上周 OpenClaw Skills 生態(tài)突然爆了，我 timeline 全是各種花式 Skill 展示。說實(shí)話一開始我是拒絕的——又一個平臺？但看到有人用它接了 GLM5 做微信 Bot，還有人搞了個 Three.js 可視化 Skill，我坐不住了，花了兩天時間從零把 OpenClaw 接上大模型 API 跑通了。

OpenClaw 接入大模型 API 的核心步驟：注冊賬號 → 創(chuàng)建 Skill → 配置 LLM Provider（填入兼容 OpenAI 協(xié)議的 API 地址和 Key）→ 編寫 Skill 邏輯 → 測試發(fā)布。 最關(guān)鍵的一步是 LLM Provider 配置，選對 API 服務(wù)能省掉 80% 的麻煩。

先說結(jié)論

配置 LLM Provider 這步坑最多，下面重點(diǎn)講。

環(huán)境準(zhǔn)備

你需要準(zhǔn)備：

• OpenClaw 賬號（官網(wǎng)注冊，目前開放申請）
• 一個兼容 OpenAI 協(xié)議的 API Key（后面會講怎么選）
• Node.js 18+（本地調(diào)試用）
• 你喜歡的編輯器（我用 Cursor）

先裝 OpenClaw CLI：

npm install -g @openclaw/cli
openclaw login

登錄成功會在終端看到你的用戶名，這步?jīng)]啥坑。

方案一：直接用各家官方 API

最直覺的做法——拿到哪家模型的 Key 就填哪家的。

創(chuàng)建一個 Skill 項(xiàng)目：

openclaw create my-first-skill --template llm-basic
cd my-first-skill

項(xiàng)目結(jié)構(gòu)長這樣：

my-first-skill/
├── skill.yaml # Skill 元信息
├── src/
│ └── index.ts # 主邏輯
├── package.json
└── .env # API 配置

編輯 skill.yaml，配置 LLM Provider：

name: my-first-skill
version: 0.1.0
description: "我的第一個 OpenClaw Skill"
providers:
 llm:
 protocol: openai-compatible
 base_url: "https://api.openai.com/v1"
 model: "gpt-5"

然后在 src/index.ts 里寫核心邏輯：

import { defineSkill, llm } from '@openclaw/sdk';
export default defineSkill({
 name: 'smart-summary',
 description: '輸入一段文字，返回結(jié)構(gòu)化摘要',
 async handler(input: { text: string }) {
 const response = await llm.chat({
 model: 'gpt-5',
 messages: [
 { role: 'system', content: '你是一個擅長結(jié)構(gòu)化摘要的助手，輸出用 markdown 格式。' },
 { role: 'user', content: `請為以下內(nèi)容生成結(jié)構(gòu)化摘要：\n\n${input.text}` }
 ],
 temperature: 0.3,
 });
 return {
 summary: response.choices[0].message.content,
 model: response.model,
 tokens: response.usage?.total_tokens,
 };
 }
});

本地測試：

openclaw dev
# 另開終端
curl -X POST http://localhost:3800/invoke \
 -H "Content-Type: application/json" \
 -d '{"text": "OpenClaw 是一個開放的 AI Skills 平臺..."}'

問題來了：直連官方 API，延遲波動很大，我測了幾次 GPT-5 的響應(yīng)時間在 800ms-3000ms 之間飄。而且不同模型要分別申請 Key、分別配置。我想在 Skill 里 根據(jù)任務(wù)復(fù)雜度動態(tài)切換模型——簡單任務(wù)用 DeepSeek V3 省錢，復(fù)雜任務(wù)用 Claude Opus 4.6——就得維護(hù)好幾套配置，煩死了。

方案二：用聚合 API 一套配置搞定

折騰了一圈，最省事的方案是用聚合 API。我現(xiàn)在用的是 ofox.ai，它是一個 AI 模型聚合平臺，一個 API Key 可以調(diào)用 GPT-5、Claude Opus 4.6、Gemini 3、DeepSeek V3、GLM5 等 50+ 模型，兼容 OpenAI 協(xié)議，低延遲直連無需代理，支持支付寶付款。

配置改動非常小，skill.yaml 只需要改 base_url：

providers:
 llm:
 protocol: openai-compatible
 base_url: "https://api.ofox.ai/v1" # 聚合接口，一個 Key 用所有模型
 model: "gpt-5"

