让 AI 住进飞书：OpenClaw 接入飞书机器人的完整实践（TaoToken 统一 Key 版）

1. 飞书机器人接大模型，为什么我选 OpenClaw + TaoToken

飞书机器人接入大模型这件事，我前后折腾过三套方案。最早是直接在飞书开放平台写回调服务，自己处理事件解密、消息去重、会话上下文，代码量不小；后来试过一些开箱即用的机器人框架，但模型通道要么锁死某一家，要么鉴权方式五花八门，换模型就得改一遍代码。直到把 OpenClaw 和 TaoToken 统一 Key 这套组合跑通，才算找到一个既能快速落地、又方便后续换模型的路径。

OpenClaw 是一个开源的 AI 助手接入框架，核心能力是把「消息平台」和「模型服务」解耦：飞书这边负责收消息、发消息，OpenClaw 负责调度和上下文管理，模型侧则通过统一的 OpenAI 兼容接口调用。TaoToken 提供的正是这个统一 Key 通道——你拿到一个 API Key，配上 Base URL，就能在 OpenClaw 里调用多种模型，不用为每个模型单独申请账号、单独配鉴权。

这套方案适合谁？我总结下来是三类人：一是想在飞书群里放一个能问答、能查资料的机器人，但不想从零写回调服务的开发者；二是已经在用 OpenClaw 做本地助手，想把它扩展到飞书群场景的人；三是团队里需要统一模型入口，避免每个人各自申请 Key、各自计费的场景。如果你属于其中任何一类，下面的流程可以直接跟做。

整篇我会按「飞书开放平台建应用 → 配权限和事件订阅 → OpenClaw 侧对接 TaoToken → 群内 @机器人 验证 → 排错」的顺序走，每一步都给可复制的配置和命令。实测下来，从零到群里能问答，顺利的话半小时左右。

2. 飞书开放平台建应用与权限配置：事件订阅回调地址怎么填

这一步是整个链路的地基。飞书开放平台的应用配置如果没做对，后面 OpenClaw 再正确也收不到消息。我按实际操作顺序拆开讲。

先登录飞书开放平台，进入开发者后台，点「创建企业自建应用」。名称随便填，比如「OpenClaw 助手」，图标可以后补。创建完成后进入应用详情页，左侧菜单里重点看三块：「凭证与基础信息」「权限管理」「事件订阅」。

「凭证与基础信息」里有 App ID 和 App Secret，这两个后面 OpenClaw 配置要用，先记下来。注意 App Secret 只显示一次，没记下就重置。

「权限管理」里需要开通的权限，我列一个最小可用清单，你照着勾：

勾完权限后要「创建版本并发布」，企业自建应用一般需要管理员审批，测试阶段可以先把自己加进可用范围。

接下来是「事件订阅」，这是最容易踩坑的地方。飞书要求你填一个回调地址（Request URL），飞书会向这个地址发验证请求，你的服务必须按飞书规则返回 challenge 值才算验证通过。OpenClaw 启动后会暴露一个 HTTP 端点专门处理这个，所以正确顺序是：先把 OpenClaw 跑起来，拿到它的回调地址，再回飞书填。

OpenClaw 侧的事件订阅配置，在它的配置文件里通常长这样（以 TOML 为例）：

[feishu] app_id = "cli_xxxxxxxxxxxx" app_secret = "xxxxxxxxxxxxxxxxxxxxxxxx" verification_token = "xxxxxxxxxxxx" encrypt_key = "xxxxxxxxxxxx" callback_path = "/feishu/event"

其中 verification_token 和 encrypt_key 在飞书「事件订阅」页面能找到。填完保存后，OpenClaw 会在http://你的域名或IP:端口/feishu/event上监听。把这个完整地址填回飞书的 Request URL，点保存，飞书会立刻发验证请求。如果 OpenClaw 正常运行且 token 匹配，页面会提示验证成功。

