在OpenClaw中配置和使用Coding Plan的詳細步驟
OpenClaw (原名Moltbot/Clawdbot )是一個開源的個人 AI 助手平臺,支持通過多種消息渠道與 AI 交互。通過配置可接入阿里云百煉的Coding Plan模型。
接入OpenClaw需要修改配置文件~/.openclaw/openclaw.json 中的模型提供商、默認模型和可用模型列表等信息。
1,安裝 OpenClaw
- 安裝或更新 Node.js(v22.0 或更高版本)。
- 執(zhí)行以下命令開始安裝。
macOS/Linux系統(tǒng)
- 安裝結束后會自動出現提示信息,請根據提示信息完成 OpenClaw 配置,參考配置如下:
| 配置項 | 配置內容 |
|---|---|
| I understand this is powerful and inherently risky. Continue? | 選擇 “Yes” |
| Onboarding mode | 選擇 “QuickStart” |
| Model/auth provider | 選擇 “Skip for now”,后續(xù)可以配置 |
| Filter models by provider | 選擇 “All providers” |
| Default model | 使用默認配置 |
| Select channel (QuickStart) | 選擇 “Skip for now”,后續(xù)可以配置 |
| Configure skills now? (recommended) | 選擇 “No”,后續(xù)可以配置。 |
| Enable hooks? | 按空格鍵選中選項,按回車鍵進入下一步。 |
| How do you want to hatch your bot? | 選擇 “Hatch in TUI”。 |
2,在 OpenClaw 中配置 Coding Plan
2.1,API Key 和 Base URL
- API Key:訪問Coding Plan 頁面,獲取Coding Plan 專屬 API Key(格式為sk-sp-xxxxx)。
- Base URL:根據 AI 工具支持的 API 協(xié)議,使用以下對應的 Base URL。
- OpenAI 兼容協(xié)議:https://coding.dashscope.aliyuncs.com/v1
- Anthropic 兼容協(xié)議:https://coding.dashscope.aliyuncs.com/apps/anthropic
各工具使用的兼容協(xié)議請參見對應的接入文檔。
說明
Coding Plan 專屬的 API Key 和 Base URL 與百煉按量計費的 API Key(sk-xxxxx)和BaseURL(https://dashscope.aliyuncs.com/xxxxxx)不互通,請勿混用。
2.2,Coding Plan 支持主流的AI工具:
- OpenClaw :開源、自托管個人 AI 助手
- OpenCode:開源 AI 編程代理工具
- Claude Code:AI 終端編碼助手,支持自然語言編程
- Codex:OpenAI 推出的命令行編程工具
- Cline:VS Code 擴展,智能代碼補全和調試
- CursorAI :原生代碼編輯器
- Qwen Code:專為 Qwen3-Coder 優(yōu)化的開源命令行 AI 工具
- Kilo CLI:輕量高性能命令行編程工具
- Kilo Code:IDE 擴展,高效編碼助手
2.3,配置 Coding Plan
- 打開配置文件。
運行以下命令打開 Web UI,然后在Web UI的左側菜單欄中選擇Config > Raw。
openclaw dashboard
- 修改配置文件。
在 JSON 根對象中加入如下 models 配置(如果已存在則替換)。請將 YOUR_API_KEY 替換為您的 Coding Plan API Key。
"models": {
"mode": "merge",
"providers": {
"bailian": {
"baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
"apiKey": "YOUR_API_KEY",
"api": "openai-completions",
"models": [
{
"id": "qwen3.5-plus",
"name": "qwen3.5-plus",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 1000000,
"maxTokens": 65536
},
{
"id": "qwen3-max-2026-01-23",
"name": "qwen3-max-2026-01-23",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 65536
},
{
"id": "qwen3-coder-next",
"name": "qwen3-coder-next",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 65536
},
{
"id": "qwen3-coder-plus",
"name": "qwen3-coder-plus",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 1000000,
"maxTokens": 65536
},
{
"id": "MiniMax-M2.5",
"name": "MiniMax-M2.5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 204800,
"maxTokens": 131072
},
{
"id": "glm-5",
"name": "glm-5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 202752,
"maxTokens": 16384
},
{
"id": "glm-4.7",
"name": "glm-4.7",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 202752,
"maxTokens": 16384
},
{
"id": "kimi-k2.5",
"name": "kimi-k2.5",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 32768
}
]
}
}
}找到 agents.defaults 對象,并替換或添加以下兩個字段:
"model": {
"primary": "bailian/qwen3.5-plus"
},
"models": {
"bailian/qwen3.5-plus": {},
"bailian/qwen3-max-2026-01-23": {},
"bailian/qwen3-coder-next": {},
"bailian/qwen3-coder-plus": {},
"bailian/MiniMax-M2.5": {},
"bailian/glm-5": {},
"bailian/glm-4.7": {},
"bailian/kimi-k2.5": {}
}以下是修改后的完整配置文件示例
完整配置文件示例(您的實際配置可能包含更多配置項)
注:請將 YOUR_API_KEY 替換為您的 Coding Plan API key。
{
"models": {
"mode": "merge",
"providers": {
"bailian": {
"baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
"apiKey": "YOUR_API_KEY",
"api": "openai-completions",
