1. 为什么 Provider 层必须接真实模型手搓 OpenClaw 的 Provider 层时EchoProvider 只会原样返回你的话/v1/chat 看着通实际上没接任何模型。要让 choices[0].message.content 变成真实模型回复我直接用 TaoToken 的 OpenAI 兼容接口Key 从官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 创建Base URL 填 https://taotoken.net/api。改完 .env 启动项目就能在 http://127.0.0.1:7788/docs 里完成 Provider 层的真实验收。OpenClaw 完整工程体量很大模块多、路径长、调试难所以手搓版本才需要先把最小闭环跑通再逐步补齐 Agent Loop、记忆系统、Skills。第 2 篇已经把 LLMProvider 抽象成complete(messages) - text也加了 OpenAICompatibleProvider但是只写实现不算完必须用真实模型发一次请求让 Provider 层把 JSON 响应解析出来才知道之前的假设有没有出错。这一篇就是把这件事做掉EchoProvider 换成真实模型通道验证成功路径能解析choices[0].message.content401 能抛 ProviderAuthError超时能按 max_retries 重试。1.1 EchoProvider 省掉的三个问题EchoProvider 的实现太简单直接把最后一条用户消息原样返回。它让 /v1/chat 协议能通session 锁和信号量也能测但有三个问题永远测不到请求 URL 有没有拼错Header 里 Authorization 有没有带上真实响应里choices[0].message.content是字符串还是空内容401、超时、5xx 这些错误路径只有在真实网络里才可能触发。所以手搓项目到这一步必须引入一个真正的外部模型服务把所有假设放到真实环境里压一遍。用 TaoToken 的原因很简单OpenAICompatibleProvider 只认 OpenAI 兼容 HTTP 接口TaoToken 提供的正是这种统一接入通道不需要改 Provider 的协议层只要把 Key 和 Base URL 换掉就能让最小闭环消耗真实 Token 并返回模型回复。这件事不涉及任何绕过操作纯粹是把 Provider 的 base_url 从默认地址换成兼容通道然后让项目自己决定怎么拼请求。1.2 这一篇的验收标准对照原文第 7 节的验收要求我把它拆成三条可操作的检查项配置正确时/v1/chat 返回的 JSON 里choices[0].message.content是一段非空文本并且与请求内容明显不同。故意把 Key 写错应该抛ProviderAuthError对应 HTTP 401。用 MockTransport 模拟超时时max_retries2 的情况下请求计数最终等于 3 次证明「首调 2 次重试」真的在执行。前两条要靠真实网络验证第三条可以继续用单测。整个验证过程都在 openclaw_py 自己的 Provider 层里完成不牵扯其他业务代码。2. 先处理 _normalize_base_url 的 /v1 补全OpenAICompatibleProvider 的构造函数里有一个小工具函数_normalize_base_url原来写它的时候是为了解决「.env 里写 https://api.openai.com 忘了带 /v1」的问题。它的逻辑是如果 base_url 末尾不是 /v1就自动补一层。这个设计对官方地址是友好的但对 TaoToken 不适用因为 TaoToken 的接口 Base URL 是 https://taotoken.net/api末尾不带 /v1。如果保留自动补 /v1 的逻辑请求 URL 会变成 https://taotoken.net/api/v1/chat/completions网关直接返回 404。这个问题在用 MockTransport 做单测时完全看不出来因为 mock 层不经过真实路由只有把 Provider 指到真实地址后才会暴露。2.1 修改后的归一化逻辑把补 /v1 的逻辑去掉只保留去除尾部斜杠这一步staticmethod def _normalize_base_url(base_url: str) - str: TaoToken 的 Base URL 已经是完整入口不需要补 /v1。 return base_url.rstrip(/)修改后传进来的 https://taotoken.net/api/ 会被整理成 https://taotoken.net/api之后再拼接 /chat/completions 就是完整请求地址。这个改动影响面很小因为 self.base_url 只用于构造请求 URL不涉及鉴权、模型 ID 或响应解析。2.2 为什么 MockTransport 测不出这个坑原文的单测用了 httpx.MockTransport它在客户端层面拦截请求不会真发到网关。无论 base_url 带不带 /v1mock handler 拿到的 URL 都由断言自己定义所以补 /v1 的逻辑永远不会在单测里报错。这恰好说明 Provider 层的验收必须在真实网络下做一次消耗真实 Token才能把 URL 拼接、鉴权、网关兼容性这些隐藏问题揪出来。本次修改涉及的文件和原文一致openclaw_py/app/core/llm_provider.py改归一化逻辑openclaw_py/.env换 Key 和 Base URLopenclaw_py/app/config.py确认读取字段openclaw_py/tests/test_provider.py保留原有 MockTransport 用例。3. 在 .env 里写入 TaoToken 的 Key 与 Base URL准备材料就三样一个 TaoToken 账号、一把 API Key、一个模型 ID。打开 TaoToken 注册登录进控制台创建 API Key创建后把 Key 完整复制下来它就是 .env 里的 OPENAI_API_KEY。注意别把 Key 提交到公开仓库如果 openclaw_py 的 .env 还没进 .gitignore先补一行。