1. 本地 OpenClaw 装完大模型后，Skill 为什么必须单独装
很多人第一次把 OpenClaw 跑起来，是跟着向导一路回车走完的。模型接上了，对话能通，于是以为万事大吉。结果真让它干点活——读个文件、查个网页、跑个脚本——它只会礼貌地告诉你「我做不到」。这不是模型笨，而是它手里没有工具。OpenClaw 里的 Skill 就是给大模型配的「手和脚」：一个 Skill 对应一类能力，比如文件管理、网页抓取、代码执行。没有 Skill，模型只是个会聊天的空壳；装上 Skill，它才能在你的本地环境里真正动手。
这篇聚焦的就是本地 OpenClaw 接入大模型之后，Skill 的完整安装链路。我会把两条路都走一遍：一条是用 clawhub 命令行装（推荐，省事），一条是手动下载 zip 丢进目录（适合内网或想改源码的场景）。中间会穿插 npm 依赖获取、settings.json 骨架配置，以及最容易被忽略的验证动作。最后再把 TaoToken 的统一 Key 和 API 通道接进来，让 Skill 里那些需要调模型的环节走同一条出口，不用每个 Skill 单独填一遍密钥。
适合谁看：已经在本地把 OpenClaw 跑起来、模型对话正常、但 Skill 列表是空的人；或者装了一半被 clawhub 限流卡住、不知道 token 怎么配的人。跟着做，你能得到一条从零到「openclaw skills list 能看到东西」的完整路径。
2. 装 Skill 之前，先把 TaoToken 的 Key 和通道准备好
Skill 本身是本地能力，但不少 Skill 在执行过程中要回调大模型——比如让它总结一段抓下来的网页、或者根据自然语言决定调哪个工具。这时候如果每个 Skill 都让你填一次 API Key，配置会散得到处都是。更省事的做法是让 OpenClaw 走一个统一的 API 通道，所有 Skill 共用一份凭证。
TaoToken 在这里扮演的就是这个统一出口。你可以在它的控制台里生成一个 Key，然后把 OpenClaw 的模型请求指向它的 API 地址。这样 Skill 安装时提示要 API Key 的地方，填的都是同一个，后续换模型或加 Skill 也不用反复改。
具体操作：打开 https://taotoken.net/api 对应的控制台入口，进 API Keys 页面新建一个 Key，复制出来先存好。这个 Key 后面会写进 OpenClaw 的配置里。如果你还没决定用哪个模型，可以先去模型对话页面试几下，确认通道通了再往下走。对于要长期跑编码类 Skill 的场景，Coding Plan 会更划算，这个后面配置时按需选。
需要提醒的是，TaoToken 在这里只是模型请求的通道，不碰你本地的文件系统，也不接管 OpenClaw 的 Skill 执行逻辑。Skill 该在本地跑还是在本地跑，Key 只负责让需要模型的那一步能出去。
3. 用 clawhub 安装 Skill 的完整命令与认证流程
clawhub 是 OpenClaw 生态里的 Skill 包管理器，类似 npm 之于 Node。它把 Skill 的下载、依赖解析、版本管理都包了，所以官方推荐优先用它。
3.1 安装 clawhub 本体
先确认本地有 Node 环境，然后全局装：
npm install -g clawhub装完验证一下版本，能打印出来就说明 PATH 没问题：
clawhub -v如果提示 command not found，多半是 npm 全局 bin 目录没进 PATH。用npm config get prefix看一下路径，把它加到环境变量里再重开终端。
3.2 安装第一个 Skill 并处理限流
直接装一个常用的 skill-vetter 试试：
clawhub install skill-vetter这时候很可能会撞上限流。未认证状态下 clawhub 每小时只放 60 次请求，装几个就没了。解决办法是登录认证：
clawhub login它会自动拉起浏览器，走 GitHub 授权，登录后生成一个 token。把 token 复制回终端粘贴，看到认证成功的提示就行。认证之后请求额度会放宽，继续装：
clawhub install skill-vetter3.3 验证 Skill 是否真的装上了
装完别急着用，先确认它进了列表。两个命令都跑一下：
clawhub list openclaw skills list前者是 clawhub 自己记录的已装包，后者是 OpenClaw 实际加载到的 Skill。两个都能看到 skill-vetter，才算真正生效。如果 clawhub list 有、openclaw skills list 没有，说明 Skill 没被 OpenClaw 的工作区识别，检查一下工作目录对不对。
4. 手动安装 Skill：下载、拷贝与目录结构
有些环境没法直连 clawhub，或者你想改 Skill 源码，就得手动来。流程不复杂，但目录别放错。
先去 ClawHub 网站搜你要的 Skill，比如 file-manager，下载 zip 压缩包。解压后你会看到一个带版本号的文件夹，比如file-manager-1。把这个文件夹整个拷到 OpenClaw 工作目录下的 skills 目录里。结构大概是这样：
<openclaw-workspace>/ skills/ file-manager-1/ skill.json index.js ...拷完再跑一次验证：
