在 OpenClaw 里创建 my-first-skill 时，我卡在了模型通道上。SKILL.md 写清楚、scripts/search.py 放到位，技能还是不动，直到把模型推理走通，才找到原因。OpenClaw 要跑 baidu-search，必须让大模型先理解「去搜索今日AI新闻」再调度脚本，这一步需要稳定 Key。我注册了 TaoToken，打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 创建 API Key，把 Base URL 填成 https://taotoken.net/api，任务立刻下发了。
这篇文章就按实际踩坑顺序来：先看 Skill 本身在 OpenClaw 里的角色，再给本体配好模型 Key，然后安装 baidu-search，最后跑通「今日AI新闻」并留下排障清单。每个环节都放可复制的配置，不绕弯子。
1. Skill 与 MCP：为什么「能安装」不等于「能跑通」
1.1 Skill 是「菜谱」，MCP 是「厨房接口」
在 OpenClaw 里，Skill 是核心扩展机制，你可以把一份 Skill 想象成菜谱：它规定什么时候做这道菜、先放什么料、用什么火候、最后装盘成什么样。我第一次写 my-first-skill 时，就是照着这个思路把 SKILL.md 填满的，触发条件、调用步骤、输出格式都写了，目录结构也完好，以为这样就能跑。
但 Skill 本身不执行，它解决的是「教 AI 怎么做对」。真正让 AI 能去碰外部工具的是 MCP，它负责标准化连接，相当于厨房里的水电气管线，AI 通过它去开炉灶、用刀具。没有 MCP 的能力供给，Skill 只是一份写得再详细也无法执行的文档；没有 Skill 的流程编排，MCP 也只知道工具能调用，却不知道什么时候调、调完怎么用。懂了这个分工，后面遇到「技能没反应」就能分清是流程问题还是接口问题了。
1.2 一个 Skill 的最小目录结构
一个能跑的 Skill 通常长这样：
my-first-skill/ ├── SKILL.md # 技能说明：触发条件、使用步骤、输出格式 ├── scripts/ # 执行脚本 │ └── search.py ├── references/ # 参考文档（可选） └── _meta.json # 元数据（可选）SKILL.md 是 OpenClaw 判断「什么时候派这个技能上场」的依据，所以里面要写清楚适用场景和调用方式。scripts 是真正的执行体，OpenClaw 不会自己发明脚本内容，它负责的是理解你的任务，再决定调哪个脚本。如果把 SKILL.md 比作岗位说明书，scripts 就是员工的实际产出物，两者缺一不可。
1.3 模型推理才是那条「隐藏的水管」
装好 Skill 遇到空转，问题往往不在 SKILL.md 里，也不在脚本本身，而在模型通道。OpenClaw 是一个智能体网关，它依赖大模型完成两件事：第一，把用户一句自然语言（比如「搜索今日AI新闻」）拆解成具体动作；第二，决定哪个 Skill 能完成这个动作，并生成调用脚本所需的参数。这个过程每一次都要消耗大模型的 Token，必须有真实可用、地址正确的模型接口在背后支撑。
如果你的模型 Key 没配、地址填错，或者模型 ID 不存在，OpenClaw 根本走不到「调用脚本」那一步，表现就是日志里没有任何记录。所以先把模型通道打通，再谈 Skill 好不好用。下一步，给 OpenClaw 本体接上 TaoToken。
2. 先给 OpenClaw 本体配好模型 Key：TaoToken 统一通道
2.1 去官网拿 API Key
准备材料不复杂：一个 TaoToken 账号，一个 API Key，一个以模型广场为准的模型 ID。打开 TaoToken 注册登录，在控制台创建 API Key，复制出来后先存到临时变量里。注意这里拿到的 Key 是给 OpenClaw 本体做模型推理用的，跟后面 baidu-search 技能里的百度 API Key 是两回事，别搞混。
官网落地页负责注册、创建 Key、看模型广场和用量；真正填进 OpenClaw 的接口地址是 https://taotoken.net/api，末尾不要加 /v1。这两个地址分开记：一个是「人操作页面」，一个是「程序填的连接点」。记混了的话，OpenClaw 连接时会一直失败。
2.2 把 Base URL 写进 OpenClaw 配置
OpenClaw 的模型配置可以用环境变量，也可以写在 ~/.openclaw/config.json。环境变量适合快速试验，config.json 适合固定下来。先给环境变量方式：
export OPENCLAW_API_KEY="YOUR_API_KEY" export OPENCLAW_BASE_URL="https://taotoken.net/api" export OPENCLAW_MODEL="MODEL_ID_FROM_TAOTOKEN"MODEL_ID_FROM_TAOTOKEN 这个占位符需要你去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 的模型广场确认当前可选模型，选好后替换。写进 config.json 则长这样：
