本地部署中文OpenClaw 飞书机器人部署指南

本地部署中文OpenClaw 飞书机器人部署指南

适用场景:在 Windows 本地(PowerShell)一键部署 OpenClaw,使用阿里云百炼作为大模型后端,通过飞书长连接模式实现 AI 机器人。


安装skills工具参考:OpenClaw 最新必安装 10 个 Skills-ZEEKLOG博客

自动化发布小红书:OpenClaw 实现小红书自动化发文:操作指南


步骤 1:安装 OpenClaw(openclaw中文社区)
  1. 打开 PowerShell
  2. 执行以下命令一键安装:
# 在 PowerShell 中运行 iwr -useb https://clawd.org.cn/install.ps1 | iex
  • 安装过程会自动下载 Node.js、依赖等,耗时几分钟。
  • 安装完成后会自动进入配置向导,或提示你继续下一步。
步骤 2:运行首次配置向导
  1. 重新打开一个 CMD
  2. 向导启动后:
    • 第一步通常会问是否继续 → 选择 YES
    • 在选择大模型提供商时,选 阿里云百炼(或你想用的其他平台,如 OpenAI、deepseek 等)。
    • 后面会引导你输入 API Key。

输入命令启动配置向导:

openclaw-cn onboard
步骤 3:获取阿里云百炼 API Key
  1. 浏览器访问阿里云百炼控制台
  2. 登录后,进入左侧菜单 密钥管理创建 API Key
  3. 创建完成后,立即复制 Key(通常以 sk- 或 bk- 开头)。
  4. 返回 onboard 向导,在对应位置粘贴这个 Key 并继续。
步骤 4:配置飞书机器人渠道
  1. 在 onboard 向导中,选择配置 Feishu渠道。
  • 访问飞书开放平台
  • 创建企业自建应用 → 选择机器人类型 → 填写基本信息 → 创建。

选择机器人,继续下一步

输入内容(自定义)

2.在权限管理/批量导入/导出权限中清空原有权限,粘贴复制下方内容

{ "scopes": { "tenant": [ "aily:file:read", "aily:file:write", "application:application.app_message_stats.overview:readonly", "application:application:self_manage", "application:bot.menu:write", "cardkit:card:write", "contact:contact.base:readonly", "contact:user.employee_id:readonly", "corehr:file:download", "docs:document.content:read", "event:ip_list", "im:chat", "im:chat.access_event.bot_p2p_chat:read", "im:chat.members:bot_access", "im:message", "im:message.group_at_msg:readonly", "im:message.group_msg", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource", "sheets:spreadsheet", "wiki:wiki:readonly" ], "user": [ "aily:file:read", "aily:file:write", "contact:contact.base:readonly", "im:chat.access_event.bot_p2p_chat:read" ] } }
  • 在「凭证与基础信息」中复制 App ID 和 App Secret。
  • 进入「事件与回调」:
  • 订阅方式选择 长连接订阅方式(不可选 HTTP 回调)。
  • 添加事件:至少包含 im.message.receive_v1(接收消息)。
  • 保存设置。

注意:事件订阅和回调配置建议在openclaw部署完成后统一在飞书后台设置,避免向导卡住。

3.在指定位置输入刚才复制的飞书机器人App IDApp Secret,继续下一步直到向导完成。

步骤 5:启动网关服务

配置完成后,启动 OpenClaw 的网关(负责 WebSocket 长连接):

openclaw-cn gateway
  • 看到类似 “Listening on http://127.0.0.1:18789” 或 “Gateway ready” 即启动成功。
  • 保持这个窗口运行(或用 nohup / pm2 后台运行)。
步骤 6:访问管理后台并验证
  1. 浏览器打开命令中提示的网址(通常是 http://127.0.0.1:18789http://localhost:18789,可能带 token 参数)。
  2. 登录 OpenClaw 管理后台。
  3. 确认飞书渠道已连接:
    • 检查事件订阅是否为 长连接模式
    • 确认已添加的事件列表完整。
步骤 7:测试部署是否成功
  • 将机器人拉入飞书群或私聊。
  • 发送消息(如 @机器人 你好)。
  • 如果机器人正常回复(可能简单问候或调用百炼模型生成回答),则部署成功!

