1. 为什么要在 GitHub Codespaces 里跑 OpenClaw 加 Ollama
OpenClaw 是一个把本地模型、云端模型统一接到一个聊天入口的开源网关，你可以把它理解成一个「模型路由器」：前端是浏览器里的对话框，后端可以挂 Ollama 本地推理、也可以挂云端 API。它适合谁？适合手头没有高配显卡、又想零成本验证多模型推理效果的开发者。GitHub Codespaces 每个月给免费额度，4 核 16G 的机器足够跑通 OpenClaw 网关本身，Ollama 负责把模型拉起来，两者组合起来就是一套可复现的本地推理环境。
我这次的目标很明确：在 Codespaces 里把 OpenClaw 跑起来，用 Ollama 拉一个模型，浏览器里发一条对话请求验证链路通不通，最后再把 endpoint 切到 TaoToken 的统一 Key/API 通道，这样就能在不换环境的前提下扩展可用模型。整个过程不需要本地装任何东西，一台能开浏览器的电脑就够。
先说清楚几个概念，避免后面命令看不懂。Codespaces 是 GitHub 提供的云端开发容器，本质是一台跑在云上的 Linux 机器，你通过浏览器里的 VS Code 操作它。Ollama 是本地推理运行时，一条命令就能拉模型、起服务，默认监听 11434 端口。OpenClaw 是网关层，它启动后会开一个 Web 聊天界面，同时暴露 Gateway 接口给 CLI、手机 App、Node 节点连接。三者关系是：浏览器 → OpenClaw Gateway → Ollama（或云端 API）。
这里有个容易踩的坑：Codespaces 的端口默认是私有的，浏览器直接访问会 404 或超时，必须把端口转发设成 public，或者用 Codespaces 自动生成的转发 URL。后面配置章节会具体写。
另外提醒一句，Ollama 官方安装脚本会往系统里写服务，Codespaces 容器重启后 Ollama 服务不会自动拉起，所以每次重开 Codespace 都要重新执行ollama serve &。这不是 bug，是容器生命周期决定的，习惯就好。
这一章先把场景和链路讲透，下一章进入 TaoToken 的前置准备，因为后面扩展模型时会用到它的统一 Key。
2. TaoToken 前置准备：统一 Key 与 API 通道怎么拿
OpenClaw 本身只负责路由，它不生产模型。Ollama 能拉到的模型受限于本地算力和镜像大小，Codespaces 免费机器跑 7B 以下的量化模型还行，再大就吃力。这时候就需要一个云端通道来补位，TaoToken 提供的就是这个统一入口：一个 Key 走通多家模型，Base URL 固定，Model ID 按需切换。
先打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 注册账号。注册流程不复杂，邮箱加密码即可，登录后进控制台。控制台左侧菜单里找 API Keys，点新建，系统会生成一串以sk-开头的密钥。这串 Key 只显示一次，复制下来存好，后面配置 OpenClaw 和验证请求都要用。
拿到 Key 之后，记下两个固定值：Base URL 是https://taotoken.net/api，这个地址不带任何查询参数，直接作为 OpenAI 兼容接口的根路径。Model ID 则根据你要用的模型填，比如MiniMax-M2.5这类名称，具体以控制台模型列表为准。这三个东西——Base URL、Key、Model ID——就是后面所有配置的核心三件套，缺一不可。
如果你只是想先验证模型对话效果，不想折腾配置，可以直接用模型对话页面 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 发一条消息试试，确认 Key 有效、模型可用。这一步相当于「试钥匙」，确认没问题再往 OpenClaw 里接。
对于长期做编码或 Agent 场景的，可以了解下 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，它针对高频调用做了额度优化。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，里面有各语言的调用示例，配置 OpenClaw 时对照着看会省很多时间。
这里要强调一点：TaoToken 是合规的 API 聚合通道，不是任何形式的非法中转，配置时按官方文档填 Base URL 和 Key 即可，不要自行拼接奇怪的路径。Key 泄露了就在控制台吊销重建，别硬扛。
前置准备做完，下一章进入 Codespaces 里的实际配置，包括 devcontainer、Ollama 安装、端口转发和 OpenClaw 启动。
3. 可复制配置：devcontainer、Ollama 与 OpenClaw 启动
这一章是全文的核心操作区，每一步都能直接复制执行。先建仓库：登录 GitHub，新建一个空仓库，名字随意，比如openclaw-codespace。建好后从左侧菜单进 Codespaces，点右上角 New codespace，Repository 选刚建的仓库，Machine type 选 4C16G。配置越高，Ollama 拉模型越顺。
Codespace 打开后是一个 VS Code 界面，底部有终端。第一步装 Ollama，执行：
curl -fsSL https://ollama.com/install.sh | sh装完验证一下版本：
ollama --version能打印版本号就说明装好了。接着起服务，注意要放后台：
