1. 为什么网页聊天写代码总是“用完即弃”很多人已经习惯在网页上让 AI 帮自己写一点代码、改个正则、查个 API用完就关。这种方式解决的是“一次性问题”但如果你希望 AI 真正融入日常开发流程成为一个稳定可靠的“代码搭档”就需要一个更系统的做法把 AI 嵌入到本地开发工作流里而不是偶尔打开网页聊天。OpenClaw 这类 Agent 框架刚好提供了一个很好的实验场。它不是一个单纯的聊天窗口而是一个可以挂载工具、定义角色、在 CLI 和编辑器里被反复调用的 Agent 运行时。你可以把它理解成一个“住在终端里的开发助手”它能读文件、搜代码、跑测试、看 git diff然后基于这些真实上下文给出建议。这篇文章面向三类人一是已经在用 AI 写代码但觉得“聊完就散”的开发者二是想把 Agent 接入 VS Code 和 Git 流程的工程同学三是想用 OpenClaw 搭一套可复用开发工作流的技术负责人。核心检索词就是 OpenClaw、Agent、CLI、VS Code、Git 这五个全文围绕它们展开。我试过把 OpenClaw 当成一个“有结构的开发会话”入口而不是问答机器人。下面从环境准备、配置片段、CLI 验证、VS Code 任务定义、Git 提交闭环到常见报错排查一步步给出可复制的操作。2. OpenClaw 前置准备与 TaoToken 接入配置在开始写 Agent 工作流之前先把模型调用链路打通。OpenClaw 本身是 Agent 框架它需要一个可用的模型服务作为推理后端。这里我用 TaoToken 作为模型接入层原因是它的接口兼容主流格式配置简单适合在 CLI 和 VS Code 里统一管理。官网入口https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址https://taotoken.net/api你需要先拿到一个 API Key。进入控制台后创建密钥建议按项目或按用途分开建比如“openclaw-dev”专门给本地 Agent 用方便后续排查和额度管理。API Keys 页面https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content拿到 Key 之后OpenClaw 的模型配置一般放在项目根目录或用户目录下的配置文件里。不同版本路径略有差异常见的是~/.openclaw/config.toml或项目内.openclaw/settings.json。下面给出一份可复制的 TOML 片段路径与字段名按 OpenClaw 常见约定# ~/.openclaw/config.toml [model] provider openai-compatible base_url https://taotoken.net/api api_key sk-你的TaoToken密钥 model_id claude-sonnet-4-20250514 max_tokens 8192 temperature 0.2 [agent] name code-buddy system_prompt_file ~/.openclaw/prompts/code-buddy.md tools [read_file, search_code, run_tests, git_diff] [cli] default_agent code-buddy history_file ~/.openclaw/history.jsonl如果你更习惯 JSON 格式VS Code 侧的 settings 可以这样写{ openclaw.baseUrl: https://taotoken.net/api, openclaw.apiKey: sk-你的TaoToken密钥, openclaw.modelId: claude-sonnet-4-20250514, openclaw.agent: code-buddy, openclaw.autoContext: true }这里三个关键字段必须成对出现Base URL、Key、Model ID。少任何一个都会在调用时报 401 或 model not found。Model ID 要和你账号下可用的模型一致不要照抄示例里的名字去模型对话页面确认一下当前可用列表https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content系统提示词文件code-buddy.md建议这样写给 Agent 一个明确的“性格”你是一名谨慎的代码搭档。重点帮助我理解代码、梳理设计、发现潜在问题而不是直接替我写完所有业务逻辑。 行为原则 1. 先提问弄清楚需求再给结论。 2. 避免生成与现有代码风格差异过大的片段。 3. 不确定时明确说出不确定并给出查证建议。 4. 输出优先给“思路 提纲 注释建议”给代码时注明“示例/草稿/建议”。配置完成后用一条命令验证模型是否通openclaw chat --agent code-buddy --message 用一句话说明你能做什么如果返回正常文本说明 Base URL、Key、Model ID 三件套已经生效。如果报401 Unauthorized先检查 Key 是否复制完整如果报model not found去模型列表核对 Model ID。3. 可复制的 OpenClaw CLI 与 VS Code 任务配置这一节是全文的核心直接给可复制的配置和任务定义。OpenClaw 在 CLI 和 VS Code 中的工作方式略有不同CLI 适合快速对话和脚本化调用VS Code 适合选中代码后即时交互。先看 CLI 侧。OpenClaw 通常支持子命令模式你可以把它包装成一个项目级脚本。