1. Openclaw 报错 LLM connection failed 的真实场景与两条排查主线你打开 Openclaw发一条消息等了几秒屏幕上弹出一段红字LLM connection failed. This could be due to server issues, network problems, or context length exceeded (e.g., with local LLMs like LM Studio). Original error:下面还跟着一行socket connection was closed unexpectedly。这个报错是 Openclaw 里最常见的 LLM 连接失败提示它把三种完全不同的故障塞进了同一句话里所以很多人第一反应是网络挂了结果折腾半天发现是本地 LM Studio 的模型进程崩了。Openclaw 是一个把 LLM 接入聊天渠道的自动化框架它通过 Bun runtime 的 fetch API 去请求你配置的 LLM 服务。当这个 fetch 的 socket 被对方强制关闭时Bun 会抛出TypeError: The socket connection was closed unexpectedlyOpenclaw 的agent-runner-utils.ts里用正则/socket connection was closed unexpectedly/i匹配到之后就把它格式化成上面那段友好提示。也就是说你看到的报错是二次加工过的真正的原始错误藏在Original error:后面那几行里。这个报错适合谁看适合所有在 Openclaw 里接了 LLM 的人尤其是用 LM Studio 跑本地模型、或者用第三方 API 通道的开发者。它本质上是一个连接层问题不是模型能力问题所以排查思路要围绕两条主线展开第一条是server issues也就是 LLM 服务端本身的状态。如果你用的是 LM Studio那服务端就是你本机的 1234 端口如果你用的是云端 API那服务端就是对方的接口。服务端没起来、模型没加载、上下文超限都会让 socket 被关。第二条是network problems也就是从 Openclaw 到 LLM 服务之间的网络链路。本地回环地址一般不会断但如果你走的是远程 APIDNS、超时、连接重置都可能触发这个错误。我试过最坑的一次是 LM Studio 的模型加载到一半内存不够进程还在但服务已经半死Openclaw 每次请求都报 connection failed但curl打健康检查又是通的最后是看 LM Studio 日志才发现模型加载失败。所以下面我会把两条线拆开给你一套能逐层定位的排查路径并且把 TaoToken 作为统一 API 通道的配置片段一起给你方便你在服务端和网络层都排除之后快速换一条稳定的通道验证。先记住一个判断原则如果Original error里是socket connection was closed unexpectedly或connection reset by peer优先查服务端如果是timeout或econnrefused优先查网络层和端口。这个原则会贯穿全文。2. TaoToken 前置准备统一 Key 与 API 通道配置在动手排查之前先把 TaoToken 这条通道准备好。它的作用是给你一个统一的 API 入口和 Key这样当你在排查 server issues 和 network problems 时可以随时切换到一个已知可用的通道做对照实验——如果 TaoToken 通道能通、本地 LM Studio 不通那问题就锁定在本地服务端如果两个都不通那大概率是 Openclaw 自身的配置或运行环境问题。TaoToken 的官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基址是 https://taotoken.net/api 。你需要先去控制台创建一个 API Key控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite Key 管理页面在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。创建好之后把 Key 复制出来形如sk-xxxxxxxx后面配置里要用。这里要强调一个概念TaoToken 提供的是 OpenAI 兼容的 API 通道所以 Openclaw 里凡是填baseURL和apiKey的地方都可以指向它。它的价值在于把服务端和网络层这两个变量固定下来——你不需要再去猜对方的服务状态通道本身是稳定的剩下的问题就只可能在你的本地配置或网络出口上。配置的时候有三个要素必须同时正确缺一不可Base URLhttps://taotoken.net/apiAPI Key你在控制台创建的那串sk-开头的字符串Model ID你要调用的模型标识比如gpt-4o-mini、claude-3-5-sonnet这类具体以模型对话页面里列出的为准可以到 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 查看可用列表很多人报 connection failed其实不是网络问题而是这三个要素里有一个填错了导致请求打到了一个不存在的端点socket 自然被关。所以在排查之前先把这三件套对齐是最高效的做法。