OpenClaw 接入阿里云百炼 Coding Plan 指南

OpenClaw 接入阿里云百炼 Coding Plan 指南

在 OpenClaw 中使用千问及第三方模型(qwen3.5-plus、qwen3-max、MiniMax、GLM、Kimi 等)


📋 前置条件

  1. 已订阅 Coding Plan 套餐

    • Lite 基础套餐:¥40/月(18,000 次请求/月)
    • Pro 高级套餐:¥200/月(90,000 次请求/月)
    • 新用户限时优惠:Lite 首月 ¥7.9,Pro 首月 ¥39.9
  2. 获取 Coding Plan 专属凭证

    • API Key :格式 sk-sp-xxxxx(勿与通用 Key sk-xxxxx 混用)
    • Base URLhttps://coding.dashscope.aliyuncs.com/v1
    • 获取地址:Coding Plan 控制台

🚀 快速接入

步骤 1:安装 OpenClaw

macOS

bash 复制代码
curl -fsSL https://openclaw.ai/install.sh | bash

Windows PowerShell

powershell 复制代码
iwr -useb https://openclaw.ai/install.ps1 | iex

步骤 2:初始化配置

安装完成后按提示配置:

配置项 推荐选择
I understand this is powerful and inherently risky. Continue? Yes
Onboarding mode QuickStart
Model/auth provider Skip for now(后续配置)
Filter models by provider All providers
Default model 使用默认配置
Select channel (QuickStart) Skip for now(后续配置)
Configure skills now? (recommended) No(后续配置)
Enable hooks? 按空格键选中,回车继续
How do you want to hatch your bot? Hatch in TUI

步骤 3:配置 Coding Plan

方式一:Web UI 配置(推荐)
  1. 打开 Web UI

    bash 复制代码
    openclaw dashboard
  2. 在左侧菜单选择 配置/Config

  3. 添加/修改 models 配置:

    json 复制代码
    "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": true,
              "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": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 262144,
              "maxTokens": 65536
            },
            {
              "id": "qwen3-coder-next",
              "name": "qwen3-coder-next",
              "reasoning": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 262144,
              "maxTokens": 65536
            },
            {
              "id": "qwen3-coder-plus",
              "name": "qwen3-coder-plus",
              "reasoning": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 1000000,
              "maxTokens": 65536
            },
            {
              "id": "MiniMax-M2.5",
              "name": "MiniMax-M2.5",
              "reasoning": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 1000000,
              "maxTokens": 65536
            },
            {
              "id": "glm-5",
              "name": "glm-5",
              "reasoning": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 202752,
              "maxTokens": 16384
            },
            {
              "id": "glm-4.7",
              "name": "glm-4.7",
              "reasoning": true,
              "input": ["text"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 202752,
              "maxTokens": 16384
            },
            {
              "id": "kimi-k2.5",
              "name": "kimi-k2.5",
              "reasoning": true,
              "input": ["text", "image"],
              "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
              "contextWindow": 262144,
              "maxTokens": 32768
            }
          ]
        }
      }
    }
  4. 修改 agents.defaults 配置:

    json 复制代码
    "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": {}
        }
      }
    }
  5. 保存并应用配置

    • Web UI:点击右上角 SaveUpdate
    • 终端:保存文件后执行 openclaw gateway restart

方式二:终端直接编辑
  1. 打开配置文件

    bash 复制代码
    nano ~/.openclaw/openclaw.json
  2. 按上述配置内容编辑

  3. 保存退出(Ctrl+O → Enter → Ctrl+X)