快速排错提示

  • onboard 卡住或报错 → 检查网络,重新运行 openclaw-cn onboard。
  • gateway 启动失败 → 检查端口 18789 是否被占用,可加参数 --port 其他端口。
  • 飞书不回复 → 确认选了“长连接”、事件已订阅、App ID/Secret/Key 无误。
  • 模型无响应 → 确认百炼 API Key 有效、配额充足。

Read more

智能交通系统的FPGA进化论:从基础信号灯到动态调优

智能交通系统的FPGA进化论:从基础信号灯到动态调优 十字路口的红绿灯控制系统正在经历一场由FPGA技术驱动的革命。十年前,固定时长的信号灯还是城市道路的标配,而今天,能够感知车流、自动调整配时的智能交通系统已成为智慧城市建设的关键基础设施。这种转变背后,是FPGA(现场可编程门阵列)技术从实验室走向实际应用的生动写照。 1. 传统交通信号灯系统的局限与FPGA的机遇 固定时长的交通信号灯系统存在明显的效率瓶颈。在车流量波动较大的路口,预设的定时方案往往导致空等或拥堵。我曾在一个晚高峰观察到,东西向车流早已排起长龙,而南北向的绿灯却依然按照固定时长亮着,面对空荡荡的马路"尽职尽责"。 FPGA的并行处理能力和硬件可重构特性,使其成为解决这一问题的理想选择。与通用处理器相比,FPGA能够: * 实时响应:纳秒级的延迟确保对突发交通事件的即时反应 * 并行处理:同时监控多个方向的车辆检测传感器 * 灵活配置:通过VHDL/Verilog代码更新即可调整控制算法 -- 基础定时控制模块示例 entity traffic_timer is Port ( clk : in S

5分钟部署麦橘超然Flux,AI绘画控制台一键上手

5分钟部署麦橘超然Flux,AI绘画控制台一键上手 “不用折腾环境,不看报错日志,不调参数配置——真正意义上的‘点开即用’。” 这是我在RTX 4060(8GB显存)笔记本上,从下载镜像到生成第一张赛博朋克城市图,全程耗时4分37秒的真实体验。没有conda环境冲突,没有模型手动下载,没有CUDA版本踩坑,甚至连Python都不用自己装。本文将带你以最轻量、最直观的方式,把麦橘超然Flux这个离线图像生成控制台,稳稳跑起来。 1. 为什么是“麦橘超然”?它和普通Flux有什么不一样? 先说结论:这不是又一个Flux.1的简单封装,而是一次面向真实设备限制的工程重构。 你可能已经试过官方Flux.1 WebUI,也见过各种Gradio前端。但多数方案在中低显存设备(如RTX 3060/4060/4070,甚至部分A卡)上会直接卡在模型加载阶段——显存爆满、启动失败、推理卡死。而“麦橘超然”做了三件关键的事: * 模型层量化落地:不是概念性支持,而是实打实对DiT主干网络启用 torch.

基于FPGA的时间数字转换器(TDC)抖动(jitter)测试系统

项目概述 本项目实现了一个完整的FPGA系统,用于通过SPI接口控制和读取AS6501 TDC芯片。系统包括SPI主控模块、控制模块、测试序列器、Block RAM结果存储、UART批量传输模块和Python数据分析工具,支持完整的测试与分析流程: 上电命令→配置寄存器写入/回读验证→Init命令启动测量→中断驱动的连续测量(默认10000次)→结果存入Block RAM→按键触发UART批量传输到上位机→Python解析数据并计算Jitter 核心特性 * 批量测量模式: 连续采集MAX_MEASUREMENTS次(默认10000)后自动停止 * