1. 树莓派上跑 OpenClawTools 与 Skills 到底怎么配才不踩坑OpenClaw 是一个开源 AI Agent 平台简单说就是让对话直接变成电脑上的真实操作读写文件、执行命令、查 GitHub、定时推送简报。它和只能聊天的助手最大的区别在于OpenClaw 有一套 Tools工具和 Skills技能体系Tools 决定它“能不能”做某件事Skills 决定它“怎么组合 Tools”完成任务。这套东西在 Linux 和树莓派上跑起来特别有意思因为树莓派本身就是一台低功耗常开的边缘设备很适合挂一个 24 小时在线的 Agent。但问题也来了很多人照着教程装完 OpenClaw发现 Skills 列表里一堆 Missing或者 Tools 开了却调不动。我自己在树莓派 4B8GB和一台 Ubuntu 22.04 的 x86 小主机上都部署过踩过的坑主要集中在三块Tools 的权限分层没搞清、Skills 的依赖没装全、以及配置文件的字段写错导致整个 Agent 起不来。这篇就按“从零到验证闭环”的顺序把可复制的配置和命令都给你重点放在 Tools 与 Skills 的配置实践上而不是泛泛介绍。适合谁看想在 Linux 或树莓派上搭一套本地 AI 工具链的开发者手上有树莓派 4B/5 或者任意 Debian/Ubuntu 机器愿意用命令行想搞清楚 OpenClaw 的 Tools 和 Skills 到底怎么配、怎么验证、报错怎么查。全文的命令和配置都可以直接复制路径和字段名保持和官方一致。先说结论性的认知装 Skill 不会自动给你新权限真正控制能力的是配置里的tools.allow。一个 Skill 要能用必须同时满足三件事——授权比如 GitHub 是否已授权、安装系统上有没有装它依赖的 CLI比如gh、himalaya、设定配置里有没有允许相关 Tool比如exec、read、write。这三条缺一条Skill 就会显示 Missing。理解这一点后面所有配置都不会迷路。2. 前置准备在 Linux 与树莓派上装好 OpenClaw 并拿到模型 Key这一节解决“环境从哪来”的问题。树莓派和普通 Linux 的安装流程基本一致区别主要在架构arm64 vs x86_64和系统依赖。我建议用 64 位系统32 位在跑某些 CLI 时会有兼容问题。先更新系统并装基础依赖。树莓派官方系统Raspberry Pi OS 64-bit和 Ubuntu 都适用sudo apt update sudo apt upgrade -y sudo apt install -y curl git jq ripgrep tmux ffmpeg build-essential这里装的jq、rg、tmux、ffmpeg不是随便选的后面好几个 bundled Skills 的requires.bins就点名要它们。提前装好能少一半 Missing。接着装 OpenClaw。官方推荐用 npm 全局安装前提是有 Node.js 18curl -fsSL https://deb.nodesource.com/setup_20.x | sudo -E bash - sudo apt install -y nodejs node -v # 确认 18 npm install -g openclaw openclaw --version装完后初始化配置目录。OpenClaw 的配置文件默认在~/.openclaw/openclaw.json第一次运行会自动生成骨架openclaw init ls -la ~/.openclaw/你会看到openclaw.json和可能的skills/目录。接下来是模型接入。OpenClaw 需要一个 LLM 后端来驱动 Agent 的推理这里我用 TaoToken 的兼容接口来配因为它同时提供对话和编码类模型配置方式就是标准的 Base URL Key Model ID 三件套。先去控制台创建一个 API Key# 打开 https://taotoken.net/api-keys 创建 Key然后写入环境变量 export TAOTOKEN_API_KEYsk-你的key echo export TAOTOKEN_API_KEYsk-你的key ~/.bashrc如果你更习惯用 Claude Code 那套配置TaoToken 也提供 Anthropic 兼容入口文档在 https://taotoken.net/doc 里面有 Base URL 和模型 ID 的完整列表。对 OpenClaw 来说关键是拿到一个能用的 Base URL 和 Model ID填进openclaw.json的llm段。这一步做完Agent 才有“大脑”后面的 Tools 和 Skills 才有意义。树莓派上还要注意一点内存小于 4GB 的机器跑大模型本地推理会很吃力建议直接用云端 API把树莓派当成“执行器”而不是“推理器”。这样 Tools 和 Skills 的配置才是重点而不是被模型加载拖垮。3. 可复制配置openclaw.json 里 Tools 与 Skills 的完整写法这一节是全文的核心给你一份可以直接改的~/.openclaw/openclaw.json。