ollama serve &服务默认监听127.0.0.1:11434。Codespaces 里这个端口是容器内部的，浏览器访问不到，需要做端口转发。在 VS Code 底部面板切到 Ports 标签，点 Forward a Port，填 11434，然后把 Visibility 改成 Public。这样你会得到一个类似https://xxxx-11434.app.github.dev的地址，这个就是 Ollama 的外部入口。
接下来配置 OpenClaw。先拉一个模型，Codespaces 免费机器建议从小模型开始：
ollama pull minimax-m2.5:cloud如果这个 tag 拉不动，换成ollama pull qwen2.5:1.5b这类小模型先跑通链路。拉完后启动 OpenClaw：
ollama launch openclaw --model minimax-m2.5:cloud这条命令会启动 OpenClaw 网关并绑定指定模型。启动日志里会打印一个 token，复制下来。浏览器打开 Codespaces 转发的 OpenClaw 端口（通常是 3000 或日志里提示的端口），URL 拼上 token：
https://your-url/chat?session=main&token=你的token如果页面提示 Pairing required，说明设备配对没批准。新开一个终端执行：
openclaw devices list复制待批准的 Request ID，执行：
openclaw devices approve dcf794ee-8879-4866-9bc4-8f65dfa11153把 ID 换成你自己的。批准后刷新页面，聊天框就能用了。
现在把 endpoint 切到 TaoToken。OpenClaw 的配置文件通常在~/.openclaw/config.json或项目根目录的openclaw.config.json，具体路径以启动日志为准。配置片段如下：
{ "gateway": { "port": 3000, "auth": { "token": "你的openclaw_token" } }, "providers": [ { "name": "taotoken", "type": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的taotoken_key", "models": [ { "id": "MiniMax-M2.5", "name": "MiniMax-M2.5" } ] } ], "defaultProvider": "taotoken" }如果你用的是 TOML 格式，等价写法：
[gateway] port = 3000 [gateway.auth] token = "你的openclaw_token" [[providers]] name = "taotoken" type = "openai-compatible" baseUrl = "https://taotoken.net/api" apiKey = "sk-你的taotoken_key" defaultProvider = true [[providers.models]] id = "MiniMax-M2.5" name = "MiniMax-M2.5"改完配置重启 OpenClaw，让它重新加载。这样 OpenClaw 就同时有了 Ollama 本地模型和 TaoToken 云端模型两条通道，前端聊天框里可以切换。
配置阶段最容易出错的是 JSON 逗号、引号不配对，建议用python -m json.tool config.json校验一下再重启。下一章做验证请求。
4. 验证请求：一次对话跑通全链路
配置改完，必须验证。验证分两层：先验 Ollama 本地通道，再验 TaoToken 云端通道。两层都通，说明 OpenClaw 路由没问题。
先验 Ollama。在终端直接打 Ollama 的 API：
curl http://127.0.0.1:11434/api/generate -d '{ "model": "minimax-m2.5:cloud", "prompt": "用一句话解释什么是网关", "stream": false }'返回 JSON 里如果有response字段且内容正常，说明 Ollama 推理链路通。如果报model not found，回去执行ollama list确认模型名，名字必须完全一致。
再验 OpenClaw 到 Ollama 的转发。用 OpenClaw 的 Gateway 接口发一条：
curl -X POST http://127.0.0.1:3000/v1/chat/completions \ -H "Authorization: Bearer 你的openclaw_token" \ -H "Content-Type: application/json" \ -d '{ "model": "minimax-m2.5:cloud", "messages": [{"role": "user", "content": "你好，做个自我介绍"}], "stream": false }'返回结构里应该有choices[0].message.content。如果这里报 401，说明 token 不对；报local proxy failed，说明 OpenClaw 到 Ollama 的地址配错了，检查配置里 Ollama 的 baseUrl 是不是http://127.0.0.1:11434。
最后验 TaoToken 通道。把 model 换成MiniMax-M2.5，其他不变：