3.1 完整的 .env 配置在 openclaw_py 根目录打开 .env写入以下四个变量LLM_PROVIDERopenai_compatible OPENAI_API_KEYYOUR_API_KEY OPENAI_BASE_URLhttps://taotoken.net/api LLM_MODELYOUR_MODEL_IDYOUR_API_KEY 是在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 控制台创建的那串 KeyYOUR_MODEL_ID 以 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 的模型广场当时列表为准不要凭记忆填。超时和重试次数沿用 OpenAICompatibleProvider 构造函数的默认值timeout_seconds20.0、max_retries2暂时不需要在 .env 里覆盖。注意TaoToken 的接口 Base URL 是 https://taotoken.net/api末尾不带 /v1。官网落地页 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 是给人点的负责注册、建 Key、看模型广场和用量/api 地址是给程序填的不要混用。3.2 Base URL 与官网落地页的分工这一步最容易搞混浏览器打开的页面是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end用于账号和 Key 管理而 provider 发起 HTTP 请求时填的 Base URL 是 https://taotoken.net/api末尾没有 /v1也不带任何 UTM 参数。.env 里只允许出现后者前者是控制台入口。把这两者分清楚后面排障会省很多时间。4. 启动 openclaw_py用 /v1/chat 验证真实回复配置写完按第一篇的方式启动 FastAPI 服务保持端口 7788。打开 http://127.0.0.1:7788/docs找到 /v1/chat 接口发一条普通对话消息。也可以用终端 curlcurl -X POST http://127.0.0.1:7788/v1/chat \ -H Content-Type: application/json \ -d {session_id:taotoken-check,message:你好请用一句话介绍你自己}请求体字段以你项目里 /v1/chat 的实际模型为准如果 Swagger 里有 example直接改 message 字段即可。4.1 成功路径长什么样请求成功后响应里应该出现 choices 数组第一项的 message.content 是非空字符串并且内容与你发送的 message 明显不同。它不再像 EchoProvider 那样「你发什么回什么」而是模型根据 Prompt 生成的文本。这一步通过说明 OpenAICompatibleProvider 的请求构造、鉴权、HTTP 发送、响应解析整条链路都是对的。如果响应解析失败通常会在data[choices][0][message][content]这里抛 ProviderResponseError检查返回的 JSON 结构是不是 OpenAI 兼容格式以及模型 ID 是否真的存在于 TaoToken 模型广场。4.2 顺手去控制台对一下用量拿到成功响应后打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 的用量页面应该能看到刚才那笔请求的 Token 记录。这一步很多人会跳过但它其实是关键它证明 Provider 层不仅收到回复还真的消耗了真实 Token和 EchoProvider 有本质区别。看到记录后再回来继续调后面的功能。5. 401、404、超时重试分别怎么查真实模型接入后最常见的三个问题都集中在 Provider 层。原文的错误分层在这里很好用因为每一类错误都对应一个明确的修复方向。5.1 401 先看 Key如果请求返回 ProviderAuthError说明 HTTP 状态码是 401鉴权没过。我试过把控制台复制的 Key 前后带着空格存进 .envFastAPI 读进来后 key 尾部多了一个换行符直接 401。另外也检查一下是不是把 YOUR_API_KEY 占位符原样留着忘了替换。确认 Key 无误后还 401再去 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_end 控制台看这把 Key 是否被误删或停用。5.2 404 先看 URL 有没有多一层 /v1404 对应 ProviderRequestError排查顺序是先看 self.base_url 的值如果结尾是 /api/v1那一定是 _normalize_base_url 还在补 /v1改成第 2 章的版本即可。另一种常见情况是 .env 里写成了 https://taotoken.net/api/尾部斜杠导致拼接出 //chat/completions.rstrip(/) 会处理掉如果你用的是自己拼 URL 的代码就要检查拼接逻辑。5.3 超时重试看 calls 数量原文在超时重试测试里用 httpx.MockTransportmax_retries2 时断言 calls[count] 3意思是首调加两次重试。接到真实模型后如果日志里只看到一次请求就抛 ProviderTimeoutError说明重试次数被人为改成 0 了。把构造函数里 max_retries 恢复成 2或者在单测里补一个 MockTransport 用例验证计数两个方向都能查清楚。6. 跑通后去控制台对用量再进 Agent Loop看到这里说明 openclaw_py 的 Provider 层你已经愿意动手接真实环境了。Provider 层接上真实模型后/v1/chat 已经能满足「配置正确时返回真实模型结果」这个验收条件。接下来第 3 篇会进 Agent Loop补多轮消息历史、Tool call 循环和结束条件。在开始之前先把这次调用的账对上去 TaoToken 模型对话 用同一把 Key 发一条消息确认模型 ID 和 Base URL 没填错如果接下来打算跑大量 Tool Call 循环看一下 Coding Plan 是否够用Key 的日常管理和用量记录都在 控制台 API Keys。后面想把 Claude Code 也切到同一把 Key 的话接入文档 里有环境变量对照。下一章开始之前先把这次调用在控制台对清楚我们下一篇见。
