1. OpenClaw 接入飞书到底解决什么问题
OpenClaw 是一个能自动规划并执行任务的 Agent 项目，圈内人叫它“小龙虾”。它和普通聊天机器人的区别在于：你给它一个目标，它会自己拆步骤、调工具、跑流程，而不是只回你一段文字。飞书则是很多团队日常协作的主阵地，消息、文档、审批、日历都在里面。把 OpenClaw 接进飞书，本质上是给飞书装了一个能动手的助手——你在群里 @ 它，它就能读消息、整理内容、触发后续动作。
适合谁看这篇：手里有一台能跑 Docker 的云服务器、想在飞书里快速验证 OpenClaw 能力的开发者。不需要你提前懂 Agent 框架，也不需要你从源码编译，跟着下面的步骤走，10 分钟内能让机器人在飞书里回你第一条消息。
核心链路其实就三段：OpenClaw 服务跑起来 → 飞书机器人把消息回调到 OpenClaw → OpenClaw 调用大模型生成回复再发回飞书。中间最容易卡住的是两处，一是模型调用的 Key 和 Base URL 没配对，二是飞书事件订阅的回调地址没填对。这篇会把这两处拆开讲清楚，并且给出可直接复制的配置片段。
我试过用统一 Key 的方式接多个模型，省掉了在 OpenClaw 里反复改环境变量的麻烦。下面先从 TaoToken 的前置准备说起，再进入 OpenClaw 的安装和飞书配置。
2. TaoToken 统一 Key 前置准备与 OpenClaw 环境搭建
OpenClaw 要能思考，必须接一个大模型。TaoToken 提供的是 OpenAI 兼容接口，也就是说你拿到的 Key 和 Base URL 可以直接填进 OpenClaw 的模型配置里，不用改代码。这一步先把 Key 拿到手，再装 OpenClaw。
2.1 获取 TaoToken API Key
打开 TaoToken 控制台，进入 API Keys 页面创建一个新 Key。创建时给它起个能认出来的名字，比如openclaw-feishu，方便后面排查是哪个应用在用。复制出来的 Key 形如sk-xxxxxxxx，只显示一次，先存到安全的地方。
Base URL 固定用https://taotoken.net/api，注意结尾不要多加/v1，OpenClaw 的 OpenAI 兼容层会自己拼路径。模型 ID 按你实际要用的填，比如claude-sonnet-4-20250514或gpt-4o，具体可用列表在模型对话页面能看到。
注意：Key 不要写进会提交到 Git 的文件里。下面配置里我用环境变量占位，你替换成自己的真实值即可。
2.2 服务器与 Docker 环境
准备一台能访问公网的 Linux 服务器，2 核 4G 起步就够跑通验证。装好 Docker 和 Docker Compose：
curl -fsSL https://get.docker.com | sh sudo systemctl enable --now docker docker --version docker compose version两条命令都能输出版本号，说明环境就绪。如果docker compose报 command not found，装一下 compose 插件：
sudo apt-get install -y docker-compose-plugin2.3 拉取并启动 OpenClaw
OpenClaw 官方提供了容器镜像，直接拉最新版：
docker pull openclaw/openclaw:latest建一个工作目录，把配置和数据挂进去，避免容器重建后丢状态：
mkdir -p ~/openclaw/data && cd ~/openclaw先别急着docker run，模型配置和飞书配置要一起写进环境变量，下一节给完整片段。这里先把目录结构定下来：~/openclaw/data放会话数据，~/openclaw/.env放密钥。
2.4 为什么用统一 Key 而不是每个模型单独配
OpenClaw 支持在配置里指定多个模型供应商。如果你每个供应商都单独填一套 Key 和地址，改起来很碎。TaoToken 的兼容接口把模型收敛到一个 Base URL 下，你只需要换 Model ID 就能切换底层模型。对调试阶段特别有用——飞书里发同一句话，换个 Model ID 就能对比不同模型的执行效果，而不用动其他配置。
这一步做完，你手里应该有三样东西：一个sk-开头的 Key、Base URLhttps://taotoken.net/api、一个确定可用的 Model ID。下一节把它们写进 OpenClaw 配置。
3. 可复制的 OpenClaw 配置片段与飞书机器人创建
这一节是全文最关键的部分，配置写错后面全白搭。我按“先写 OpenClaw 配置 → 再建飞书应用 → 最后把两者对接”的顺序来，每一步都给可复制的片段。
3.1 OpenClaw 的 .env 配置
在~/openclaw下新建.env文件，内容如下。路径和字段名保持和官方一致，你只替换尖括号里的值：