openclaw skills list列表里出现 file-manager-1 就对了。手动装的好处是你能直接打开 skill.json 看它声明了哪些依赖、需要什么参数；坏处是依赖得自己装。如果 Skill 带了 package.json，进它的目录跑一次：
npm install依赖没装齐的话，Skill 加载时可能不报错，但一执行就挂，这种坑后面排障部分会细说。
5. settings.json 骨架配置与 openclaw config 向导
Skill 装上了，还得让 OpenClaw 知道去哪找模型、用哪个 Key。这部分配置集中在 settings.json 里。一个能跑通的最小骨架长这样：
{ "gateway": { "mode": "local", "url": "ws://127.0.0.1:18789" }, "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "你的_TaoToken_Key", "model": "你的模型名" }, "skills": { "enabled": true, "workspace": "./skills" } }几个关键点：gateway.mode选 local，表示网关跑在本机；baseUrl指向 TaoToken 的 API 地址，所有走模型的 Skill 都会用这个出口；apiKey就是第 2 步存下来的那个；skills.workspace要和实际放 Skill 的目录对上。
如果你不想手改 JSON，也可以用向导：
openclaw config按方向键选Local (this machine)，网关地址确认是ws://127.0.0.1:18789。下一步勾选Skills (Install/enable workspace skills)，空格键选中，Continue 进 Skill 列表。在列表里空格选目标 Skill，Enter 确认安装。部分 Skill 会当场要 API Key，把 TaoToken 的 Key 粘进去即可。向导改完的配置同样落到 settings.json，可以打开核对一遍。
6. 验证请求与 Skill 加载成功的检查动作
配置写完，重启 OpenClaw 让 settings.json 生效。然后按顺序做三个检查。
第一，看 Skill 列表：
openclaw skills list确认目标 Skill 在列，且状态是 enabled 而不是 error。
第二，发一条会触发 Skill 的指令。比如装了 file-manager，就让它列一下当前目录：
列出当前工作目录下的所有文件如果模型回复里带上了真实文件名，说明 Skill 被调用且执行成功。如果它还是说「我无法访问文件系统」，那就是 Skill 没加载或没启用。
第三，单独验证模型通道。随便问一句需要模型回答的话，看请求能不能通。如果 Skill 执行到一半报鉴权错误，多半是 settings.json 里的 apiKey 或 baseUrl 写错了。这时候回 TaoToken 控制台确认 Key 还有效，再核对地址有没有多余斜杠。
三个检查都过，整条链路就算跑通了：OpenClaw 本地网关在跑，Skill 已加载，模型请求经 TaoToken 出去再回来。
7. 本篇常见错误排查
clawhub 装完 command not found：npm 全局 bin 没进 PATH。npm config get prefix拿到路径，加进环境变量，重开终端。
clawhub install 报 429 或限流：没登录。跑clawhub login走 GitHub 认证，拿到 token 后额度放宽。
clawhub list 有但 openclaw skills list 没有：Skill 没放进 OpenClaw 的工作区 skills 目录，或者 settings.json 里skills.workspace指错了地方。两边对齐即可。
Skill 加载了但一执行就报模块找不到：手动装的 Skill 依赖没装。进 Skill 目录跑npm install，再重启 OpenClaw。
Skill 执行时报 401 或鉴权失败：settings.json 里的 apiKey 不对，或者 baseUrl 写成了带路径的地址。回 TaoToken 控制台重新生成 Key，地址只保留到/api。
改了 settings.json 没生效：OpenClaw 没重启。配置是启动时读的，改完必须重启进程。
向导里勾了 Skill 但列表还是空：向导只负责启用，不负责下载。clawhub 或手动安装那步不能省，得先让 Skill 文件落到目录里。
排障时如果拿不准是通道问题还是 Skill 问题，可以先去模型对话页面单独发一条请求，确认 TaoToken 通道本身是通的，再回头查 Skill。接入相关的细节可以对照接入文档逐项核对。要是你打算长期跑编码类或 Agent 类 Skill，Coding Plan 的额度模型更适合这种高频调用场景，配置方式一样，只是套餐不同。
把上面这些走完，你的本地 OpenClaw 就不再是个只会聊天的壳子了。Skill 装好、通道接好、验证动作做到位，后面加新 Skill 就是重复clawhub install加一次openclaw skills list的事。真正容易翻车的从来不是安装命令本身，而是目录对不对、Key 有没有生效、改完配置有没有重启——这三件事盯住，基本不会卡住。
