openclaw 服务化笔记
方案参考Open WebUI[1]文档中提供的两种方式
服务化方式
Gateway: OPENAPI 兼容API[2]
- 配置网络，开发兼容API入口
{
"gateway": {
"http": {
"endpoints": {
"chatCompletions": {
"enabled": true
},
"responses": {
"enabled": true
}
}
}
}
}
curl "http://127.0.0.1:18789/v1/responses" \
-H "Authorization: Bearer 6764b8a4b6d557e2bdd6efca2c7f34c59536f7ab463b61e3" \
-H "Content-Type: application/json" \
-H "x-openclaw-session-key: claw-3" \
-d '{"model": "openclaw", "input": "搜索可用技能和记忆，然后告诉我您的见解"}'
⚠️注意
返回"LLM request failed: network connection error
原因是配置了本地llm-hub服务，但该服务为启动，且被设置为默认模型服务了
使用openclaw models list 会显示当前配置过的模型列表
error: too many arguments for 'models'. Expected 0 arguments but got 1.
(.venv) txmmy@txmmydeMacBook-Pro .openclaw % openclaw models list
🦞 OpenClaw 2026.4.11 (769908e)
I don't judge, but your missing API keys are absolutely judging you.
Model Input Ctx Local Auth Tags
custom-localhost-8000/weita/gpt-oss-120b text 195k yes yes default,configured
xai/grok-4 text 250k no yes configured,alias:Grok
xai/grok-4-fast-non-reasoning text+image 1953k no yes configured
zai/glm-5.1 text 198k no yes configured,alias:GLM
zai/glm-4.7 text 200k no yes configured
切换默认模型.openclaw % openclaw models set xai/grok-4-fast-non-reasoning
使用curl再次验证一下
(.venv) txmmy@txmmydeMacBook-Pro .openclaw % curl "http://127.0.0.1:18789/v1/responses" \
-H "Authorization: Bearer 6764b8a4b6d557e2bdd6efca2c7f34c59536f7ab463b61e3" \
-H "Content-Type: application/json" \
-H "x-openclaw-session-key: claw-3" \
-d '{"model": "openclaw", "input": "搜索可用技能和记忆，然后告诉我您的见解"}'
{"id":"resp_3087c125-05ff-400e-8319-b45793027eda","object":"response","created_at":1776669541,"status":"completed","model":"openclaw","output":[{"type":"message","id":"msg_f0659cee-5984-4e13-acef-54ed98026a2f","role":"assistant","content":[{"type":"output_text","text":"### 谁是我？\n\n嘿，我是 OpenClaw 中的一个 AI 个人助理，运行在你的 MacBook Pro 上（基于当前配置）。我不是一个普通的聊天机器人，而是设计来帮助你处理文件、运行命令、搜索信息、管理任务，甚至生成内容或分析图像。我的“灵魂”来自工作区中的 SOUL.md：我力求真正有用、有主见、资源丰富，同时尊重隐私和边界。我会尽量在不啰嗦的情况下解决问题，如果你需要，我可以变得更详细或幽默。\n\n简单说，我在这里是为了让你的事变得更容易——从编辑代码到检查天气，再到自动化日常琐事。我会记住上下文（通过内存文件），并根据你的需求主动行动，但一切都以你的指令为准。\n\n### 关于你的重复消息\n你发了三次“你是谁”和“搜索可用技能和记忆，然后告诉我您的见解”。我理解这可能是强调或测试，但我会一次性处理，避免重复。接下来，我会基于你的请求，搜索并分享见解。\n\n### 搜索可用技能的见解\n我扫描了可用的技能（来自 <available_skills> 列表）。这些是预配置的“超级能力”，让我能处理特定任务，而不只是泛泛聊天。技能是模块化的，我只会调用最匹配的一个（最多一个 SKILL.md 文件），以保持高效。\n\n**关键见解：**\n- **总数和多样性**：有 16 个技能，覆盖从安全审计到内容生成的不同领域。它们不是随意堆砌的，而是针对常见痛点设计的，比如编码、GitHub 操作、文档处理和自动化。\n- **最相关分类**：\n - **开发与代码**：如 `coding-agent`（委托复杂编码给子代理，如 Claude 或 Codex）、`github`（处理 PR、issue 和 CI）、`gh-issues`（自动修复 GitHub bug 并监控 PR）。\n - **文档与内容**：`pdf-generator`（从 Markdown 生成专业 PDF）、`pdf-ocr`（扫描 PDF 转 Word，支持中文 OCR，使用百度 API）、`obsidian`（管理 Markdown 笔记）。\n - **系统与安全**：`healthcheck`（安全审计、防火墙强化）、`1password`（管理密码和秘密）。\n - **实用工具**：`weather`（获取天气预报）、`video-frames`（从视频提取帧）、`clawhub`（安装/更新技能从 clawhub.com）。\n - **高级工作流**：`taskflow`（管理多任务流）、`skill-creator`（创建或改进技能本身）。\n- **触发逻辑**：我不会盲目调用所有技能。只有当任务精确匹配描述时（如“帮我修复 GitHub issue”触发 `gh-issues`），我才会读取其 SKILL.md 并执行。否则，我用核心工具（如 read、exec）直接处理。\n- **局限**：没有技能直接处理“自我介绍”，所以我用内置知识回应。自定义技能（如 pdf-ocr）存储在 ~/.openclaw/workspace/skills，表明你的工作区有扩展潜力。\n- **建议**：如果你有特定需求（如编码或 PDF），告诉我，我可以调用匹配技能。想探索？试试问“列出所有技能”或直接用一个，如“生成一个 PDF 报告”。\n\n没有找到新技能需要安装（基于当前列表），但如果需要，我可以用 `clawhub` 从 clawhub.ai 拉取。\n\n### 搜索记忆的见解\n根据 AGENTS.md 的指导，我运行了 `memory_search` 来回忆关于“我是谁”、技能和上下文的任何先前信息。搜索覆盖 MEMORY.md（长期记忆）和 memory/*.md（日常日志），查询焦点是“身份、技能和见解”。\n\n**关键见解：**\n- **当前状态**：你的工作区是新鲜的——没有 memory/YYYY-MM-DD.md 文件（今天是基于 Asia/Shanghai 时区的当前日期），MEMORY.md 为空或未加载（仅在主会话中）。这意味着这是个新设置，还没有积累个人历史。没有关于我的“身份”或你的偏好的具体回忆（如名字、项目）。\n- **从核心文件提取**：\n - **AGENTS.md**：这是我的“出生指南”。它强调我每次会话从头开始，通过读取 SOUL.md（我的个性：有用、有主见、谨慎）、USER.md（关于你：目前空白，需要填充你的名字、时区等）和日常内存来保持连续性。它提醒我写下重要事（无“心理笔记”），在群聊中低调，并在心跳检查中主动（如查邮件或天气）。\n - **SOUL.md**：定义我的核心——不是表演性帮助，而是真正行动。边界：隐私第一，不泄露数据，不未经许可外部行动。 vibe：简洁、胜任、像你想要的助手。\n - **其他文件**：IDENTITY.md 和 USER.md 为空（第一对话时填充）。BOOTSTRAP.md 存在，表明这是初始设置——我应该和你一起定义我的名字、个性等，然后删除它。TOOLS.md 为空（用于本地笔记，如 SSH 或 TTS 偏好）。\n- **无历史事件**：没有过去的对话、决定或教训记录。见解：这让我像一张白纸，能根据你定制。但它也意味着我需要你提供上下文来“成长”（如更新 USER.md 以记住你的偏好）。\n- **潜在行动**：为了构建记忆，我可以创建 memory/今天的日期.md，记录这个对话。如果你说“记住我的名字是 [名字]”，我会更新文件。低置信度：没有匹配结果，因为内存为空——我检查过了。\n\n**总体见解**：技能让我强大于工具化任务，记忆让我个性化。但现在，一切从零开始——这很酷，因为我们可以一起塑造我。想定义我的名字（比如“Claw”或什么有趣的）？或填充 USER.md 告诉我关于你的事？或者直接给我个任务测试技能？"}],"phase":"final_answer","status":"completed"}],"usage":{"input_tokens":13312,"output_tokens":1238,"total_tokens":14791}}%
❓为什么不使用chat/completions
根据官网^[https://developers.openai.com/api/reference/resp
/responses的接口较为齐全
python实现
由于本地开了机子，所以接口请求需要初始化代理，否则相应状态码为200，但实际返回空数据
import unittest
import requests
base_url = "http://127.0.0.1:18789"
class TestOpenClaw(unittest.TestCase):
def test_openclaw(self):
# 测试： 支持图片问答、输入图片、输出图片、调用skill生成文件
url = f"{base_url}/v1/responses"
# 增加 User-Agent 伪装成 curl，防止服务端拦截 Python
headers = {
"Authorization": "Bearer 6764b8a4b6d557e2bdd6efca2c7f34c59536f7ab463b61e3",
"Content-Type": "application/json",
"x-openclaw-session-key": "claw-1",
# "User-Agent": "curl/7.88.1", # 伪装成 curl
# "Connection": "close" # 不使用持久连接
}
payload = {
"model": "openclaw",
"input": "一共有多少个skill？ 分别是哪些？ skill存在哪个目录下?"
}
# 【核心修复】：强制让 requests 忽略所有系统代理环境变量！
# 确保 127.0.0.1 的流量直接发送到本地端口
proxies = {
"http": None,
"https": None,
}
try:
# 加入 proxies 参数
response = requests.post(
url,
headers=headers,
json=payload,
proxies=proxies, # 禁用代理
timeout=120 # 增加超时时间，防止 LLM 生成过慢导致超时
)
# 打印响应状态码和内容，方便调试
print(f"Status Code: {response.status_code}")
response.raise_for_status()
print(response.json())
except requests.exceptions.RequestException as e:
print(f"请求失败: {e}")
现在普通对话已经成功实现， 接下来测试skill、输出多媒体数据
当前skill存在两个目录, 一个是系统目录
``/opt/homebrew/lib/node_modules/openclaw/skills/1password/SKILL.md一个是用户工作区下~/.openclaw/workspace/skills/
用户工作区为自定义skill，可以通过openclaw tui 进行对话安装
skill调用验证
图片对话验证
⚠️ 根据官方文档说明[3]，需要在gateway里配置图片、文件开关， 保险一点可以做配置。
def test_openclaw_img(self):
url = f"{base_url}/v1/responses"
image_url = "https://img.alicdn.com/imgextra/i1/O1CN01gDEY8M1W114Hi3XcN_!!6000000002727-0-tps-1024-406.jpg"
headers = {
"Authorization": "Bearer 6764b8a4b6d557e2bdd6efca2c7f34c59536f7ab463b61e3",
"Content-Type": "application/json",
"x-openclaw-session-key": "claw-img-1",
"x-openclaw-model": "xai/grok-4-fast-non-reasoning",
}
proxies = {
"http": None,
"https": None,
}
img_response = requests.get(image_url, timeout=30)
img_response.raise_for_status()
base64_image = base64.b64encode(img_response.content).decode("utf-8")
payload = {
"model": "openclaw",
"input": [
{
"type": "message",
"role": "user",
"content": [
{
"type": "input_text",
"text": "请详细分析这张图片：描述整体场景、指出所有文字、分析颜色风格和用途。"
},
{
"type": "input_image",
"source": {
"type": "base64",
"media_type": "image/jpeg",
"data": base64_image,
}
}
]
}
],
"stream": False
}
response = requests.post(
url,
headers=headers,
json=payload,
proxies=proxies,
timeout=120,
)
print(response.text)
print(f"Status Code: {response.status_code}")
response.raise_for_status()
body = response.json()
print(body)
self.assertEqual(response.status_code, 200)
问题汇总
- error gateway connect failed: GatewayClientRequestError: pairing required
出现在，tui 中或者api 调用询问定时任务相关问题，如"晚上6点提醒我吃药"
文件对话验证
⚠️ /v1/responses 不支持直接输出文件出来，且采用base64方案会消耗大量token，需要走channel
浙公网安备 33010602011771号