# ~/openclaw/.env OPENCLAW_MODEL_PROVIDER=openai OPENAI_API_KEY=sk-你的TaoTokenKey OPENAI_BASE_URL=https://taotoken.net/api OPENCLAW_MODEL_ID=claude-sonnet-4-20250514 OPENCLAW_PORT=8080 OPENCLAW_DATA_DIR=/app/data FEISHU_APP_ID=cli_你的飞书AppID FEISHU_APP_SECRET=你的飞书AppSecret FEISHU_VERIFICATION_TOKEN=你的VerificationToken FEISHU_ENCRYPT_KEY=你的EncryptKey几个字段说明一下。OPENCLAW_MODEL_PROVIDER填openai表示走 OpenAI 兼容协议，TaoToken 正好是这个协议。OPENCLAW_MODEL_ID就是你要用的模型，换成模型对话页面里列出的任意一个都行。飞书那四个字段下一小节拿到后再回填。
3.2 docker-compose.yml 启动文件
同目录下建docker-compose.yml：
version: "3.8" services: openclaw: image: openclaw/openclaw:latest container_name: openclaw restart: unless-stopped env_file: - .env ports: - "8080:8080" volumes: - ./data:/app/data启动：
docker compose up -d docker compose logs -f openclaw日志里出现OpenClaw server listening on :8080就说明服务起来了。如果看到invalid api key或401，回去检查.env里的 Key 有没有多余空格。
3.3 创建飞书自建应用
打开飞书开放平台，进入开发者后台，创建一个“企业自建应用”。填好名称和图标后，进入应用详情页，在“凭证与基础信息”里能看到App ID和App Secret，把这两个回填到.env的FEISHU_APP_ID和FEISHU_APP_SECRET。
接着在“事件与回调”页面，找到Verification Token和Encrypt Key，同样回填。这两个值用于校验飞书发过来的请求确实来自飞书，别跳过。
3.4 配置权限与事件订阅
在“权限管理”里开通机器人收发消息相关权限，至少要有：
| 权限标识 | 用途 |
|---|---|
| im:message | 读取与发送单聊消息 |
| im:message.group_at_msg | 接收群里 @ 机器人的消息 |
| im:message:send_as_bot | 以机器人身份发消息 |
开通后在“事件订阅”里添加接收消息事件。回调地址填你的服务器公网地址加路径：
http://你的服务器IP:8080/feishu/event如果服务器没有公网 IP，用内网穿透工具把 8080 映射出去，回调地址换成映射后的域名。填完点保存，飞书会发一个 challenge 请求过来，OpenClaw 会自动应答，页面显示“验证通过”即可。
3.5 发布版本并启用机器人
权限和事件配好后，去“版本管理与发布”创建一个版本，申请发布。企业自建应用通常需要管理员审批，审批通过后机器人才能正式收发消息。发布完成后，在飞书里搜索你的应用名，把它拉进一个测试群，或者直接和它单聊。
到这里配置全部写完。下一节发消息验证。
4. 发送测试消息验证 OpenClaw 与飞书连通性
配置对不对，发一条消息就知道。这一节给具体的验证动作和预期结果。
4.1 先验证 OpenClaw 服务本身
在服务器上直接打 OpenClaw 的健康检查接口：
curl -s http://localhost:8080/health返回{"status":"ok"}说明服务活着。再验证模型调用链路，直接问一句：
curl -s http://localhost:8080/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-20250514", "messages": [{"role":"user","content":"用一句话说明你是什么"}] }'如果返回里choices[0].message.content有正常文字，说明 TaoToken 的 Key、Base URL、Model ID 三件套全部正确。这一步过了，飞书那边基本不会因为模型问题失败。
4.2 在飞书里发第一条消息
打开飞书，找到你的机器人，发一句“你好，帮我列一下今天要做的事”。预期是机器人先回一个“正在处理”之类的状态，几秒后给出结构化回复。
如果机器人没反应，先看 OpenClaw 日志：
