1. OpenClaw 里 Tool 和 Skill 到底差在哪：一次竞品价格采集踩坑复盘
刚接触 OpenClaw 智能体开发时，最容易混淆的两个概念就是 Tool（工具）和 Skill（技能）。我在做一个竞品价格自动采集任务时，最初以为只要写个 SKILL.md 就能让智能体自己上网抓数据，结果跑起来才发现：Skill 本身没有任何执行能力，它只是一份写给大模型的“作业指导书”，真正打开浏览器、读取文件、写入 Excel 的动作，全部由 Tool 完成。这个认知偏差让我白白调试了两个小时。
先把核心检索词说清楚：OpenClaw 是一个支持智能体编排的开发框架，Tool 是底层可执行的类型化函数，决定智能体“能不能做”；Skill 是带 YAML 头的 Markdown 提示词文档，注入系统 Prompt，决定智能体“怎么做、按什么规则做”。适合谁？适合正在用 OpenClaw 搭建自动化工作流、需要区分“写代码扩展能力”和“写提示词约束流程”的开发者。
一句话类比：Tool 是手和脚，Skill 是操作手册。没有手册，手脚也能动，但容易乱动；没有手脚，手册写得再漂亮也干不了活。下面我会从定义方式、调用链路、扩展机制三个维度拆解，并给出可复制的 SKILL.md 配置片段和 Tool 注册示例，配合调用日志验证两者在任务执行中的实际行为差异。
我试过的那个竞品采集任务，最终方案是：用内置的 web_search、browser、write_excel 三个 Tool 负责执行，再写一份 SKILL.md 约束调用顺序和异常处理。跑通之后日志清晰显示，Skill 只出现在系统 Prompt 注入阶段，Tool 才出现在实际函数调用阶段。这个区分对后续选型非常关键。
2. TaoToken 前置准备：OpenClaw 接入大模型与 API Key 配置
OpenClaw 的智能体决策依赖大模型，而 Skill 注入的系统 Prompt 最终要发给模型。所以第一步是把模型接入配好。这里我用 TaoToken 作为模型接入层，它提供统一的 API 入口，兼容常见的对话补全格式，OpenClaw 里配置 Base URL 和 Key 就能用。
先拿到 API Key。打开 https://taotoken.net/api-keys ，登录后创建一个新 Key，复制保存。注意 Key 只在创建时完整显示一次，丢了就重新建。
Base URL 填 https://taotoken.net/api ，这是不带 UTM 的纯 API 地址，OpenClaw 的模型配置里直接写这个。模型 ID 根据你订阅的套餐选，比如 claude-sonnet 系列或 gpt 系列，具体以控制台 https://taotoken.net/console 里显示的为准。
如果你还没决定用哪个模型，可以先到 https://taotoken.net/models 对话页面试一下，确认模型能正常响应再写进配置。长期跑编码类或 Agent 类任务的话，Coding Plan 更划算，地址是 https://taotoken.net/coding-plan 。
配置的时候有个坑要注意：OpenClaw 的模型配置文件里，Base URL 末尾不要多加斜杠，否则拼接路径会变成双斜杠导致 404。Key 放在环境变量里比硬编码安全，比如TAOTOKEN_API_KEY。下面第三节我会给出完整的 JSON 配置片段。
3. 可复制配置：SKILL.md 片段与 Tool 注册示例
这一节是核心，直接给可复制的配置。先看 OpenClaw 的模型接入配置，通常放在~/.openclaw/config.json或项目根目录的openclaw.config.json：
{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "${TAOTOKEN_API_KEY}", "modelId": "claude-sonnet-4-20250514", "maxTokens": 8192, "temperature": 0.3 }, "agent": { "skillsDir": "./skills", "toolsDir": "./tools", "logLevel": "debug" } }注意apiKey用${TAOTOKEN_API_KEY}引用环境变量，启动前export TAOTOKEN_API_KEY=你的Key。skillsDir和toolsDir分别指向 Skill 文档和 Tool 注册代码的目录。
接下来是 SKILL.md，放在./skills/price-collector/SKILL.md：
--- name: 竞品价格采集 description: 自动抓取电商竞品价格并导出 Excel version: 1.0.0 tools: - web_search - browser - write_excel - read_file --- 用户需要价格报表时，按以下步骤执行： 1. 使用 web_search 搜索竞品商品链接，关键词由用户提供； 2. 调用 browser 打开页面，提取售价、库存字段； 3. 对每个商品重复步骤 2，循环处理； 4. 汇总数据使用 write_excel 保存到桌面，文件名格式为 price_YYYYMMDD.xlsx； 5. 禁止频繁访问网站，每次请求间隔 3 秒； 6. 价格字段为空时跳过该商品，记录到 skipped 列表，不中断流程； 7. 全部完成后输出汇总：成功 N 条，跳过 M 条。YAML 头里的tools字段是声明式引用，告诉 OpenClaw 这个 Skill 会用到哪些 Tool。正文部分是纯提示词，注入系统 Prompt，不含任何可执行代码。
然后是 Tool 注册示例。假设内置 Tool 不够用，要新增一个读取本地 CSV 的 Tool，在./tools/read_csv.js里写：
module.exports = { name: "read_csv", description: "读取本地 CSV 文件并返回行数组", parameters: { type: "object", properties: { path: { type: "string", description: "CSV 文件绝对路径" }, delimiter: { type: "string", default: "," } }, required: ["path"] }, async execute({ path, delimiter }) { const fs = require("fs"); const content = fs.readFileSync(path, "utf-8"); return content.split("\n").map(line => line.split(delimiter)); } };这个文件通过toolsDir自动加载，框架启动时注册为全局 Tool。注册后，SKILL.md 的tools列表里就能引用read_csv。
如果你用的是 Claude Code 做开发，想接入 TaoToken 的模型，配置在~/.claude/settings.json：