curl -X POST http://127.0.0.1:3000/v1/chat/completions \ -H "Authorization: Bearer 你的openclaw_token" \ -H "Content-Type: application/json" \ -d '{ "model": "MiniMax-M2.5", "messages": [{"role": "user", "content": "用三句话说明云端模型和本地模型的区别"}], "stream": false }'如果返回正常，说明 OpenClaw 已经成功把请求转发到 TaoToken 的https://taotoken.net/api，并且用你配置的 Key 完成了鉴权。这一步通了，整个环境就算搭好了。
浏览器端再确认一次：打开聊天页面，在模型下拉里切换 Ollama 模型和 TaoToken 模型，各发一条消息，看回复是否正常。如果浏览器里报reading choices错误，通常是返回体不是标准 OpenAI 格式，检查 TaoToken 的 Base URL 有没有多写斜杠或路径。
验证通过后，你可以把 Codespace 的配置提交到仓库，下次重开直接复用。devcontainer 里可以把 Ollama 安装和 OpenClaw 启动写成 postCreateCommand，省得每次手动敲。下一章集中讲报错排查。
5. 常见报错排查：401、local proxy failed、reading choices、OAuth
这一章把我在配置过程中真实遇到的报错列出来，对照着改基本能解决。
401 Unauthorized。两种可能：一是 OpenClaw 的 token 填错，检查 URL 里的 token 和配置里的gateway.auth.token是否一致；二是 TaoToken 的 Key 失效或写错，去控制台重新复制，注意sk-前缀别丢。如果 Key 是对的还报 401，检查请求头是不是Authorization: Bearer sk-xxx，少个空格也会挂。
local proxy failed。这个报错说明 OpenClaw 连不上 Ollama。先确认ollama serve还在跑，curl http://127.0.0.1:11434/api/tags能不能返回模型列表。如果 Ollama 在跑但 OpenClaw 连不上，检查配置里 Ollama 的 baseUrl 是不是写成了外部转发地址，应该写http://127.0.0.1:11434，容器内部通信不走公网。
reading choices 报错。通常是返回体不是标准 OpenAI 结构。检查 TaoToken 的 Base URL 是不是https://taotoken.net/api，不要写成https://taotoken.net/api/v1，路径重复会导致返回 404 页面，解析时自然读不到choices。另外确认 model ID 拼写和大小写，MiniMax-M2.5和minimax-m2.5在部分网关里不等价。
OAuth 登录问题。Ollama 云端模型需要授权，浏览器打开日志里提示的链接完成登录即可。如果链接打不开，检查 Codespaces 端口转发是不是设成了 Public。登录后回到终端重新执行ollama launch openclaw。
Pairing required 反复出现。设备批准后如果还提示，检查是不是换了浏览器或清了 cookie，设备身份变了要重新批准。执行openclaw devices list看有没有新的 pending request。
端口转发 404。Codespaces 的端口默认私有，必须在 Ports 面板把对应端口 Visibility 改成 Public。改完等几秒再访问，DNS 生效有延迟。
模型拉取超时。Codespaces 网络对某些镜像源不稳定，换小模型先跑通，或者重试几次。拉取失败不会影响已装好的 Ollama 服务。
排查顺序建议：先 curl Ollama 本地，再 curl OpenClaw 本地，最后 curl TaoToken 通道，逐层定位，别一上来就怀疑配置。下一章给出 CTA 分流。
6. 扩展与 CTA：把通道用起来
环境搭好只是起点。OpenClaw 的价值在于它把本地和云端模型统一到一个入口，你可以在聊天框里按任务切换：简单问答走 Ollama 本地省额度，复杂推理走 TaoToken 云端模型。配置里 providers 数组可以加多个，每个 provider 对应一个 Base URL 和 Key，OpenClaw 会按 defaultProvider 或前端选择来路由。
如果你主要做排障和接入，建议先把 API Keys 和接入文档过一遍：API Keys 在控制台 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。这两个页面配合看，配置 provider 时不会迷路。
如果你只是想验证某个模型的效果，直接用模型对话页面 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 发消息，比在 OpenClaw 里配半天快得多。验证完再决定要不要接进网关。
长期做编码或 Agent 的，Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 值得看一下，额度模型对高频调用更友好。另外 Claude Code 相关的接入可以参考 https://taotoken.net/claude-code?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，里面有针对 Anthropic 兼容接口的说明。
最后给个实用技巧：把 Codespaces 的 devcontainer 配置提交到仓库，postCreateCommand 里写 Ollama 安装和 OpenClaw 启动脚本，下次开 Codespace 自动就绪。配置里的 Key 用 Codespaces Secrets 注入，别硬编码进仓库，避免泄露。这样一套可复现的本地推理环境就真正成型了。
