1. 为什么要在飞书里接一个 OpenClaw 智能体
飞书本身已经承担了企业里大部分的消息、文档、日历和审批流转，但它的原生能力偏向「协作工具」，而不是「能自己动手干活的智能体」。OpenClaw 这类开源智能体的价值在于：它能理解自然语言指令，调用工具、读写文件、跑脚本，把一段对话变成一串真实动作。把 OpenClaw 接进飞书，等于给团队配了一个常驻群聊、随叫随到的执行助手。
我实际落地的场景是这样的：产品群里的同学 @ 一下机器人，说「把今天评审会的结论整理成纪要，同步到项目文档」，机器人就去拉取群消息、生成结构化纪要、写回飞书文档，最后在群里回一条链接。整个过程不需要有人切到另一个网页后台，也不需要记任何命令语法。这就是「统一 AI 智能体入口 + 消息触达」的组合价值——入口在飞书，执行在 OpenClaw，模型能力走统一 API 通道。
适合谁上手：一是已经部署过 OpenClaw、想把它推到团队日常里的开发者；二是企业里负责协作工具落地的 IT/运维同学；三是想做一个「智能协作平台原型」验证效果的小团队。你不需要从零写一个机器人框架，飞书开放平台负责消息收发，OpenClaw 负责智能体逻辑，中间用回调地址对接即可。
这篇会交付三样东西：一份可复制的config.toml集成配置、一套飞书机器人配置骨架、以及用 TaoToken 统一 Key/API 通道接入模型并做连通性验证的完整步骤。全程按「能跟做」的标准写，命令和参数都给你留好位置。
2. TaoToken 前置准备：统一 Key 与 API 通道
OpenClaw 要干活，底层得有一个能稳定调用的模型通道。如果你每个智能体都单独去配一家模型的 Key，管理成本会很高，而且换模型时要改一堆地方。TaoToken 的思路是提供一个统一的 API 入口，你拿一个 Key，就能在 OpenClaw 里通过 OpenAI 兼容协议调用不同模型，配置只写一份。
先做前置准备。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，进入控制台。在控制台里找到 API Keys 页面，创建一个新的 Key。创建时建议按用途命名，比如openclaw-feishu，方便以后区分是哪个项目在用。Key 只在创建时完整显示一次，复制后先存到安全的地方，别直接贴在会提交到 Git 的配置文件里。
拿到 Key 之后，记下两个关键信息：Base URL 是https://taotoken.net/api，Model ID 按你实际要用的模型填。OpenClaw 的模型配置走 OpenAI 兼容格式，所以 Base URL 后面通常需要带/v1，也就是https://taotoken.net/api/v1，具体以你所用 OpenClaw 版本的文档为准。这一步别搞混，后面排障里 401 和 404 大多出在这里。
如果你还没装 OpenClaw，先在服务器上把它跑起来。它默认的管理界面端口是18789，启动后浏览器访问http://127.0.0.1:18789能看到后台就说明服务正常。飞书回调需要公网可达，所以你的服务器要么有公网 IP，要么用内网穿透把18789暴露出去。这里只做连通性准备，不涉及任何网络工具的特殊配置，用你企业现有的公网出口即可。
TaoToken 在这里扮演的是「模型能力供给方」：OpenClaw 负责智能体编排和工具调用，飞书负责消息触达，TaoToken 负责把模型请求统一收口。三者职责清晰，任何一层出问题都好定位。建议你在正式接飞书之前，先用 curl 单独验证一次模型通道，确认 Key 和 Base URL 没问题，再去配飞书，这样能把问题范围缩小。
3. 可复制配置：config.toml 与飞书机器人骨架
这一节是核心，给你一份可以直接改的config.toml。OpenClaw 的配置文件一般在安装目录下的config/config.toml，不同版本路径可能略有差异，以你后台「集成设置」里显示的为准。下面这份配置把模型通道和飞书集成放在一起，你只需要替换尖括号里的内容。
