1. 为什么要在飞书群里接一个 OpenClaw 机器人
OpenClaw 是一个本地优先的 AI 代理网关，它本身不训练模型，而是把大模型能力、本机权限和聊天工具串起来。飞书机器人则是这套链路里最顺手的入口：群里 @ 一下就能触发任务，结果直接回到会话里，不用再切网页。适合需要在飞书群内触发 AI 能力的开发者，比如让机器人读文档、跑脚本、整理日程。
真正卡人的地方通常不在 OpenClaw 本体，而在两件事：一是模型鉴权，二是飞书事件订阅的回调链路。模型侧如果每个渠道都单独配 Key，维护成本会很高；飞书侧如果回调地址或事件类型没配对，消息根本进不来。这篇就把这两段拆开，给出 TaoToken 统一 Key 的 config.toml 骨架、飞书事件订阅的配置动作，以及用 curl 验证消息收发是否打通的完整流程。
我试过把模型 Key 散落在多个配置文件里，改一次要翻三处，后来统一收敛到 TaoToken 的 Key 上，OpenClaw 只认一个 base_url 和一个 token，换模型只改 model 字段。下面按可跟做的顺序来。
2. TaoToken 前置：统一 Key 与接入地址
TaoToken 在这里扮演的是模型调用的统一入口。你不需要在 OpenClaw 里为每个模型供应商写一套鉴权逻辑，只要拿到一个 Key，把 base_url 指向 TaoToken 的 API 地址，OpenClaw 发出的推理请求就会走这条通道。对飞书机器人来说，这意味着群里触发的每一次对话、每一个任务，背后调用的模型都是同一套鉴权，排查问题时只需要看一个地方。
先到控制台创建 API Key。打开 https://taotoken.net/api-keys ，登录后新建一个 Key，复制出来。这个 Key 只显示一次，建议先存到密码管理器里。注意不要把它写进会提交到 Git 的配置文件，后面我们会用环境变量或本地 config.toml 承载。
接入地址用 https://taotoken.net/api ，这是 OpenAI 兼容风格的 base_url，OpenClaw 的模型配置里填这个即可。如果你用的是 Anthropic 风格的调用，文档里也给了对应路径，参考 https://taotoken.net/doc 里的说明。模型名按你实际要用的填，比如 claude 系列或 gpt 系列，具体可用列表在模型对话页能看到：https://taotoken.net/model-chat 。
注意：Key 属于敏感凭据，不要贴到飞书群、issue 或公开仓库里。回调验证阶段如果报 401，先检查 Key 是否复制完整、有没有多余空格。
3. 可复制配置：config.toml 骨架与飞书事件订阅
3.1 OpenClaw 的 config.toml 骨架
OpenClaw 的配置一般放在工作目录下的 config.toml。下面是一个可直接改的骨架，重点是 models 段指向 TaoToken，channels 段启用飞书。字段名以你本地版本为准，结构参考即可。
# OpenClaw 主配置骨架 [gateway] host = "127.0.0.1" port = 18789 [models] # 统一走 TaoToken，换模型只改 model 字段 provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "${TAOTOKEN_API_KEY}" model = "claude-3-5-sonnet" timeout_seconds = 60 [channels.feishu] enabled = true app_id = "${FEISHU_APP_ID}" app_secret = "${FEISHU_APP_SECRET}" # 事件订阅模式：长连接或 webhook，二选一 event_mode = "webhook" verification_token = "${FEISHU_VERIFICATION_TOKEN}" encrypt_key = "${FEISHU_ENCRYPT_KEY}" # 回调路径，需与飞书后台填写的一致 webhook_path = "/feishu/events" [agent] workspace = "./workspace" max_steps = 12把${TAOTOKEN_API_KEY}这类占位符换成真实值，或者用 shell 导出环境变量后启动。用环境变量的好处是配置文件可以进版本库而不泄露凭据。
export TAOTOKEN_API_KEY="你的Key" export FEISHU_APP_ID="cli_xxxxxx" export FEISHU_APP_SECRET="xxxxxx" export FEISHU_VERIFICATION_TOKEN="xxxxxx" export FEISHU_ENCRYPT_KEY="xxxxxx" openclaw start3.2 飞书应用与事件订阅配置
在飞书开放平台新建企业自建应用，启用机器人能力。权限部分可以直接导入下面这段 JSON，覆盖消息收发、群聊读取、文档只读等常用范围。权限按最小必要原则裁剪，用不到的可以删。