docker compose logs -f openclaw | grep -i feishu日志里会打印收到的飞书事件。如果完全没有日志，说明飞书的事件没回调过来，回去检查回调地址和事件订阅是否保存成功。如果有事件但报错，看具体错误码。
4.3 群里 @ 机器人测试
把机器人拉进一个群，在群里发@你的机器人 总结一下刚才大家聊的重点。机器人应该能读到群消息上下文并给出总结。这一步验证的是im:message.group_at_msg权限是否生效。
4.4 验证成功的样子
成功的标志有三个：单聊能回、群里 @ 能回、日志里能看到完整的“收到事件 → 调用模型 → 发送回复”链路。三个都满足，说明 OpenClaw + 飞书 + TaoToken 整条链路打通。这时候你可以试着让它做点实际的事，比如“把这条消息整理成待办发给我”，看它能不能自动执行。
5. 常见报错排查：401、local proxy failed 与回调失败
接入过程里报错集中在几个地方，这一节按真实错误信息对照排查。
5.1 401 Unauthorized
日志里出现：
Error: 401 Unauthorized - invalid api key原因基本是.env里的OPENAI_API_KEY不对。检查三点：Key 有没有复制完整、有没有多余空格或换行、Key 是不是已经被删除。改完.env后必须重启容器才生效：
docker compose down && docker compose up -d5.2 local proxy failed 或 connection refused
日志里出现：
local proxy failed: dial tcp 127.0.0.1:7890: connect: connection refused这是 OpenClaw 容器里残留了代理环境变量，指向了一个不存在的本地端口。检查.env和服务器环境里有没有HTTP_PROXY、HTTPS_PROXY之类的变量，有就删掉。容器内不需要额外代理，TaoToken 的地址直接可达。
5.3 reading choices 报错
日志里出现：
json: cannot unmarshal ... reading 'choices'说明模型返回的结构和 OpenClaw 预期的不一致。常见原因是 Base URL 写成了https://taotoken.net/api/v1，多了一层路径导致返回的是错误页而不是标准响应。把OPENAI_BASE_URL改回https://taotoken.net/api即可。
5.4 飞书回调验证失败
飞书后台保存回调地址时报“请求失败”或“challenge 校验不通过”。排查顺序：服务器 8080 端口是否对公网开放、回调路径是否写成/feishu/event、FEISHU_VERIFICATION_TOKEN是否和后台一致。用 curl 从外网打一下：
curl -X POST http://你的公网IP:8080/feishu/event \ -H "Content-Type: application/json" \ -d '{"challenge":"test","type":"url_verification"}'正常应返回包含test的 JSON。返回连接拒绝就是端口没通，返回 404 就是路径写错。
5.5 OAuth 相关报错
如果日志里出现OAuth或token expired，多半是飞书App Secret填错，或者应用还没发布就调用了需要审批的接口。回开放平台确认应用状态是“已发布”，并重新复制一次App Secret回填。
5.6 配置三件套速查
不管哪种报错，先对照这张表确认三件套：
| 配置项 | 正确值 |
|---|---|
| Base URL | https://taotoken.net/api |
| API Key | sk-开头的 TaoToken Key |
| Model ID | 模型对话页面列出的可用模型 |
三件套对了，模型侧的问题基本能排除，剩下的就是飞书侧权限和回调。
6. 后续玩法与接入入口
跑通之后，OpenClaw 能做的事取决于你给它什么工具和权限。比较实用的方向有几个：让它定时读某个飞书群的消息做日报汇总、把飞书文档里的待办同步到日历、在群里做知识库问答。这些都不需要改 OpenClaw 核心代码，通过配置工具和提示词就能扩展。
如果你要长期跑编码类或 Agent 类任务，建议用 Coding Plan，额度更稳，适合持续调用。只是验证模型效果的话，模型对话页面直接试就行，不用部署。接入过程中卡在配置或报错，去接入文档对照字段说明，或者到 API Keys 页面重新生成一个 Key 排除 Key 本身的问题。
部署时有个小技巧：把.env和docker-compose.yml放在同一个目录，用docker compose config先校验一遍语法，能提前发现缩进和字段名错误，比启动后看日志快得多。