# OpenClaw 主配置 [server] host = "0.0.0.0" port = 18789 # 飞书回调需要公网可达，确保该端口对外暴露 [model] # TaoToken 统一 API 通道 provider = "openai-compatible" base_url = "https://taotoken.net/api/v1" api_key = "<你的_TaoToken_API_Key>" model_id = "<你的_Model_ID>" timeout = 60 max_retries = 2 [integrations.feishu] enabled = true app_id = "<飞书_App_ID>" app_secret = "<飞书_App_Secret>" # 回调地址必须与飞书开放平台填写的一致 callback_url = "http://<你的公网IP或域名>:18789/api/v1/feishu/callback" encrypt_key = "<自定义加密密钥>" verification_token = "<飞书事件订阅的Verification Token>" [integrations.feishu.commands] # 命令别名，降低团队使用门槛 "纪要" = "生成会议纪要并同步到飞书文档" "周报" = "汇总本周群内讨论并生成周报草稿" "排期" = "根据当前任务列表生成项目排期建议" [integrations.feishu.permissions] # 按需收紧，避免智能体越权操作 allow_doc_write = true allow_calendar = false allow_file_read = true配置里有三处必须和飞书后台严格对齐：app_id、app_secret、callback_url。encrypt_key和verification_token是飞书事件订阅用来校验请求来源的，两边填一样的值即可。model段就是 TaoToken 的接入点，base_url用https://taotoken.net/api/v1，api_key填你上一步创建的 Key，model_id填你要用的模型标识。
飞书侧的机器人骨架这样配：登录飞书开放平台，进入开发者后台，创建「企业自建应用」，填名称比如「OpenClaw 助手」。创建后在「凭证与基础信息」里拿到 App ID 和 App Secret，填回上面的config.toml。接着进「权限管理」，至少申请这几项：接收消息、发送消息、文档读写（如果要做纪要同步）、群信息读取。权限提交后需要企业管理员审批，这一步别跳过，否则机器人收不到消息。
然后进「事件与回调」，启用事件订阅，请求 URL 填http://<你的公网IP或域名>:18789/api/v1/feishu/callback，把 Verification Token 和 Encrypt Key 填成和config.toml一致。订阅事件里勾选「接收消息」。最后进「机器人」页面，添加机器人并设置头像名称。做完这些，在「版本管理与发布」里创建版本并发布，管理员审批后应用才会真正装到企业里。
配置改完后重启 OpenClaw 服务，让config.toml生效。重启命令按你的部署方式走，如果是 systemd 就systemctl restart openclaw，如果是前台进程就 Ctrl+C 后重新启动。重启后回到后台「集成设置」，看飞书集成状态是否变成「已连接」。如果显示未连接，先别急着发消息，去下一节做连通性验证。
4. 验证请求：从 curl 到飞书群消息
配置写完不代表通了，必须做两步验证：先验模型通道，再验飞书回调。先验模型通道，用 curl 直接打 TaoToken 的接口，确认 Key 和 Base URL 没问题。命令如下，把<你的_TaoToken_API_Key>和<你的_Model_ID>替换成实际值：
curl -X POST "https://taotoken.net/api/v1/chat/completions" \ -H "Authorization: Bearer <你的_TaoToken_API_Key>" \ -H "Content-Type: application/json" \ -d '{ "model": "<你的_Model_ID>", "messages": [ {"role": "user", "content": "用一句话说明你已连通"} ] }'如果返回里有choices字段和一段正常回复，说明模型通道通了。这一步很关键，因为 OpenClaw 调模型失败时，飞书那边只会表现为「机器人不回消息」，你很难判断是模型问题还是飞书问题。先单独把模型验通，后面排障就少一半工作量。
接着验飞书回调。最直接的方式是在飞书群里 @ 一下机器人，发一条测试消息，比如「你好，帮我整理今天的会议纪要」。正常情况下，OpenClaw 会收到事件、调用模型、生成回复，再通过飞书 API 发回群里。你可以在 OpenClaw 后台的日志里看到完整链路：收到飞书事件 → 解析消息 → 调用模型 → 返回结果 → 发送飞书消息。日志里每一步都有时间戳，哪一步卡住一目了然。