OpenClaw 的 Tools 分两层Layer 1 是核心能力8 个包括read、write、edit、apply_patch、exec、process、web_search、web_fetchLayer 2 是进阶能力17 个包括browser、canvas、image、memory_search、memory_get、sessions_*、message、cron、gateway、nodes等。只开 Layer 1 时OpenClaw 相当于“能读写文件、跑命令、上网查资料的助手”。下面这份配置是我在树莓派上实测能跑通的版本重点开了核心 Tools并对exec加了审批Skills 侧只允许需要的几个{ llm: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, model: gpt-4o-mini }, tools: { allow: [ read, write, edit, apply_patch, exec, process, web_search, web_fetch ], deny: [ browser, canvas, message ] }, approvals: { exec: { enabled: true, mode: confirm }, write: { enabled: false } }, skills: { allow: [ github, healthcheck, session-logs, tmux, weather ], autoLoad: true }, gateway: { enabled: true, port: 8787 } }几个字段要解释清楚。tools.allow是白名单没列进去的 Tool 一律不可用这比黑名单安全。approvals.exec.mode设成confirm后Agent 每次执行命令前都会等你确认避免误删文件。skills.allow只放你确认依赖已装的 SkillautoLoad让 OpenClaw 启动时自动扫描~/.openclaw/skills/下的技能。如果你用 Cline MCP 或者 Codex 的auth.json那套体系记住三件套必须写全Base URL、Key、Model ID。缺任何一个都会在启动时报认证失败。TaoToken 的 Base URL 是https://taotoken.net/apiKey 从控制台拿Model ID 按文档填。这三样在 OpenClaw 里对应llm.baseUrl、llm.apiKey、llm.model。配置写完后校验 JSON 合法性这一步别省jq . ~/.openclaw/openclaw.json /dev/null echo JSON OK如果报parse error多半是多了逗号或者引号没配对。树莓派上用nano编辑时特别容易漏掉结尾的}建议用jq每次改完都验一遍。4. 验证请求从 skills list 到一次真实 Agent 调用配置写完不代表能用必须逐步验证。第一步看 Skills 状态openclaw skills list输出里每个 Skill 会标Ready或Missing。Ready表示依赖已满足Missing表示缺东西。比如github显示 Missing多半是没装ghsudo apt install -y gh gh auth login # 按提示完成 GitHub 授权 openclaw skills info githubopenclaw skills info 技能名会列出这个 Skill 的requires.bins和env照着提示补依赖就行。这一步是排查 Missing 的标准动作比瞎猜快得多。第二步验证 Tools 是否生效。启动 Gatewayopenclaw gateway start # 或者用 systemd 用户服务常驻 systemctl --user enable --now openclaw-gateway然后发一条本地对话让它读一个文件echo hello from raspberry pi /tmp/test.txt openclaw agent --local --agent main --message 读取 /tmp/test.txt 的内容并告诉我如果配置正确Agent 会调用readTool返回文件内容。这一步成功说明 LLM 接入、Tools 白名单、审批链路都通了。如果它说“我没有读取文件的权限”回去检查tools.allow里有没有read。第三步验证一个带依赖的 Skill。以weather为例openclaw agent --local --agent main --message 用 weather 技能查一下我所在城市的天气weather依赖curl前面已经装了正常会返回天气数据。如果返回 Missing用openclaw skills info weather看它到底要什么。第四步验证exec审批。