如果你用的是 Claude Code 这类工具TaoToken 也提供了对应的接入文档地址是 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有 Base URL、Key、Model ID 的完整填写示例。对于 Openclaw 这种自己管理 LLM 配置的框架你只需要把这三件套填进它的 provider 配置里即可。另外如果你打算长期跑编码类 Agent 任务可以考虑 Coding Plan入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 它更适合高频调用的场景。但排查阶段先用按量计费的 Key 就够了重点是验证通道是否通。准备好这三件套之后我们进入具体的配置环节。下面我会给你可以直接复制的配置片段覆盖 Openclaw 的 provider 配置、环境变量写法以及一个独立的 curl 验证命令。这些片段的作用是让你在排查时有一个已知正确的参照物。3. 可复制配置Openclaw provider 与 TaoToken 接入片段这一节给你可以直接粘贴的配置。Openclaw 的 LLM provider 配置通常放在项目根目录的配置文件里具体文件名取决于你的版本常见的是openclaw.config.json或通过环境变量注入。下面我按 JSON 和环境变量两种方式给你你按自己的项目结构选一种。先看 JSON 配置片段。假设你的 Openclaw 配置文件里有一个llm或providers字段把 TaoToken 作为一个 provider 加进去{ llm: { provider: openai-compatible, baseURL: https://taotoken.net/api, apiKey: sk-你的TaoToken密钥, model: gpt-4o-mini, timeout: 60000, maxRetries: 2 } }这里几个参数值得说明。baseURL必须是https://taotoken.net/api注意结尾不要多加/v1Openclaw 的 openai-compatible provider 会自己拼接路径。timeout设成 60000 毫秒是因为有些模型首 token 返回慢超时太短会误判成 network problems。maxRetries设 2 是给网络抖动留一点余地但不要设太大否则真正的服务端故障会被重试掩盖排查时反而看不清。如果你更习惯用环境变量可以这样写export OPENCLAW_LLM_BASE_URLhttps://taotoken.net/api export OPENCLAW_LLM_API_KEYsk-你的TaoToken密钥 export OPENCLAW_LLM_MODELgpt-4o-mini然后在 Openclaw 的配置里引用这些变量。环境变量的好处是切换通道时不用改文件排查阶段特别方便——你可以临时把OPENCLAW_LLM_BASE_URL指向本地 LM Studio 的http://127.0.0.1:1234/v1对比两个通道的表现。如果你用的是 Claude Code 并且想通过 TaoToken 接入配置方式略有不同需要设置 Anthropic 兼容的端点。参考文档里的写法export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEYsk-你的TaoToken密钥 export ANTHROPIC_MODELclaude-3-5-sonnet注意 Claude Code 的 Base URL 和 OpenAI 兼容通道共用同一个域名但路径拼接逻辑由客户端决定所以不要手动加/v1。Model ID 要填 Anthropic 系列的模型名具体以模型列表为准。对于 Cline 或 MCP 类的工具配置里同样需要 Base URL、Key、Model ID 三件套。以 Cline 的 MCP 配置为例通常是在cline_mcp_settings.json里写{ mcpServers: { taotoken: { command: npx, args: [-y, taotoken/mcp-server], env: { TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: sk-你的TaoToken密钥, TAOTOKEN_MODEL: gpt-4o-mini } } } }这里要提醒一句MCP 直连生产数据库是禁止的上面的配置只是把 TaoToken 作为模型通道不要把它配成能直接操作你生产库的 MCP server。排查 connection failed 时MCP 层的问题也会表现为连接失败所以先把模型通道单独验证通再叠加 MCP。配置写完之后先别急着启动 Openclaw。下一步用 curl 单独验证通道这一步能把Openclaw 配置问题和通道本身问题彻底分开。4. 验证请求用 curl 区分服务端故障与网络层问题排查 connection failed 最有效的一步是绕过 Openclaw直接用 curl 打 LLM 端点。这样如果 curl 通了说明服务端和网络层都没问题故障在 Openclaw 自身如果 curl 也不通那就能根据 curl 的报错精确定位是 server issues 还是 network problems。先验证 TaoToken 通道。用下面这条命令把 Key 换成你自己的curl -sS -X POST https://taotoken.net/api/chat/completions \ -H Authorization: Bearer sk-你的TaoToken密钥 \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: ping}], max_tokens: 16 } \ -w \nHTTP_STATUS:%{http_code}\nTIME_TOTAL:%{time_total}s\n这条命令会返回模型回复和 HTTP 状态码。如果看到HTTP_STATUS:200并且有正常的 JSON 回复说明 TaoToken 通道完全可用。如果返回HTTP_STATUS:401那是 Key 错了如果返回HTTP_STATUS:404那是 Base URL 或路径拼错了如果卡住很久最后报Could not resolve host或Connection timed out那就是 network problems。接着验证本地 LM Studio。假设你的 LM Studio 服务跑在默认的 1234 端口curl -sS http://127.0.0.1:1234/v1/models \ -w \nHTTP_STATUS:%{http_code}\nTIME_TOTAL:%{time_total}s\n这条是健康检查列出 LM Studio 当前加载的模型。如果返回 200 和模型列表说明服务端活着。如果返回Connection refused说明 LM Studio 的服务没启动或者端口不是 1234。如果返回 200 但列表是空的说明服务起来了但没加载模型这时候 Openclaw 发请求就会因为找不到模型而断连。再进一步用 LM Studio 做一次真实的 chat 请求curl -sS -X POST http://127.0.0.1:1234/v1/chat/completions \ -H Content-Type: application/json \ -d { model: 你的本地模型名, messages: [{role: user, content: ping}], max_tokens: 16 } \ -w \nHTTP_STATUS:%{http_code}\nTIME_TOTAL:%{time_total}s\n如果这条报socket connection was closed unexpectedly或者直接断开而/v1/models是通的那基本可以确定是上下文长度超限或模型进程内存不足。LM Studio 在加载大上下文时会吃很多内存如果模型配置的 context length 太大而机器内存不够请求一进来进程就崩socket 被关Openclaw 那边就报 connection failed。实测下来判断逻辑可以总结成这张表curl 目标结果结论TaoToken/chat/completions200通道正常问题在 Openclaw 配置TaoToken/chat/completions401Key 错误检查 apiKeyTaoToken/chat/completions超时/无法解析network problems检查出口网络LM Studio/v1/modelsConnection refused服务端未启动检查端口和进程LM Studio/v1/models200 但列表空模型未加载去 LM Studio 加载模型LM Studio/chat/completionssocket 断开上下文超限或内存不足有了这张表你就能在几分钟内把故障范围缩小到具体一层。接下来进入常见错误的排查清单。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth这一节把 Openclaw 报 connection failed 时最常见的几种具体错误列出来每种给你现象、原因和修复动作。这些错误在Original error里会露出真面目所以排查时一定要展开那段被折叠的原始错误。错误一401 Unauthorized现象是 curl 或 Openclaw 返回HTTP_STATUS:401原始错误里带invalid_api_key或Unauthorized。原因是 Key 填错、Key 过期、或者 Key 和 Base URL 不匹配比如把 TaoToken 的 Key 填到了别的通道上。修复动作去 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 重新生成一个 Key确认 Base URL 是https://taotoken.net/api然后三件套一起更新。注意 Key 前后不要有空格复制时容易带上换行。错误二local proxy failed现象是 Openclaw 日志里出现local proxy failed或proxy connection refused。这个错误通常出现在你本地配了代理转发但代理进程没起来或者端口不对。修复动作检查你的代理配置确认代理进程在跑端口和 Openclaw 配置里写的一致。如果你不需要代理直接把代理相关配置清空让请求直连。这里要特别注意任何涉及绕过网络限制的手段都不在本文讨论范围我们只处理正常的本地服务转发。