{ "model": { "provider": "taotoken", "apiKey": "YOUR_API_KEY", "baseUrl": "https://taotoken.net/api", "model": "MODEL_ID_FROM_TAOTOKEN" } }提示：这里填的是程序接口地址 https://taotoken.net/api，不是官网落地页。官网页面是给人注册和看用量用的，不要填进模型配置。模型 ID 也不要凭记忆手打，去模型广场复制最稳。
2.3 先做一次最小对话验证
配完不要直接去跑搜索技能，先做一次最小验证，确保证道是通的。在 OpenClaw 对话里随便问一句：「你好，只回复OK两个字。」如果模型通道正常，你能在终端看到 OK；如果报出 401 或连接失败，立刻检查 apiKey、baseUrl、model 三项。这一步两分钟的事，能省下后面排查技能问题的两小时。确认通道通畅后，再接 baidu-search。
3. 安装 baidu-search：从 SkillHub 到手动兜底
3.1 SkillHub 安装
模型通道稳定后，再回头装技能。OpenClaw 的技能来源按优先级排列，SkillHub 是首选，如果你在中国网络环境，它比 ClawHub 更快更稳，包结构也经过校验，不容易缺文件。安装 baidu-search，命令就是：
npx skills add baidu-search命令执行完，OpenClaw 会从 SkillHub 拉取技能包，解压到本地技能目录，再扫描 SKILL.md 完成注册。注意 npx 是 Node.js 的工具执行器，网络要能访问 npm registry。如果这一行直接卡住不动，多半是内网出网受限，往下看手动兜底方案。
3.2 手动安装兜底
公司内网限制得比较严时，SkillHub 拉不下来是常态。别急着放弃，可以让同事帮你在外网环境打包技能目录，或者从公司内部的 Git 仓库安装：
npx skills add git@git.myscrm.cn:skills/xxx-skills.git手动解压也是合法的兜底方案：把技能包解压到 ~/.openclaw/workspace/.agents/skills/baidu-search/，然后确认目录里能看到 SKILL.md 和 scripts 文件夹。重点是让 OpenClaw 的文件系统里出现一个结构完整的技能目录，缺了 SKILL.md，网关根本不会认为它是一个技能。
3.3 管理命令速查
装好之后，建议先跑一下：
npx skills list这条命令会列出当前已安装的技能，同时触发 OpenClaw 重新扫描技能目录。之后的日常操作还有 npx skills check 检查更新、npx skills update 批量更新、npx skills remove baidu-search 卸载技能。管理命令不多，但 list 这一步很值得养成习惯，它能在你手动解压后快速确认目录是否被识别。
4. 实战：让 baidu-search 真的去搜「今日AI新闻」
4.1 安装后先检查文件结构
跑技能前，先进入安装目录确认三件事：SKILL.md 存在且 frontmatter 格式完整，scripts/search.py 存在并且有执行权限，_meta.json 里的入口脚本和实际文件名一致。
ls -la ~/.openclaw/workspace/.agents/skills/baidu-search/ ls -la ~/.openclaw/workspace/.agents/skills/baidu-search/scripts/如果 search.py 没有执行权限，OpenClaw 调用时会直接失败，报错可能是 Permission denied。修复方式：chmod +x scripts/search.py。SKILL.md 的 frontmatter 长这样，抄的时候别漏了 name 和 description：
--- name: baidu-search description: 当用户需要搜索新闻或查询实时信息时使用本技能。 ---description 写得越清楚，模型越容易在这个技能和其他技能之间做出正确选择。
4.2 配置百度的搜索密钥
baidu-search 技能用百度搜索 API 返回结果，这一步是脚本自己的密钥，跟第 2 章的 TaoToken 无关。去百度 AI 开放平台创建一个应用，拿到 API Key 和 Secret Key，然后在当前终端里设置两个环境变量：
export BAIDU_API_KEY="YOUR_BAIDU_API_KEY" export BAIDU_SECRET_KEY="YOUR_BAIDU_SECRET_KEY"想把密钥固定下来的话：
echo 'export BAIDU_API_KEY="YOUR_BAIDU_API_KEY"' >> ~/.zshrc echo 'export BAIDU_SECRET_KEY="YOUR_BAIDU_SECRET_KEY"' >> ~/.zshrc source ~/.zshrc注意：这里的 BAIDU_API_KEY 和你从 TaoToken 拿到的模型 Key 不是同一个东西。搜索请求是脚本直接发给百度的，模型通道只负责让 OpenClaw 知道「该发这个请求了」。两者各管一段，排障时也要分开看。
4.3 先脱离 OpenClaw 测脚本
不要一上来就在 OpenClaw 对话框里测，那样变量太多。先直接调用脚本，确认搜索环节本身可用：