  4. 重启 Gateway

    bash 复制代码
    openclaw gateway restart

步骤 4:开始使用

Web UI 方式

bash 复制代码
openclaw dashboard

TUI 方式

bash 复制代码
openclaw tui

🔄 切换模型

当前会话切换

复制代码
/model qwen3-coder-next

永久默认模型

修改配置文件中 agents.defaults.model.primary 字段:

json 复制代码
"model": {
  "primary": "bailian/qwen3.5-plus"
}

📦 支持的模型

模型 ID 说明 上下文窗口 最大输出
qwen3.5-plus 千问最新一代,支持文本 + 图像 1,000,000 65,536
qwen3-max-2026-01-23 千问 3 旗舰模型 262,144 65,536
qwen3-coder-next 代码专用模型 262,144 65,536
qwen3-coder-plus 代码专用模型(推荐) 1,000,000 65,536
MiniMax-M2.5 MiniMax 模型 1,000,000 65,536
glm-5 智谱 GLM-5 202,752 16,384
glm-4.7 智谱 GLM-4.7 202,752 16,384
kimi-k2.5 月之暗面 Kimi,支持图像 262,144 32,768

⚠️ 重要注意事项

订阅限制

  • 仅支持阿里云主账号订阅,不支持 RAM 用户
  • 每个账号同时只能订阅一个 Coding Plan(不区分 Lite/Pro)
  • 服务一经购买不支持退订与退款

使用限制

  • 套餐额度仅限编程工具中使用(如 OpenClaw、Claude Code 等)
  • 禁止用于 API 调用、自动化脚本、自定义应用程序后端
  • 违规使用可能导致订阅暂停或 API Key 被封禁

数据授权

  • 使用期间,模型输入及生成内容将用于服务改进与模型优化
  • 停止使用可终止后续数据授权

🐛 常见问题

401 invalid access token or token expired

  • 检查 API Key 是否为 Coding Plan 专属(sk-sp-xxxxx 格式)
  • 确认复制完整且无空格
  • 确认订阅状态有效

model 'xxx' is not supported

  • 模型名称必须与支持的模型 ID 完全一致
  • 区分大小写,前后无空格

403 invalid api-key

  • 检查 Base URL 是否正确
  • 正确https://coding.dashscope.aliyuncs.com/v1
  • 错误https://dashscope.aliyuncs.com/...

hour/week/month allocated quota exceeded

  • 对应周期额度已用完
  • 等待额度重置或升级至 Pro 套餐

开启思考模式后无输出

  • 更新 OpenClaw 至最新版本

📊 额度说明

任务类型 估算消耗
简单问答或代码生成 5-10 次调用
代码重构或复杂任务 10-30+ 次调用

额度重置时间

  • 每 5 小时:滚动刷新,消耗后 5 小时自动恢复
  • 每周:周一 00:00:00 (UTC+8) 重置
  • 每月:订阅日对应日 00:00:00 (UTC+8) 重置

查看用量:Coding Plan 控制台


🔗 相关链接


最后更新:2026-02-25

相关推荐
张忠琳8 小时前
【vllm】(八)vLLM v1 Simple KV Offload — 系统级架构深度分析之二
ai·架构·vllm
AI360labs_atyun8 小时前
GPT-5.5 和 DeepSeek V4同期发布,谁更行?
人工智能·gpt·学习·ai·agi
阿杰学AI8 小时前
AI核心知识143—大语言模型之 奖励作弊(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·reward hacking·奖励作弊
阿杰学AI8 小时前
AI核心知识144—大语言模型之 红队(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·红队·红队测试
LcGero8 小时前
腾讯混元OCR:1B小模型如何在OCR界扛起SOTA大旗
ai·ocr·腾讯·sota·混元·1b
byoass8 小时前
文件版本管理的设计与实现:解决协同编辑丢数据的核心方案
前端·javascript·网络·数据库·安全·云计算
_waylau8 小时前
HarmonyOS 6.0升级至6.1改动点
华为·ai·harmonyos·鸿蒙·鸿蒙系统
CoderJia程序员甲8 小时前
GitHub 热榜项目 - 日榜(2026-04-27)
ai·大模型·llm·github
belldeep9 小时前
基于深度学习的中医辨证系统 如何区分各种感冒?
人工智能·深度学习·ai·中医辨证
Tiger Z9 小时前
文献阅读 | Preprint | scMarkerAgent:基于大语言模型证据智能体的细胞标志物图谱
ai·生物信息·文献阅读·单细胞