Ubuntu 本地部署 OpenClaw：TaoToken 统一 Key 接入 Ollama 推理 + 飞书通道（可直接复现）-育师

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_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 注册并登录。第二步，进入控制台 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 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_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite，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_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite，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 qwen2.5:7b：

ollama 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 GPU：

ollama 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 OpenClaw

OpenClaw 依赖 Node 20 LTS，先装 Node：

curl -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 OpenClaw：

sudo npm i -g openclaw openclaw --version

3.4 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 Key：

openclaw 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 = 18789

3.5 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 OpenClaw，OpenClaw 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_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite 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taotoken，apiKey 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/unauthorized

Control 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。

Q5：openclaw 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 60

Q6：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_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 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Ctrl+B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_source=taotoken_aicg_blog_end&utm_content=ClaudeCodeAnthropic&utm_campaign=rewrite 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_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite，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。