.env 文件：

OPENCLAW_LLM_API_KEY=your-ofox-api-key

這樣一來，Skill 代碼里可以隨意切換模型，不用動任何配置：

import { defineSkill, llm } from '@openclaw/sdk';
export default defineSkill({
 name: 'adaptive-qa',
 description: '根據(jù)問題復(fù)雜度自動選擇模型的問答 Skill',
 async handler(input: { question: string; mode?: 'fast' | 'quality' }) {
 // 簡單模式用 DeepSeek V3 省錢，質(zhì)量模式用 Claude Opus 4.6
 const model = input.mode === 'quality' ? 'claude-opus-4.6' : 'deepseek-v3';
 const response = await llm.chat({
 model,
 messages: [
 { role: 'system', content: '你是一個專業(yè)的技術(shù)問答助手。' },
 { role: 'user', content: input.question }
 ],
 temperature: 0.5,
 stream: true, // OpenClaw 支持流式輸出
 });
 let fullContent = '';
 for await (const chunk of response) {
 fullContent += chunk.choices[0]?.delta?.content || '';
 }
 return {
 answer: fullContent,
 model_used: model,
 };
 }
});

整個調(diào)用鏈路是這樣的：

graph LR
 A[用戶請求] --> B[OpenClaw Platform]
 B --> C[你的 Skill]
 C --> D[ofox.ai 聚合網(wǎng)關(guān)]
 D --> E[GPT-5]
 D --> F[Claude Opus 4.6]
 D --> G[DeepSeek V3]
 D --> H[GLM5]
 D --> I[Gemini 3]

同一個 Key、同一個 base_url，Skill 代碼里只改 model 字段就能切換，部署后不用重新配置環(huán)境變量。

踩坑記錄

坑 1：skill.yaml 里的 model 字段和代碼里的 model 參數(shù)沖突

我一開始在 skill.yaml 配了 model: "gpt-5"，代碼里又傳了 model: 'deepseek-v3'，結(jié)果請求一直走 GPT-5。查了半天文檔才發(fā)現(xiàn) skill.yaml 里的 model 如果寫了，會強(qiáng)制覆蓋代碼層的參數(shù)。解決辦法：yaml 里不寫 model 字段，或者設(shè)成 model: "auto"，讓代碼層自己控制。

坑 2：流式輸出的 SSE 格式問題

OpenClaw 的 Skill handler 返回流式內(nèi)容時，需要顯式聲明 streaming: true。我第一版沒加，前端收到的是一坨 Buffer 亂碼。正確姿勢：

// skill.yaml 里加上
output:
 streaming: true

坑 3：超時設(shè)置太短

OpenClaw 默認(rèn)的 Skill 執(zhí)行超時是 30 秒，但如果模型生成內(nèi)容比較長（比如寫一篇千字總結(jié)），很容易超時。在 skill.yaml 里改：

runtime:
 timeout: 120 # 單位秒，建議設(shè)到 120

坑 4：本地 dev 模式和線上行為不一致

openclaw dev 跑的是本地 Node 環(huán)境，有些系統(tǒng)級環(huán)境變量線上沒有。我一度把 API Key 寫死在代碼里調(diào)試，差點(diǎn)提交上去。正確做法是用 .env + openclaw secrets set 管理線上密鑰：

openclaw secrets set LLM_API_KEY "your-key-here"

發(fā)布上線

調(diào)試沒問題后，一行命令發(fā)布：

openclaw publish

發(fā)布后在 OpenClaw 的 Skills 市場能看到你的 Skill，其他開發(fā)者可以直接調(diào)用。也可以設(shè)成私有模式自己用。

小結(jié)

OpenClaw 接入大模型 API 本身不難，核心就是配好 LLM Provider。只用一個模型的話直連官方 API 就夠了；跟我一樣想在 Skill 里靈活切換多個模型，用聚合 API 改一個 base_url 最省事。

2026 年 Skills 生態(tài)剛爆發(fā)，現(xiàn)在進(jìn)場還算早。我已經(jīng)把那個自適應(yīng)問答 Skill 跑起來了，接下來準(zhǔn)備搞一個結(jié)合 Function Calling 的工具鏈 Skill，有進(jìn)展再寫。

以上就是OpenClaw接入大模型API完整教程：2026 Skills開發(fā)從零到跑通的詳細(xì)內(nèi)容，更多關(guān)于OpenClaw接入大模型API教程的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論