OpenClaw Zero Token 实测：不用 API Key，也能免费聚合多家 AI 模型

如果你经常在 Claude、ChatGPT、Gemini、DeepSeek、豆包、Kimi、Grok、通义千问之间来回切换，大概率会遇到一个问题：

每个平台都有自己的网页入口，每个平台都有自己的模型能力，但真正想把它们统一接到一个工具、一个聊天界面、一个 API 调用入口里时，就开始变麻烦了。

传统做法通常是准备各家的 API Key，然后自己封装一层网关。
但这也带来新的问题：Key 管理、额度成本、调用兼容、模型切换、权限安全，都需要额外维护。

尤其是成本问题。
很多 AI 平台的 API Key 本身不是“开了就永久免费”，实际调用通常会按量计费。对于个人学习、模型横评、临时验证来说，还没开始写多少代码，先要处理充值、额度、账单和限额，体验并不轻。

这次体验的 openclaw-zero-token，走的是另一条路：
不直接要求你准备各家 API Token，也不走各家按量收费的 API 调用链路，而是复用你在浏览器里已经登录的 Web 模型账号，把多个 Web 版大模型统一接入到 OpenClaw 的本地网关里。

项目 GitHub 地址

一、它解决的是什么问题？

openclaw-zero-token 的定位很直接：

Use All Major AI Models NO API Token!

也就是说，它希望让你在没有各家官方 API Key、也不额外支付 API 调用费用的情况下，把主流 AI 模型统一接起来使用。

从项目描述看，它支持的方向包括：

Claude Web
ChatGPT Web
Gemini Web
DeepSeek Web
Doubao Web
Grok Web
Qwen Web
Manus Web
Kimi Web

它不是重新训练模型，也不是替代这些平台本身。
更准确地说，它像是一个本地中间层：一边连接你已经登录好的浏览器会话，一边对外提供统一的聊天界面、模型切换能力和 OpenAI 风格的 API 调用入口。

这类工具的价值在于：
当你只是想把多个 Web 模型聚合到一个入口里做实验、对比或个人自动化时，不一定非要先准备一堆 API Key，也不一定要为每一次 API 调用单独买单。

二、适合什么人使用？

我觉得它更适合这几类用户：

经常横向对比多个模型的人
比如同一个问题想分别问 Claude、ChatGPT、DeepSeek、Gemini，观察不同模型的回答风格和能力边界。
想本地搭一个多模型网关的人
你希望对外暴露一个统一入口，而不是每个模型都写一套调用逻辑。
主要用于个人学习和技术验证的人
这个项目更适合本地实验、个人效率工具和技术研究，不建议一上来就当成生产系统核心依赖。
暂时不想处理多家 API Key 的人
它把重点放在 Web 登录态复用上，降低了前期跑通门槛。
对 API 调用成本比较敏感的人
很多官方 API 都是按量收费，适合生产系统和稳定集成；但如果只是个人学习、临时验证、多模型体验，先通过 Web 登录态跑起来，成本压力会小很多。

三、安装与编译

项目需要先从 GitHub 克隆，然后安装依赖并构建。

git clone https://github.com/linuxhsj/openclaw-zero-token.git
cd openclaw-zero-token
pnpm install
pnpm build
pnpm ui:build

我的安装过程截图如下：

pnmpInstall
pnmpBuild
pnpmUiBuild

这里建议提前准备好 Node.js 和 pnpm 环境。
如果你之前没怎么用过 pnpm，可以先确认一下本机版本：

node -v
pnpm -v

如果构建过程中遇到依赖缺失、模块找不到等问题，可以先不要急着改代码，优先考虑清理后重装依赖。

rm -rf dist dist-runtime node_modules
pnpm install
pnpm build
pnpm ui:build

四、核心步骤：配置网页登录认证

这一步是 openclaw-zero-token 最关键的地方。

它不是让你复制一堆 API Key，而是通过浏览器调试模式，让工具识别你在浏览器中已经登录的各个 Web 模型账号。

先启动浏览器调试模式：

./start-chrome-debug.sh

启动截图：

startChromeDebug

注意：这个终端需要保持运行，不要马上关闭。

脚本启动后，在打开的浏览器里登录你需要接入的模型平台，例如：

DeepSeek
通义千问
Kimi
Claude
ChatGPT
Gemini
Grok
豆包

运行后会自动打开多个模型平台的登录页面，按需完成登录即可：

自动打开各大模型的登录页面

登录完成后，新开一个终端，运行授权向导：

./onboard.sh webauth

授权过程截图：

onboardWebauth
onboardWebauth授权模型

这个过程可以理解为：
让本地服务知道你已经在浏览器中完成了登录，并把这些 Web 模型作为可用后端接进来。

五、启动本地服务

认证配置完成后，可以启动服务：

./server.sh

启动截图：

启动server

服务启动后，会自动打开 Web UI。
如果没有自动打开，也可以手动访问本地地址，例如：

http://127.0.0.1:3001/chat

进入聊天界面后，你就可以像使用普通 AI 聊天工具一样提问。

首页截图：

openclawZeroToken启动首页

授权模型展示：

配置模型列表

豆包提问效果：

用豆包模型提问

DeepSeek 提问效果：

用deepseek模型提问

六、模型切换：一个入口，多家模型

在聊天界面里，可以通过 /model 命令切换模型。

例如切换到 Claude Web：

/model claude-web

切换到豆包：

/model doubao-web

切换到 DeepSeek：

/model deepseek-web

也可以指定更具体的模型名称：

/model claude-web/claude-sonnet-4-6
/model doubao-web/doubao-seed-2.0
/model deepseek-web/deepseek-chat

如果不确定当前有哪些模型可用，可以执行：

/models

这一点对多模型测试很方便。
你可以先问一个问题，再切换模型继续对比，不需要反复打开多个网页标签页。

七、API 调用：把 Web 模型包装成统一接口

除了 Web UI，它还支持通过 API 调用。

示例：

注意：下面的 实际_GATEWAY_TOKEN 需要替换成你本地 OpenClaw 网关生成的 Gateway Token，不要直接原样复制。

curl http://127.0.0.1:3001/v1/chat/completions \
  -H "Authorization: Bearer 实际_GATEWAY_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-web/deepseek-chat",
    "messages": [{"role": "user", "content": "你好！"}]
  }'

我的 curl 访问截图如下：

curl访问截图

这里有两个点值得注意：

调用的是本地 OpenClaw 网关地址
使用的是 Gateway Token，而不是 DeepSeek、Claude、ChatGPT 等平台自己的 API Key

如果这里返回 Unauthorized，通常说明 Gateway Token 没填、填错，或者把示例里的占位内容原样复制了。

如果返回 forbidden，并提示 missing scope: operator.write，则说明 Token 已经被识别，但当前 Token 权限范围不够，需要换成具备对应 scope 的 Gateway Token，或回到授权 / 配置流程中重新确认权限。

这意味着你可以把它接到一些兼容 OpenAI 接口的工具链里，做本地实验或工作流验证。

当然，这里也要理性看待：
它底层仍然依赖各家 Web 平台的登录态、页面能力和可用性。如果平台页面变化、登录状态失效、风控策略调整，都可能影响稳定性。

八、CLI 模式

如果你更喜欢命令行，也可以用 TUI 模式：

node openclaw.mjs tui

这对于开发者来说比较顺手。
有些场景下，不需要打开 Web UI，在终端里直接切换模型和发起对话会更轻量。

九、我对它的理解：它和 OpenClaw 是什么关系？

从名字上看，openclaw-zero-token 是围绕 OpenClaw 生态做的一种扩展思路。

之前我体验 OpenClaw 时，更关注的是它作为 Agent 工具如何连接模型、IM、桌面端和工作流。
而 openclaw-zero-token 更聚焦在另一个具体问题上：

能不能在不直接配置各家 API Token 的情况下，把多个 Web 模型统一接入到一个可调用的本地网关里？

如果把 OpenClaw 理解成“AI Agent 的执行和集成层”，那么 openclaw-zero-token 更像是给它补了一种模型接入方式：

OpenClaw 负责把 AI 能力放进工具和流程
openclaw-zero-token 负责把多个 Web 模型聚合成可用后端

两者结合起来看，思路是很有意思的：
让 AI 不只是停留在网页聊天窗口里，而是可以进入统一入口，再进一步进入本地工具链和自动化流程。

十、优点、限制与风险

优点

不强依赖官方 API Key
对个人实验和模型对比很友好。
不额外走按量收费的 API 调用
对只想先体验、横评和验证想法的个人用户来说，最大的吸引力就是少了一层 API 费用压力。
多模型统一入口
不需要在多个网页之间来回切换。
支持 Web UI、API、CLI 多种使用方式
既能手动聊天，也能接入本地工具链。
适合快速验证想法
对个人开发者、技术博主、AI 工具爱好者比较有吸引力。

限制

稳定性取决于 Web 平台
一旦网页结构、登录策略、风控机制变化，工具可能需要适配。
不等同于官方 API
官方 API 在稳定性、协议、并发、计费、合规上通常更明确。
“不花 API 调用费”不等于所有服务永久免费
如果某些 Web 模型本身需要会员、订阅或受账号额度限制，仍然要遵守对应平台的规则。
更适合本地和个人场景
如果是企业生产系统，仍建议优先考虑官方 API 或明确授权的服务。

风险提示

账号安全：不要在不可信环境里运行授权流程。
隐私安全：不要把敏感业务数据直接输入到不了解风险的模型和工具链中。
平台规则：使用前应了解各 Web 模型平台的服务条款。
费用边界：它减少的是 API 调用费用和 Key 管理成本，不代表可以绕过平台订阅、额度或使用限制。
本地 Token：Gateway Token 也要妥善保管，不要写进公开仓库或截图里。

十一、为什么这个项目值得关注？

我觉得它有意思的地方，不只是“省掉 API Key”。

更重要的是，它代表了一个很现实的使用需求：

用户已经在多个 AI 平台上有账号，也已经习惯了 Web 版模型能力，但仍然希望有一个统一入口来组织、调用和对比这些能力。

从这个角度看，openclaw-zero-token 并不是在替代官方 API，而是在补齐个人用户和开发者常见的中间地带：

Web 平台已经能用
API Key 暂时不想配，也不想先承担 API 调用费
多模型又确实想统一管理
本地工具链也希望能调用这些模型

这个中间地带过去经常靠手工切换网页解决。
现在则有机会通过本地网关、统一模型命令和 OpenAI 风格接口串起来。

十二、写在最后

如果你是想搭建一个严肃的生产级 AI 服务，openclaw-zero-token 未必是最稳妥的选择。
但如果你的目标是学习、体验、模型横评、本地自动化验证，它确实提供了一个很有启发性的方案。

它让我看到 AI 工具发展的另一个方向：

不是所有场景都必须从 API Key 和 API 账单开始。
有时，复用已经存在的 Web 登录态，把多个模型先统一到一个本地入口里，也是一种非常实用的工程路径。

对于个人开发者来说，这类工具最大的价值不是“绕过什么”，而是降低试错成本。
先跑起来、先对比起来、先把工作流串起来，然后再决定哪些场景值得升级到更稳定、更正式的 API 方案。