"models": [
{
"id": "qwen3.5-plus",
"name": "qwen3.5-plus",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 1000000,
"maxTokens": 65536
},
{
"id": "qwen3-max-2026-01-23",
"name": "qwen3-max-2026-01-23",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 65536
},
{
"id": "qwen3-coder-next",
"name": "qwen3-coder-next",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 65536
},
{
"id": "qwen3-coder-plus",
"name": "qwen3-coder-plus",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 1000000,
"maxTokens": 65536
},
{
"id": "MiniMax-M2.5",
"name": "MiniMax-M2.5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 204800,
"maxTokens": 131072
},
{
"id": "glm-5",
"name": "glm-5",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 202752,
"maxTokens": 16384
},
{
"id": "glm-4.7",
"name": "glm-4.7",
"reasoning": false,
"input": ["text"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 202752,
"maxTokens": 16384
},
{
"id": "kimi-k2.5",
"name": "kimi-k2.5",
"reasoning": false,
"input": ["text", "image"],
"cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
"contextWindow": 262144,
"maxTokens": 32768
}
]
}
}
},
"agents": {
"defaults": {
"model": {
"primary": "bailian/qwen3.5-plus"
},
"models": {
"bailian/qwen3.5-plus": {},
"bailian/qwen3-max-2026-01-23": {},
"bailian/qwen3-coder-next": {},
"bailian/qwen3-coder-plus": {},
"bailian/MiniMax-M2.5": {},
"bailian/glm-5": {},
"bailian/glm-4.7": {},
"bailian/kimi-k2.5": {}
}
}
},
"gateway": {
"mode": "local"
}
}- 保存配置。
如果在Web UI中修改,先單擊右上角 Save 保存,然后單擊 Update來使配置生效。
如果在終端中修改,先保存文件并退出,然后運行以下命令來使配置生效。
openclaw gateway restart
3,使用 OpenClaw
在終端中運行以下命令,以 Web UI 方式使用 OpenClaw。

執(zhí)行/model命令可以在當前會話中切換模型。例如,執(zhí)行如下命令可以切換到qwen3-coder-next模型。
/model qwen3-coder-next
注:如需在每次新會話中都使用指定模型,請參考前面的步驟修改配置文件中的primary字段。
4,常見問題
為什么報錯"HTTP 401: Incorrect API key provided."?
可能原因:
- API Key 無效、過期、為空、格式錯誤,或與端點環(huán)境不匹配,請檢查 API Key 是否為 Coding Plan 套餐專屬 Key,復制完整且無空格;確認訂閱狀態(tài)有效。
- OpenClaw的歷史配置緩存導致配置錯誤,請刪除~/.openclaw/agents/main/agent/models.json文件中的providers.bailian配置項,并重啟OpenClaw。
以上就是在OpenClaw中配置和使用Coding Plan的詳細步驟的詳細內容,更多關于OpenClaw配置和使用Coding Plan的資料請關注腳本之家其它相關文章!
相關文章

Linux環(huán)境下配置openclaw并連接到局域網ollama模型
本文介紹了如何在Linux環(huán)境下配置OpenClaw并連接到局域網內的ollama模型,包括環(huán)境準備、部署步驟、配置provider和model、飛書插件安裝與配置,以及消息測試和定時任務設置,2026-03-04
OpenClaw多代理協(xié)同配置是一項面向復雜AI系統(tǒng)工程化部署的關鍵技術實踐,其核心在于構建一個安全、可控、可擴展且語義明確的多智能體協(xié)作運行環(huán)境這篇文章主要介紹了OpenCla2026-03-04
這篇文章給大家介紹OpenClaw 使用教程跨平臺安裝部署、配置大模型 Provider、接入 Ollama、本地 Skills/插件、瀏覽器控制、搜索 API、Obsidian Skills的相關操作,感興趣的2026-03-05
一行配置幫你解決OpenClaw部署后Tools工具權限被禁用的問題
剛部署完OpenClaw,發(fā)現Agent無法執(zhí)行基本操作,Tools頁面顯示大部分工具處于禁用狀態(tài),下面小編就和大家詳細介紹一下如何通過一行配置解決這一問題,感興趣的小伙伴可以了2026-03-04
Windows下OpenClaw的安裝與Debug配置教程最終版(MiniPC i3-N305 / 無 GPU)
這篇文章主要介紹了Windows下OpenClaw的安裝與Debug配置,機器是MiniPC i3-N305 / 無 GPU,需要的朋友可以參考一下,有條件的盡量用mac系統(tǒng)簡單快捷,一次通過的成功率高2026-03-03
零基礎入門OpenClaw 完整安裝配置實戰(zhàn)指南(完全流程)
OpenClaw就是一個可以讓 AI 住進你的 Telegram、管理你的電腦或服務器、幫你寫代碼的開源框架,下面給大家分享整個安裝過程,感興趣的朋友跟隨小編一起看看吧2026-03-03
OpenClaw 是一個可以部署在自己服務器上的 AI Agent,能通過 Telegram、飛書等渠道對話,幫你操控系統(tǒng)、定時任務、聯網搜索、寫代碼部署項目的等等,這篇文章記錄了我完整的2026-03-03
什么是OpenClaw?OpenClaw下載、安裝、配置完整教程
如果你最近逛技術論壇、GitHub趨勢榜,或者程序員的社交媒體,一定會被一個詞刷屏——OpenClaw,本文將為你提供最全面、最詳細的OpenClaw使用指南,從概念解析到實際操作,2026-03-02
本文介紹了如何在Windows、macOS和Linux系統(tǒng)上配置OpenClaw使用自定義API中轉站,通過安裝OpenClaw、初始化配置文件、編輯主配置文件和鑒權文件,以及啟動Gateway和TUI,本文2026-03-02
OpenClaw超輕量版本地部署指南介紹了一個功能完整且輕量級的AI助手,適用于學習和使用,該指南詳細介紹了環(huán)境準備、快速安裝、基礎配置、核心功能體驗等步驟,安裝配置過程比2026-03-02