这里有个细节：飞书要求回调地址必须是 HTTPS，且端口一般是 443 或 80。本地开发时可以用内网穿透工具把本地端口映射出去，但注意不要用任何违规的网络工具，正规的内网穿透服务即可。如果只是自己测试，也可以先把 OpenClaw 部署到一台有公网 IP 的云服务器上，省去穿透的麻烦。

事件订阅里还要勾选「接收消息」相关的事件，具体是im.message.receive_v1。勾上之后，群里 @机器人 发的消息才会推送到你的回调地址。

3. OpenClaw 对接 TaoToken 统一 Key：可复制的 settings 配置片段

飞书侧配好后，OpenClaw 要解决的是「收到消息后调哪个模型、用什么鉴权」。这就是 TaoToken 统一 Key 发挥作用的地方。

TaoToken 的接入方式兼容 OpenAI 接口规范，所以你只需要三样东西：Base URL、API Key、Model ID。Base URL 是https://taotoken.net/api，API Key 在 TaoToken 控制台的 API Keys 页面创建，Model ID 则看你实际想用哪个模型。

先拿 Key。访问 TaoToken 控制台（https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite），登录后在 API Keys 里点创建，复制生成的 Key。这个 Key 就是你在 OpenClaw 里填的鉴权凭证。

OpenClaw 的模型配置，我实测下来用 JSON 片段最直观。假设 OpenClaw 的配置文件是config/settings.json，模型部分这样写：

{ "model": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "sk-你的TaoToken密钥", "model_id": "claude-3-5-sonnet", "max_tokens": 2048, "temperature": 0.7 }, "feishu": { "app_id": "cli_xxxxxxxxxxxx", "app_secret": "xxxxxxxxxxxxxxxxxxxxxxxx", "verification_token": "xxxxxxxxxxxx", "encrypt_key": "xxxxxxxxxxxx" } }

三个关键字段对应关系要记牢：Base URL 填https://taotoken.net/api，不要多加/v1或斜杠；API Key 填刚才复制的；Model ID 填你要用的模型标识。如果你不确定 Model ID 写什么，可以先去 TaoToken 的模型对话页面（https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite）试一下，页面上会列出可用模型和对应的 ID。

如果你用的是 TOML 格式的配置，等价写法是：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的TaoToken密钥" model_id = "claude-3-5-sonnet" max_tokens = 2048 temperature = 0.7

配置写完后重启 OpenClaw。启动日志里如果看到类似model provider initialized: openai-compatible和feishu callback listening on /feishu/event两行，说明模型通道和飞书回调都起来了。

这里提醒一个我踩过的坑：OpenClaw 有些版本会缓存旧的模型配置，改完 settings.json 后如果没生效，先确认进程真的重启了，而不是热重载。另外 API Key 不要带多余空格，复制时容易把换行也带进去，导致 401。

4. 群内 @机器人 验证：从发消息到收到回复的完整链路

配置都就位后，做一次端到端验证。这一步能同时确认飞书消息链路和 TaoToken 鉴权是否正常。

先把机器人拉进一个飞书群。在群设置里点「添加机器人」，搜索你创建的应用名称，添加。然后 @机器人 发一句话，比如「你好，介绍一下你自己」。

正常情况下，消息会走这条链路：飞书服务器 → 你的回调地址/feishu/event→ OpenClaw 解析事件 → 调用 TaoToken 的https://taotoken.net/api接口 → 拿到模型回复 → OpenClaw 调飞书发消息接口 → 群里显示回复。

如果一切正常，几秒内群里就会出现机器人的回答。同时 OpenClaw 的日志里会打印请求和响应摘要，你可以对照看：

# 查看 OpenClaw 运行日志 tail -f logs/openclaw.log # 正常日志片段示例 [INFO] feishu event received: im.message.receive_v1 [INFO] model request -> https://taotoken.net/api/chat/completions [INFO] model response received, tokens: 156 [INFO] feishu message sent to chat_id: oc_xxxxxxxx

如果你想单独验证 TaoToken 通道是否通，可以绕过飞书，直接用 curl 打一次接口：

curl -X POST https://taotoken.net/api/chat/completions \ -H "Authorization: Bearer sk-你的TaoToken密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-3-5-sonnet", "messages": [{"role": "user", "content": "你好"}] }'