在项目根目录建一个scripts/dev-agent.sh#!/usr/bin/env bash # scripts/dev-agent.sh set -euo pipefail AGENTcode-buddy PROMPT_FILE${1:-} if [ -z $PROMPT_FILE ]; then echo 用法: ./scripts/dev-agent.sh prompt文件 exit 1 fi openclaw chat \ --agent $AGENT \ --context-dir $(pwd) \ --prompt-file $PROMPT_FILE \ --output-format markdown这个脚本的作用是把当前目录作为上下文目录让 Agent 能读取项目文件用 prompt 文件而不是命令行字符串避免长提示被 shell 截断。再看 VS Code 侧。VS Code 的 tasks.json 可以把 OpenClaw 调用变成可点击的任务。在.vscode/tasks.json里加{ version: 2.0.0, tasks: [ { label: OpenClaw: 解释选中代码, type: shell, command: openclaw, args: [ chat, --agent, code-buddy, --context-dir, ${workspaceFolder}, --message, 请用中文解释这段代码在做什么指出潜在边界问题\n${selectedText} ], presentation: { reveal: always, panel: dedicated }, problemMatcher: [] }, { label: OpenClaw: 生成 commit message, type: shell, command: openclaw, args: [ chat, --agent, code-buddy, --context-dir, ${workspaceFolder}, --message, 根据以下 git diff 生成一段中文 commit message 草稿不要直接提交\n${input:gitDiff} ], presentation: { reveal: always, panel: dedicated }, problemMatcher: [] } ], inputs: [ { id: gitDiff, type: command, command: shellCommand.execute, args: { command: git diff --staged } } ] }这里有两个任务一个是解释选中代码一个是根据暂存区 diff 生成 commit message。注意${selectedText}和${input:gitDiff}是 VS Code 变量前者取编辑器选中内容后者通过 input 执行git diff --staged拿到暂存变更。如果你用的是 Cline 或类似插件做 MCP 接入配置里同样要写全三件套。以 Cline 的 MCP 配置为例{ mcpServers: { openclaw: { command: openclaw, args: [mcp, serve, --agent, code-buddy], env: { OPENCLAW_BASE_URL: https://taotoken.net/api, OPENCLAW_API_KEY: sk-你的TaoToken密钥, OPENCLAW_MODEL_ID: claude-sonnet-4-20250514 } } } }Base URL、Key、Model ID 三件套在 MCP 场景下通过环境变量注入避免写死在代码里。Codex 用户如果走auth.json结构类似{ openai: { base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: claude-sonnet-4-20250514 } }配置写完后先别急着跑复杂任务用最简单的调用验证链路。下一节给出验证步骤和成功结果的样子。4. 验证 Agent 调用 CLI、生成代码与提交 Git配置写完不代表能用必须逐步验证。我建议按“模型通 → 工具通 → 生成通 → Git 通”四步走每步都有明确的成功标志。第一步验证模型调用。运行openclaw chat --agent code-buddy --message 回复 OK 两个字母即可成功结果是终端返回OK。如果这一步失败后面都不用试先回去检查 Base URL、Key、Model ID。第二步验证工具调用。让 Agent 读取一个真实文件openclaw chat --agent code-buddy \ --message 读取 src/main.py 的前 30 行概括它在做什么成功结果是 Agent 返回文件内容摘要而不是说“我无法访问文件”。如果它说无法访问说明--context-dir没生效或工具没挂载。第三步验证代码生成。给一个具体子任务openclaw chat --agent code-buddy \ --message 为 src/utils/date.py 写一个 pytest 测试骨架覆盖空输入和非法格式两种情况只给草稿不要写入文件成功结果是返回一段带def test_...的测试骨架并注明“草稿/建议”。注意这里明确要求“不要写入文件”保持人类在环。第四步验证 Git 闭环。