{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "${TAOTOKEN_API_KEY}" } }三件套记牢：Base URL 是https://taotoken.net/api，Key 从 API Keys 页面拿，Model ID 从控制台确认。Cline MCP 或 Codex 的 auth.json 同理，Base URL 和 Key 填对，Model ID 选对，就能跑。
4. 验证请求：调用日志看 Tool 与 Skill 的实际行为差异
配置写完，跑一次任务验证。启动 OpenClaw 时把日志级别设为 debug，观察两个阶段：系统 Prompt 注入阶段和函数调用阶段。
执行命令：
export TAOTOKEN_API_KEY=你的Key openclaw run --task "采集这三个竞品链接的价格：url1 url2 url3" --log-level debug日志里会先出现 Skill 注入记录：
[DEBUG] Loading skill: 竞品价格采集 from ./skills/price-collector/SKILL.md [DEBUG] Injecting skill into system prompt (tokens: 312) [DEBUG] System prompt assembled, total tokens: 1847注意这里只有文本注入，没有任何函数调用。Skill 的作用到此为止，它影响的是模型接下来怎么决策。
然后是 Tool 调用记录：
[DEBUG] Model requested tool: web_search, args: {"query": "竞品A 价格"} [DEBUG] Executing tool: web_search [DEBUG] Tool result: 3 links found [DEBUG] Model requested tool: browser, args: {"url": "https://..."} [DEBUG] Executing tool: browser [DEBUG] Tool result: price=299, stock=15 [DEBUG] Model requested tool: write_excel, args: {"path": "~/Desktop/price_20250514.xlsx"} [DEBUG] Tool result: file written, 3 rows对比很清楚：Skill 只在开头出现一次，是静态文本；Tool 在任务执行过程中被反复调用，每次都有参数和返回值。Skill 决定了“先搜索再打开页面再写 Excel”这个顺序，Tool 负责真正执行每一步。
如果 Skill 里写了“间隔 3 秒”，日志里会看到模型在两次 browser 调用之间主动等待，这是 Skill 约束生效的表现。如果没写这条，模型可能连续快速调用，触发网站限流。
验证成功的标志：Excel 文件生成在桌面，内容包含三个商品的价格和库存，skipped 列表为空。如果某个商品价格为空，日志里会有skipped: url2的记录，流程不中断。
5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth
跑不通的时候，对照这几个真实报错排查。
401 Unauthorized：Key 没配或配错。检查echo $TAOTOKEN_API_KEY是否有值，config.json 里${TAOTOKEN_API_KEY}拼写是否正确。如果 Key 刚创建，确认没有多余空格。重新到 https://taotoken.net/api-keys 生成一个再试。
local proxy failed / connection refused：Base URL 写错。确认是https://taotoken.net/api，末尾没有多余斜杠，没有写成https://taotoken.net/api/v1这种带路径的。OpenClaw 的 openai-compatible provider 会自动拼接/chat/completions，你只需要填到/api。
reading choices 报错 / Cannot read property 'choices' of undefined：模型返回格式不对，通常是 Model ID 写错了，或者模型不支持当前请求格式。到 https://taotoken.net/console 确认 Model ID 拼写，比如claude-sonnet-4-20250514不要写成claude-sonnet-4。换一个模型测试，比如先用对话页面 https://taotoken.net/models 确认能正常返回。
OAuth 相关报错 / authentication failed：如果你用的是 Claude Code 接入，检查~/.claude/settings.json里的ANTHROPIC_BASE_URL和ANTHROPIC_API_KEY。OAuth 报错通常是因为同时配了官方登录态和自定义 Base URL，冲突了。清掉官方登录缓存，只用 API Key 方式。
Skill 不生效：检查 SKILL.md 的 YAML 头格式，---必须独占一行，name和description必填。tools列表里的 Tool 名称必须和注册的name字段完全一致，大小写敏感。日志里搜Loading skill确认文件被加载。
Tool 注册失败：检查toolsDir路径是否正确，文件是否导出module.exports，name、description、parameters、execute四个字段是否齐全。日志里搜Registering tool确认。
排障时优先看 debug 日志的前 50 行，模型配置和 Skill 加载的问题都在那里暴露。接入文档在 https://taotoken.net/doc ，里面有完整的配置示例和错误码说明。
6. 选型建议与后续接入路径
回到选型问题。什么时候自定义 Tool？当你需要新增底层系统能力，比如操作数据库、控制硬件、调用私有 API、执行自定义终端指令，现有内置 Tool 覆盖不了，必须写代码扩展。什么时候写 Skill？当已有全部需要的 Tool，但模型调用逻辑混乱、步骤不标准，需要固定业务流程、增加约束、异常处理、输出规范，这时候写 SKILL.md 就够了，零代码。
Plugin 是打包载体，一个 Plugin 可以同时携带自定义 Tool 和配套 Skill，上传到 ClawHub 共享。所以扩展机制是三层：Tool 提供能力，Skill 提供流程，Plugin 提供分发。
如果你要长期跑编码类或 Agent 类任务，建议用 Coding Plan，地址 https://taotoken.net/coding-plan ，比按量计费稳定。接入文档在 https://taotoken.net/doc ，API Key 管理在 https://taotoken.net/api-keys ，模型验证在 https://taotoken.net/models 。先把模型接入跑通，再写 Skill 约束流程，最后按需开发 Tool，这个顺序最省调试时间。