返回里有choices数组且内容正常，说明 Key 和 Base URL 没问题。这一步能帮你快速区分是模型通道的问题还是飞书回调的问题。

验证通过后，你可以进一步测试多轮对话。在群里连续 @机器人 追问，OpenClaw 会维护会话上下文。如果发现机器人「失忆」，多半是会话存储没配好，检查 OpenClaw 的 session 配置项。

5. 常见报错排查：401、local proxy failed、reading choices、OAuth

这一节把我实际遇到过的报错和对应解法列出来，你对照日志定位。

401 Unauthorized：最常见。原因通常是 API Key 填错、Key 已失效、或者 Base URL 写成了https://taotoken.net/api/v1。先确认 Key 是从 TaoToken 控制台复制的完整字符串，再确认 Base URL 就是https://taotoken.net/api。如果还报 401，去控制台看这个 Key 是否被禁用或额度耗尽。

local proxy failed / connection refused：这个报错说明 OpenClaw 尝试连模型接口时网络不通。检查服务器出网是否正常，curl https://taotoken.net/api能不能通。如果是容器环境，确认容器内 DNS 和网络策略没拦。注意不要用任何违规网络工具，正规云服务器直连即可。

reading choices 相关报错：通常是模型返回体里没有choices字段，或者返回的是错误结构。原因可能是 Model ID 写错，TaoToken 返回了错误信息而不是正常补全结果。去模型对话页面确认 Model ID 拼写，注意大小写和连字符。

OAuth / token 过期类报错：如果你在 OpenClaw 里配了 OAuth 流程，检查 token 刷新逻辑。TaoToken 的 API Key 是长期有效的，不涉及 OAuth 刷新，所以如果你看到 OAuth 报错，多半是 OpenClaw 里残留了旧的 provider 配置，把 provider 改成openai-compatible并清掉 OAuth 相关字段。

飞书侧报错：如果群里 @机器人 没反应，先看飞书开放平台「事件订阅」页面的推送日志，那里会显示每次推送的状态码。如果显示 401 或 403，检查 verification_token 和 encrypt_key 是否和 OpenClaw 配置一致。如果显示超时，检查回调地址是否可从公网访问。

消息重复回复：飞书会重试推送，OpenClaw 需要做事件去重。检查 OpenClaw 是否开启了 event dedup，一般配置项叫dedup_ttl或类似。没开的话，同一条消息可能触发多次模型调用。

排查时我习惯按「先通道后业务」的顺序：先用 curl 确认 TaoToken 通道通，再看飞书推送日志确认事件到了，最后看 OpenClaw 日志确认模型调用和回复发送。这样能快速缩小范围。

6. 把统一 Key 用顺：后续扩展与接入文档

跑通飞书群问答只是起点。这套架构的好处是模型侧和消息侧解耦，你后面想换模型、加渠道，改动都很小。

换模型时，只改 settings.json 里的model_id，重启 OpenClaw 即可，飞书侧完全不用动。想加第二个消息渠道，比如把同一个 OpenClaw 实例同时接到其他平台，也只需要在配置里加一段渠道配置，模型通道复用同一个 TaoToken Key。

如果你要在团队里推广，建议把 TaoToken 的 Key 管理起来，不同项目用不同 Key，方便按项目看用量。TaoToken 控制台里可以创建多个 Key，每个 Key 单独命名。

接入过程中如果遇到配置细节问题，TaoToken 的接入文档（https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite）里有完整的 Base URL、鉴权方式和参数说明，比对着看能省不少时间。需要新建 Key 或查看用量，去 API Keys 页面（https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite）。如果你打算把这套机器人用于长期的编码辅助或 Agent 场景，Coding Plan（https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite）在用量和模型选择上会更合适。

最后说一个实用技巧：OpenClaw 的日志级别调成 debug 后，能看到每次模型请求的完整 payload 和响应，排查 Model ID 或参数问题时特别有用。但生产环境记得调回 info，避免日志里出现敏感内容。