1. 为什么 self-improving-agent 值得单独写一篇接入教程self-improving-agent 是 clawhub 下载热榜排名第一的 Agent Skill它的定位很明确把对话里出现的失败、纠正和功能诉求自动写成可检索的日志再按需升格成项目级记忆。换句话说它让 Agent 从「每次会话都从零开始」变成「每次会话都在上一次的基础上变强」。适合谁适合已经在用 openclaw 跑 Agent 工作流、但苦于经验无法沉淀的开发者也适合刚接触 Agent Skills 规范、想找一个结构清晰的 Skill 来学习写法的人。但热榜第一不等于开箱即用。self-improving-agent 为了兼容 Cursor、Claude、GitHub 等多平台自带大量冗余说明和配置项直接塞进 openclaw 会带来两个问题一是 Token 消耗偏高二是 API 通道分散导致调用日志难以统一追踪。我试过把它的 API 调用拆到多个 Key 上结果排查一次失败记录要翻三个后台效率极低。这篇要解决的就是这件事用 TaoToken 的统一 Key 和 API 通道接入 self-improving-agent给出可直接复制的config.toml骨架和settings.json关键字段并附上启动 openclaw 后的验证动作确认 Skill 加载日志和 API 调用返回都正常。全程围绕 openclaw 这一个平台做精简不保留无关平台的兼容逻辑。2. TaoToken 前置统一 Key 与 API 通道准备TaoToken 在这里扮演的角色是「统一入口」你不需要为 self-improving-agent 单独申请一套凭证也不需要把不同模型的 Key 散落在多个配置文件里。一个 Key 走通模型对话、编码计划和 API 调用日志也集中在一处排查 self-improving-agent 写下的 ERR 条目时能直接对应到具体请求。你需要先拿到两样东西API Key 和接入文档里的 base_url 约定。Key 在控制台的 API Keys 页面创建建议按用途命名比如openclaw-self-improve方便后续在日志里区分。接入文档里会说明请求头格式和兼容的模型标识照着填即可。创建 Keyhttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite注意Key 只创建一次就够后续 self-improving-agent 的所有 API 调用都复用这一个。不要把它写进.learnings/目录下的任何日志文件self-improving-agent 默认不记录密钥但你自己手动粘贴时要注意。如果你后续打算长期跑编码类 Agent 任务可以顺带看一下 Coding Plan 的额度说明避免 self-improving-agent 在高频记录时触发限流Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite3. 可复制配置config.toml 骨架与 settings.json 关键字段openclaw 的配置分两层config.toml管全局通道和 Skill 注册settings.json管运行时行为和日志路径。下面这份骨架是按「只面向 openclaw」精简过的版本去掉了 Cursor、Claude、GitHub 相关的兼容段。先看config.toml# openclaw 全局配置统一走 TaoToken 通道 [api] provider taotoken base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY timeout_seconds 60 max_retries 2 [api.headers] Content-Type application/json [skills] # 注册 self-improving-agent路径指向本地解压后的目录 enabled [self-improving-agent] skill_root ./skills auto_reload true [skills.self-improving-agent] # 只保留 openclaw 相关逻辑关闭多平台兼容 platform openclaw enable_hooks true hook_stage agent:bootstrap learnings_dir ./.learnings promote_targets [CLAUDE.md, AGENTS.md, SOUL.md, TOOLS.md] [logging] level info skill_load_log ./logs/skill-load.log api_call_log ./logs/api-call.log几个关键点说明。api_key_env指向环境变量而不是明文写 Key启动前用export TAOTOKEN_API_KEY你的Key注入。platform openclaw这一行是精简的核心它让 Skill 跳过其他平台的判断分支。hook_stage agent:bootstrap对应 self-improving-agent 内置的钩子注入点启动阶段就会挂上自提升提醒。