里能看到main、coding、review三个 Agent，各自工作空间独立。给主 Agent 发一条“派 coding 写一个 Python 快排”，预期在控制台看到任务派发记录和 coding Agent 的执行日志。

成本验证：用/usage tokens开启用量显示，发一条消息，看回复末尾的 Token 数。对比关闭技能、开启/fast前后的数值，确认省钱配置生效。

安全验证：让 Agent 执行rm -rf /tmp/test，预期弹出审批确认，而不是直接执行。如果直接执行了，说明requireApproval没生效，检查配置路径是否正确。

网关健康检查：

openclaw doctor openclaw doctor --fix

doctor会扫描配置、频道、模型认证等问题，--fix自动修复能修的部分。每次大改配置后跑一遍，能省很多排查时间。

5. 本篇常见错排查

配置过程中最容易踩的坑，我按出现频率排一下。

第一个坑：改了openclaw.json但没重启网关。OpenClaw 的配置在网关启动时加载，改完必须openclaw gateway restart，否则不生效。很多人以为改错了，其实是没重启。

第二个坑：JSON 格式错误。多一个逗号、少一个引号、加了中文注释，都会导致配置解析失败。建议在 VSCode 里打开，它会自动标红。改完用openclaw doctor验证格式。

第三个坑：环境变量没生效。export只在当前 shell 有效，重启终端或换用户就丢了。用 systemd 的话写进 service 文件，用 Docker 的话写进 compose 文件。

第四个坑：技能装了但状态不是eligible。常见原因是SKILL.md缺失或格式不对，或者技能依赖的工具没开启。去技能模块看具体报错。

第五个坑：多 Agent 路由不生效。检查bindings里的account名称是否和频道配置里的账号名完全一致，大小写敏感。改完重启网关。

第六个坑：子 Agent 派出去不回来。sessions_send默认等 30 秒，复杂任务会超时。改用sessions_spawn异步派发，对方干完自动汇报。

第七个坑：安全配置把自己锁死。allowFrom填错了用户 ID，导致自己都发不了消息。改配置前先备份，出问题用 Git 回滚。

如果以上都排查完还是有问题，用openclaw logs --follow看实时日志，把报错发给 AI 分析。日志里通常有明确的错误码和堆栈。

6. 把配置管起来，让龙虾越养越稳

最后说一个容易被忽略但极其重要的习惯：用 Git 托管~/.openclaw目录。养龙虾的过程中，改错文件、人格损坏、配置冲突是常态，有版本控制就能随时回滚。

先配好.gitignore，忽略不需要管理的内容：

cd ~/.openclaw cat > .gitignore << 'EOF' browser/ media/ logs/ openclaw.json.bak **/node_modules/ agents/*/sessions/*.jsonl agents/*/sessions/sessions.json update-check.json EOF git init git add . git commit -m "init: OpenClaw 配置备份"

注意，这个仓库只放本地，千万别推到公开的 GitHub，里面可能有 API Key 和 App Secret。配好之后，可以让龙虾建个定时任务，每天凌晨自动提交一次快照：

openclaw cron add --name "config-backup" --schedule "0 3 * * *" --task "cd ~/.openclaw && git add . && git commit -m 'auto backup'"

这样即使 AI 手滑把配置搞崩了，也能一条git checkout回到任意历史版本。配合前面讲的openclaw doctor健康检查，你的 OpenClaw 实例会越跑越稳。

如果你在配置过程中需要查具体的 API 参数或接入细节，可以对照接入文档；想验证模型是否正常工作，去模型对话页面发条消息试试；长期跑编码和 Agent 任务的话，Coding Plan 会更划算。配置这件事，改一次、验一次、备份一次，三步走完才算真正落地。