如果机器人没反应，先看 OpenClaw 日志有没有收到事件。没收到事件，说明飞书回调地址不通，去飞书开放平台的「事件与回调」里看请求 URL 的校验状态，飞书会显示最近一次回调是否成功。收到了事件但没回复，多半是模型调用失败，回到上一步用 curl 再验一次。收到了事件、模型也返回了，但群里没消息，那就是飞书发送消息的权限没批下来，或者机器人没被加进群。
验证通过后，你可以做一次端到端的小实验：在群里发「纪要」，看机器人是否按config.toml里的命令别名去执行「生成会议纪要并同步到飞书文档」。这一步能同时验证命令别名、文档写入权限和模型调用三个环节。实测下来，把命令别名配好之后，团队里非技术同学的使用意愿会明显提高，因为他们不用记任何指令格式。
5. 常见报错排查：401、回调失败与 choices 为空
排障这块我按真实遇到的报错来写，你对照日志里的关键词定位。
401 Unauthorized：模型通道鉴权失败。九成是api_key填错，或者 Key 被删了。检查config.toml里[model]段的api_key是否和 TaoToken 控制台里创建的一致，注意别把前后空格带进去。还有一种情况是 Base URL 写成了https://taotoken.net/api而没带/v1，部分客户端会因此鉴权路径不对，统一用https://taotoken.net/api/v1更稳。
local proxy failed / connection refused：OpenClaw 连不上模型通道。先确认服务器能访问外网，用curl -I https://taotoken.net/api/v1看是否有响应。如果是容器部署，检查容器网络是否放行了出站请求。这个报错和飞书无关，纯粹是 OpenClaw 到模型通道这一段不通。
reading choices: unexpected end of JSON input：模型返回体不是预期 JSON，通常是请求被中途截断或返回了错误页。先看 curl 原始返回，如果返回的是 HTML 错误页，说明 Base URL 或路径不对。如果返回体正常但 OpenClaw 解析失败，检查model_id是否拼写正确，有些客户端对模型名大小写敏感。
飞书回调校验失败 / OAuth 相关报错：飞书事件订阅的 URL 校验没通过。检查三件事：回调地址是否公网可达、verification_token和encrypt_key是否两边一致、OpenClaw 服务是否在运行。如果用了域名，确认域名解析和端口映射都对。OAuth 类报错一般是应用权限没批或 scope 不匹配，回飞书开放平台看权限审批状态。
机器人收到消息但不回复：按链路顺序查。先看日志有没有「收到飞书事件」，有的话看「调用模型」是否成功，成功的话看「发送飞书消息」是否报权限错误。常见的是文档写入权限没申请，导致生成纪要后写不回飞书文档，机器人就卡在最后一步。把allow_doc_write对应的飞书权限补齐即可。
这里提醒一句：如果你用的是 Claude Code 或 Cline 这类工具去调试 OpenClaw 的配置，涉及模型接入时同样要写全三件套——Base URL、API Key、Model ID，缺一个都会报鉴权或找不到模型的错。配置项之间是强关联的，别只改一半。
6. 把入口固定下来：Coding Plan 与后续扩展
原型跑通之后，下一步是让它稳定服务团队。这里有两个方向可以走。一是把模型调用从「按次」升级成更可控的长期方案，如果你团队里 OpenClaw 要长期跑编码、Agent 类任务，可以了解下 Coding Plan 这类面向持续使用的方案，入口在 https://taotoken.net/api 对应的控制台里能找到。二是把飞书里的入口做厚，比如把常用命令别名补全、按部门配权限、把纪要模板固定成企业格式。
我自己的经验是，别一上来就铺很多场景。先把「会议纪要」这一个高频场景打磨顺，让团队形成「有事 @ 机器人」的习惯，再逐步加文档、排期、数据汇总。每加一个场景，就在config.toml的[integrations.feishu.commands]里加一条别名，权限按需收紧。这样出问题时影响面小，也好回滚。
如果你在接入过程中卡在某个报错，优先去接入文档里对照参数，再用模型对话页面单独验一次模型通道，把问题范围缩到最小。配置这件事，能复制的就别手敲，能先验证的就别等集成完再查。把config.toml存好版本，下次换服务器直接改三个值就能跑起来。