cd ~/.openclaw/workspace/.agents/skills/baidu-search/scripts python3 search.py "今日AI新闻"这一步通过，说明百度 API 的鉴权和网络都正常。如果这步已经报错，问题就出在百度密钥或脚本依赖，跟 OpenClaw 无关，先解决脚本再回去测网关。脚本能输出结果，再进下一步。
4.4 在 OpenClaw 里触发技能，并理清调用链路
脚本没问题，回到 OpenClaw 对话，输入：「使用百度搜索一下今天的人工智能新闻」。OpenClaw 收到这句话后，完整链路是：大模型先理解任务意图，这一步走的正是你在第 2 章配置的 TaoToken 模型通道；然后 OpenClaw 匹配到 baidu-search 的 SKILL.md，决定调用 scripts/search.py；脚本拿着百度 API Key 去请求搜索接口，把结果整理成文本返回给对话窗口。
如果第 4.3 步脚本能正常输出，但对话里 OpenClaw 不调用技能，问题几乎都出在模型通道：要么模型没有正确理解「应该使用搜索技能」，要么 SKILL.md 的触发条件写得太含糊。前者回头检查 2.2 里的配置，后者去改 SKILL.md 的 description，让它更贴近用户问法。
5. SSL、401 与技能不生效：跑 baidu-search 的真实排障
5.1 SSL 证书验证失败
公司内网经常出现这个报错：SSL: CERTIFICATE_VERIFY_FAILED。出现原因是技能包下载或百度 API 调用的证书链不完整。优先做法是联系网络管理员安装公司根证书；如果只是本机缺少中间证书，可以用 pip 更新一下 certifi 再重试脚本：
pip install --upgrade certifi python3 -c "import certifi; print(certifi.where())"注意不要为了绕过报错去关闭 SSL 验证，那会把你的 Key 明文暴露在网络里。证书问题的核心是信任链，把根证书补上才是正解。
5.2 OpenClaw 报 401 或 Missing API key
这是模型通道没配好，跟百度 Key 无关。排查顺序先看环境变量：
echo $OPENCLAW_API_KEY echo $OPENCLAW_BASE_URL确认 OPENCLAW_API_KEY 对应的正是你在 TaoToken 控制台创建的那个 Key，不要带引号，不要有多余空格。再确认 OPENCLAW_BASE_URL 是 https://taotoken.net/api，不是官网落地页。很多人会把这两个地址搞混，记住一句话：人用落地页，机器用接口地址。接口地址末尾也不要习惯性加 /v1，OpenClaw 会自己拼路径，多加了反而连不上。
5.3 技能不生效，日志里没有脚本调用
如果对话里 OpenClaw 一直空转、日志看不到脚本调用记录，按下面顺序排查：
ls ~/.openclaw/workspace/.agents/skills/baidu-search/ head -30 ~/.openclaw/workspace/.agents/skills/baidu-search/SKILL.md tail -f ~/.openclaw/logs/gateway.logSKILL.md 的 description 如果写得太笼统，模型会犹豫要不要派技能。比如只写「搜索工具」就太泛，写成「当用户需要搜索新闻、查询实时信息或了解最近发生的事件时使用」就明确得多。如果 gateway.log 里一直没有新的脚本调用记录，说明问题又在模型理解环节，先回到 2.3 的最小对话验证，确认模型通道还活着。
6. 技能组合与模板：后续还能怎么玩
6.1 技能组合：搜索完再送一步
baidu-search 只是第一步，OpenClaw 支持多个技能按顺序协同。比如搜索到「今日AI新闻」后，可以让另一个技能把结果格式化，再交给一个消息通知类技能发送到群聊。这个组合不复杂，本质上是让模型根据多个 SKILL.md 的描述，把任务切分成：先搜索、再整理、最后发送。每个技能只负责自己那一段，模型通道始终走同一个 Key，不需要为每个技能单独配模型，这也是统一接入通道最省心的地方。
6.2 把自己的技能模板固化下来
下次要写新技能时，不用从零开始：
mkdir -p my-skill-template/{scripts,references} touch my-skill-template/SKILL.md my-skill-template/scripts/main.py cp -r my-skill-template ~/.openclaw/workspace/.agents/skills/new-skill然后照着 baidu-search 的 SKILL.md 结构填触发条件，把 scripts 里的业务逻辑替换成你自己的。如果你的新技能也要消耗模型 Token，第 2 章的配置依然有效，同一个 OPENCLAW_API_KEY 可以支撑多个技能同时跑。调完技能后，顺手去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 的用量页面看一眼，刚才那次「今日AI新闻」的调度究竟消耗了多少 token，这个数据会帮你判断后续还敢不敢让模型再多拆几步。
 演示深度解析)