错误三reading choices 报错现象是原始错误里出现Cannot read properties of undefined (reading choices)。这个错误说明请求发出去了也收到了响应但响应的结构里没有choices字段。常见原因是Base URL 指向了一个返回非 OpenAI 格式的端点或者模型名填错导致服务端返回了错误 JSON。修复动作用第 4 节的 curl 命令打一次看返回的 JSON 结构里有没有choices。如果没有检查 Base URL 是否多了或少了/v1检查 Model ID 是否在可用列表里。TaoToken 的模型列表在 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 对照着填。错误四OAuth 相关报错现象是原始错误里带OAuth token expired或invalid_grant。这个一般出现在你用 OAuth 方式接入某些云服务的场景。修复动作重新走一遍授权流程刷新 token。如果你用的是 API Key 方式比如 TaoToken就不会遇到 OAuth 问题这也是为什么排查阶段建议先用 Key 通道把变量固定下来。错误五socket connection was closed unexpectedly 但服务端正常现象是 curl 健康检查通但真实请求断连。原因大概率是上下文长度超限。Openclaw 会把历史消息全部塞进请求如果对话轮次多了请求体超过 LM Studio 配置的 context length服务端直接关连接。修复动作在 Openclaw 配置里限制历史消息数量或者开启摘要压缩。对于 LM Studio去模型配置里把 context length 调大同时确认机器内存够用。如果内存不够换一个小一点的量化模型。错误六Codex auth.json 配置错误如果你用 Codex 类工具并且通过auth.json管理凭据配置错误也会表现为连接失败。auth.json里需要同时有 Base URL、Key、Model ID 三件套缺一个都会失败。参考写法{ base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: gpt-4o-mini }确认这个文件路径正确且 Openclaw 或 Codex 读取的是同一个文件。很多时候你改了配置但工具读的是另一个路径下的auth.json导致怎么改都不生效。排查这些错误时一个通用技巧是先把 Openclaw 的日志级别调到 debug让原始错误完整打印出来。Openclaw 默认会把 Bun 的 socket 错误格式化成友好提示但 debug 模式下能看到完整的堆栈和请求 URL。看到请求 URL 之后直接拿这个 URL 去 curl就能复现问题。6. 语义一致 CTA把通道固定下来让排查有参照物排查 connection failed 最痛苦的地方是变量太多——服务端状态、网络链路、Openclaw 配置、模型参数任何一个出问题都报同一句话。所以最高效的策略不是逐个猜而是先固定一个已知可用的通道作为参照物然后拿它去对照出问题的环节。TaoToken 在这里扮演的就是这个参照物的角色。它的 Base URL 是https://taotoken.net/apiKey 在控制台创建Model ID 在模型列表里选。当你把这三件套配好并且用 curl 验证通过之后你就有了一个肯定能通的基准。接下来无论 Openclaw 报什么 connection failed你都可以先切到 TaoToken 通道试一次如果 TaoToken 通道能通说明 Openclaw 本身没问题故障在原来的 LLM 服务端或网络层如果 TaoToken 通道也不通说明 Openclaw 的配置或运行环境有问题跟具体 LLM 服务无关。这个二分法能帮你省掉大量无效排查。具体操作上你可以把 Openclaw 的 provider 配置临时指向 TaoToken跑一次请求看是否还报错。如果好了再回头去查原来的 LM Studio 或云端服务如果还报错就去检查 Openclaw 的 fetch 层、Bun runtime 版本、以及配置文件是否被正确加载。需要提醒的是TaoToken 是正常的 API 通道服务不是用来绕过任何网络限制的工具。它的价值在于提供一个稳定的、OpenAI 兼容的接口让你在排查本地服务问题时有一个干净的对照。如果你在排查过程中遇到接入层面的问题可以查接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有 Base URL、Key、Model ID 的完整说明。如果只是想快速验证某个模型能不能用可以直接去模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 试一次比在 Openclaw 里反复重启快得多。最后给你一个实操建议把第 4 节的两条 curl 命令存成一个 shell 脚本每次 Openclaw 报 connection failed 时先跑一遍。脚本会告诉你 TaoToken 通道和本地 LM Studio 各自的状态你根据返回的 HTTP 状态码和错误信息对照第 5 节的表格基本能在五分钟内定位到具体是哪一层的问题。排查完之后把 Openclaw 的 provider 配置改回你需要的通道确认请求正常返回整个流程就闭环了。