{ "scopes": { "tenant": [ "im:message", "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message:send_as_bot", "im:message:readonly", "im:chat:read", "im:resource", "contact:contact.base:readonly", "docx:document:readonly" ], "user": [ "offline_access", "contact:user.base:readonly", "im:message.p2p_msg:get_as_user", "im:message.group_msg:get_as_user" ] } }事件订阅是关键一步。在「事件与回调」里选择请求地址模式，把回调地址填成你的 OpenClaw 网关可被飞书访问的地址，路径与 config.toml 里的webhook_path一致，例如https://your-domain.com/feishu/events。然后添加事件im.message.receive_v1，这是机器人能收到消息的核心事件。如果只做群内 @ 触发，再确认群聊相关权限已开。
注意：回调地址必须是公网可达的 HTTPS。本地开发可以用内网穿透工具把 18789 端口映射出去，但不要把网关直接暴露成无鉴权的公网服务，飞书的 verification_token 和 encrypt_key 要填对。
4. 验证请求：用 curl 打通消息收发
配置写完先别急着在群里发消息，用 curl 分两步验证，能快速定位是模型侧还是飞书侧的问题。
4.1 验证 TaoToken 模型调用
先确认 Key 和 base_url 能正常返回。这一步不经过飞书，纯粹测模型通道。
curl -s https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-3-5-sonnet", "messages": [{"role": "user", "content": "ping"}], "max_tokens": 16 }'返回里能看到choices字段和一段文本，说明模型通道通了。如果返回 401，检查 Key；返回 404，检查 base_url 是否多了或少了/v1；返回超时，检查网络出口。
4.2 验证飞书回调地址
飞书在保存回调地址时会发一个 challenge 校验请求。你也可以手动模拟一次，确认网关能响应。
curl -s -X POST https://your-domain.com/feishu/events \ -H "Content-Type: application/json" \ -d '{ "type": "url_verification", "challenge": "test-challenge-123", "token": "'"$FEISHU_VERIFICATION_TOKEN"'" }'期望返回里包含challenge字段且值与请求一致。如果返回 403，多半是 verification_token 不匹配；返回 404，检查 webhook_path 和反向代理转发规则。
4.3 端到端：群里发一条消息
两步都通之后，把机器人拉进飞书群，@ 它发一句「你好」。观察 OpenClaw 日志里是否出现im.message.receive_v1事件，以及随后是否有模型调用记录。正常的话，群里几秒内会收到回复。如果事件进来了但没回复，问题在模型段；如果事件根本没进来，回到 4.2 检查回调。
5. 本篇常见错排查
回调地址保存失败：飞书要求 HTTPS 且证书有效，自签证书会被拒。检查域名解析和证书链，确认反向代理把/feishu/events转发到了 OpenClaw 的 18789 端口。
事件进来了但机器人不回复：先看 OpenClaw 日志里模型调用是否报错。常见的是 base_url 写成了https://taotoken.net而漏了/api，或者 model 字段填了不存在的模型名。回到 4.1 用 curl 复测。
群里 @ 没反应，私聊正常：群聊需要im:message.group_at_msg:readonly权限，并且机器人要被拉进群。检查权限 JSON 是否导入成功，以及事件订阅里是否只加了私聊事件。
401 与 403 混在一起：401 通常是 TaoToken Key 问题，403 通常是飞书 verification_token 或 encrypt_key 问题。两者分属不同层，按 4.1 和 4.2 分别定位，不要一起改。
重复收到消息：飞书在未及时 ACK 时会重推事件。确认 OpenClaw 在收到事件后尽快返回 200，并且对同一 message_id 做了去重。日志里如果看到同一事件多次出现，检查网关处理耗时是否超过了飞书的超时阈值。
encrypt_key 开启后回调失败：开启加密后，飞书发来的 body 是加密的，OpenClaw 需要配置相同的 encrypt_key 才能解密。如果只填了 verification_token 没填 encrypt_key，会解密失败。两边保持一致，或者先关闭加密调试。
6. 接下来怎么走
模型通道和飞书回调都验证通过后，你可以把 OpenClaw 的能力往深里用：在群里触发文档整理、定时任务、代码检查。如果后面要长期跑编码类或 Agent 类任务，建议看一下 Coding Plan，额度模型更适合持续调用：https://taotoken.net/coding-plan 。需要管理多个 Key 或查看用量，回控制台：https://taotoken.net/console 。飞书事件和权限的细节以官方文档为准，TaoToken 侧的接入说明在 https://taotoken.net/doc 。把 config.toml 里的占位符换成真实值，重启网关，群里再 @ 一次，链路就完整了。