先制造一个暂存变更git add src/utils/date.py git diff --staged | head -50然后让 Agent 基于 diff 生成 commit messageopenclaw chat --agent code-buddy \ --message 根据以下 git diff 生成中文 commit message 草稿$(git diff --staged | head -80)成功结果是返回类似feat: 新增日期工具函数并补充边界处理的草稿。你确认后再手动执行git commit -m ...。整个链路里Agent 只负责生成建议真正的写入和提交由你执行。如果你在 VS Code 里操作选中一段代码后按CtrlShiftP运行Tasks: Run Task选择OpenClaw: 解释选中代码终端面板会输出解释结果。这一步验证的是编辑器集成是否打通。四步都通过后你就有了一个从对话到 Git 提交的完整闭环。接下来是排错环节这些报错我在实际配置里都遇到过。5. 本篇常见报错排查401、local proxy failed、reading choices、OAuth配置 Agent 工作流时报错集中在四类。下面按真实报错信息给出排查路径。第一类401 Unauthorized或invalid api key。这几乎都是 Key 问题。检查三点Key 是否复制完整前后无空格Key 是否已过期或被删除请求的 Base URL 是否和 Key 所属环境一致。如果你在config.toml和 VS Code settings 里都配了 Key确认两处一致避免一处旧一处新。修复后重跑openclaw chat --message 回复 OK验证。第二类local proxy failed或connection refused。这类报错通常出现在本地有额外网络层的情况下。排查顺序先确认base_url写的是https://taotoken.net/api而不是别的地址再确认本机没有残留的环境变量覆盖比如HTTP_PROXY、HTTPS_PROXY。用env | grep -i proxy看一下如果有临时 unset 再试。OpenClaw 的配置优先级一般是命令行参数 环境变量 配置文件所以环境变量里的旧值会悄悄覆盖你的新配置。第三类error reading choices或unexpected response format。这说明请求发出去了但返回结构不符合预期。常见原因是 Model ID 写错或者用了不兼容的接口路径。检查model_id是否和模型列表里的一致检查base_url是否误加了/v1之类的后缀。TaoToken 的 API 地址是https://taotoken.net/api不要自己拼路径。修复后用一个最小请求验证curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的密钥 \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:hi}]} | head -20如果 curl 通而 OpenClaw 不通问题在 OpenClaw 配置如果 curl 也不通问题在 Key 或 Model ID。第四类OAuth相关报错比如oauth token expired或refresh failed。如果你用的是需要 OAuth 的客户端某些 Claude Code 或 Codex 场景OAuth 令牌和 API Key 是两套机制。OAuth 过期时重新走一次授权流程或者改用 API Key 模式。在 OpenClaw 里建议统一用 API Key避免 OAuth 刷新带来的不确定性。如果你同时配了 OAuth 和 API Key确认客户端没有优先读 OAuth 缓存。排查完这四类基本能覆盖 90% 的接入问题。剩下 10% 多半是版本不匹配升级 OpenClaw 到最新版再试。6. 把 OpenClaw 变成长期代码搭档的下一步到这里你已经有了一个能跑通的 OpenClaw Agent 工作流CLI 里能对话VS Code 里能选中代码交互Git 提交前能生成 message 草稿。但要让它在日常开发里真正稳定还有几件事值得做。第一把常用 prompt 固化成文件。比如prompts/explain.md、prompts/review.md、prompts/commit.md每次调用用--prompt-file指定避免每次手打长提示。这样你的工作流是可复现的而不是靠记忆。第二给 Agent 划定安全边界。不要让 Agent 直接往主分支写代码不要让它自动执行删除数据或修改配置的操作。工具层做过滤敏感字段脱敏比如把内部 ID 替换成占位符再发给模型。人类在环的审查机制要保留Agent 生成建议你执行写入。第三记录和复盘。对关键操作保留日志方便追踪哪一次建议导致了 bug、哪一种提示词更容易引导出高质量结果。这些记录不仅对安全有用也能持续改进你的 prompt 和工作流设计。如果你想把 Agent 能力用在长期编码和复杂任务上可以了解 Coding Plan它更适合持续性的开发场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content接入文档里有更完整的参数说明和示例遇到配置问题时对照排查https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content需要管理多个项目的 Key 时控制台可以按项目分建https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content最后一步也是最实际的一步打开你的终端运行openclaw chat --agent code-buddy --message 帮我看看当前项目结构让它真正开始参与你的开发。工作流不是设计出来的是用出来的。