发一条会触发命令的请求openclaw agent --local --agent main --message 执行 uname -a 看看系统架构因为approvals.exec.mode是confirm终端会弹出确认提示你按y才执行。这一步验证的是安全链路确认审批真的拦得住。整套验证下来你应该看到Skills 列表里目标技能是 Ready、Agent 能读文件、能调 Skill、exec 有审批。这四件事都过闭环就算完成了。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节按真实报错来对。第一个高频错误是401 Unauthorized。表现是 Agent 一启动就报认证失败或者对话时返回 401。原因通常是llm.apiKey没读到环境变量或者 Key 本身失效。排查echo $TAOTOKEN_API_KEY # 确认变量有值 openclaw config get llm.apiKey # 看配置里解析成了什么如果配置里写的是${TAOTOKEN_API_KEY}但变量为空就会 401。解决方法是把export写进~/.bashrc并source一次或者直接在配置里填 Key不推荐容易泄露。第二个错误是local proxy failed。这个多半出现在你给 OpenClaw 配了本地代理端口但代理没起来或者端口被占。检查gateway.port有没有和别的服务冲突ss -tlnp | grep 8787如果端口被占改gateway.port为别的值重启 Gateway。注意这里说的是本地服务端口冲突和网络访问方式无关别往那方面联想。第三个错误是reading choices相关通常长这样error reading choices: unexpected end of JSON input。这是 LLM 返回体不完整或格式不对常见于 Base URL 填错、模型 ID 不存在、或者流式响应被中途截断。排查顺序先用curl直接打一次接口确认返回正常curl -s https://taotoken.net/api/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d {model:gpt-4o-mini,messages:[{role:user,content:hi}]} | jq .如果这里就报错说明是 Key 或 Model ID 的问题跟 OpenClaw 无关。如果这里正常但 OpenClaw 报错检查llm.baseUrl有没有多写或少写/v1之类的路径。第四个是 OAuth 相关比如 GitHub Skill 授权失败OAuth token expired或device flow failed。重新跑gh auth login选Login with a web browser或Paste an authentication token。树莓派没有桌面环境时用 device flow 会给你一个码在另一台设备上打开链接输入即可。授权完再openclaw skills info github确认状态变 Ready。还有一个树莓派特有的坑某些 Skill 在openclaw skills list里永远 Missing比如apple-notes、things-mac、imsg。这不是配置问题是这些 Skill 只支持 macOS在 Linux 上属于正常现象直接忽略即可。判断方法就是看openclaw skills info里的系统要求。6. 把 Tools 与 Skills 用起来长期编码与 Agent 场景的接入建议配置跑通之后真正决定体验的是你怎么用它。如果你打算让 OpenClaw 长期在树莓派上做编码辅助或自动化 Agent建议把 Gateway 做成 systemd 用户服务开机自启systemctl --user enable --now openclaw-gateway loginctl enable-linger $USER # 让服务在未登录时也运行这样树莓派一通电Agent 就在线你可以从别的机器发消息给它。长期编码场景下模型选择很关键TaoToken 的 Coding Plan 提供适合 Agent 循环调用的编码模型接入方式和前面一样换llm.model即可具体模型 ID 看 https://taotoken.net/coding-plan 。安全上再强调三条exec一定开审批message如果只给自己发通知就限制用途结账、对外发帖这类“收不回来”的操作永远自己来。ClawHub 上有大量第三方 Skill安装前务必审查来源和代码别直接autoLoad一个来路不明的技能。最后给一个实用技巧把常用的 Agent 调用封装成 shell 函数省得每次敲一长串oc() { openclaw agent --local --agent main --message $*; } # 用法oc 帮我看看 /var/log/syslog 最后 20 行有没有报错这样在树莓派上随手就能让 Agent 干活Tools 和 Skills 的价值才真正体现出来。整套流程从安装、配置、验证到排错你按这个顺序走一遍基本能把 OpenClaw 在 Linux 和树莓派上的 Tools 与 Skills 配置闭环跑通。