再看settings.json{ agent: { name: openclaw-self-improve, model: claude-sonnet, system_prompt_file: ./prompts/base.md }, self_improvement: { enabled: true, log_types: [LRN, ERR, FEAT], id_format: TYPE-YYYYMMDD-XXX, default_status: pending, auto_promote_threshold: 3, pattern_key_tracking: true, redact_secrets: true }, memory: { project_files: [CLAUDE.md, AGENTS.md, copilot-instructions.md], workspace_files: [SOUL.md, TOOLS.md] } }auto_promote_threshold: 3表示同一条 Pattern-Key 出现三次后提示升格这是把偶发日志变成稳定策略的触发线。redact_secrets: true保证写入.learnings/前自动脱敏避免密钥或完整对话被落盘。4. 验证请求启动 openclaw 并确认 Skill 加载与 API 返回配置写完后按顺序执行三步验证。第一步注入 Key 并启动export TAOTOKEN_API_KEY你的Key openclaw hooks enable self-improvement openclaw start --config ./config.toml第二步看 Skill 加载日志。正常输出应该包含 Skill 名称、平台标识和钩子注入阶段tail -f ./logs/skill-load.log # 期望看到类似 # [INFO] skill loaded: self-improving-agent # [INFO] platform: openclaw # [INFO] hook injected at stage: agent:bootstrap第三步触发一次 API 调用并确认返回。在 openclaw 会话里发一条会引发记录的消息比如故意让某个命令失败然后检查api-call.log和.learnings/ERRORS.mdgrep taotoken ./logs/api-call.log | tail -5 cat ./.learnings/ERRORS.md如果api-call.log里能看到请求状态码 200且ERRORS.md新增了一条ERR-YYYYMMDD-001格式的条目说明 self-improving-agent 的「发现问题→记录沉淀」闭环已经跑通。想单独验证模型通道是否正常可以直接用模型对话页面发一条测试消息模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite5. 本篇常见错排查报错一skill not found: self-improving-agent原因通常是skill_root路径不对或者 Skill 目录名和enabled列表里的名称不一致。检查./skills/self-improving-agent/下是否有顶层SKILL.md或skill.yamlfrontmatter 里的name字段要和注册名完全一致。报错二API 返回 401 或 403先确认环境变量是否真的注入成功用echo $TAOTOKEN_API_KEY看输出。如果为空说明export只在当前终端生效换终端或写进启动脚本时要重新注入。另外检查base_url是否误加了尾部斜杠https://taotoken.net/api后面不要跟/。报错三.learnings/目录不生成文件多半是learnings_dir的相对路径基准不对。openclaw 以config.toml所在目录为基准解析相对路径如果你的配置文件在子目录里./.learnings会落到子目录下。改成绝对路径或确认启动时的工作目录。报错四钩子没触发会话里没有任何记录提醒检查enable_hooks是否为true以及openclaw hooks enable self-improvement是否执行成功。有些情况下钩子注册了但hook_stage写错比如写成agent:start而不是agent:bootstrap会导致启动阶段挂不上。报错五Token 消耗依然很高说明精简没生效。确认platform openclaw已写入并且 Skill 目录里面向其他平台的说明文件如 Cursor 专属的.cursorrules引用段已经移除。如果还高用接入文档里的请求示例对比一下实际发送的 payload看是否夹带了冗余上下文。接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite6. 把统一 Key 用在长期编码与 Agent 任务上self-improving-agent 跑通之后你会发现它的价值不在单次会话而在长期积累.learnings/里的条目会随着使用逐渐增多达到auto_promote_threshold后升格进CLAUDE.md或SOUL.md形成项目级记忆。这个过程对 API 通道的稳定性要求比较高因为每次记录和升格都是一次真实调用。如果你打算把 openclaw 作为日常编码和 Agent 任务的主力环境建议把 TaoToken 的 Coding Plan 纳入考虑它针对长期编码场景做了额度规划能减少 self-improving-agent 高频写入时的中断风险Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite最后给一个实操建议每次修改config.toml后先跑openclaw start --dry-run检查配置解析再正式启动。这样能在 Skill 加载阶段就发现路径和字段问题不用等到 API 调用失败才回头排查。
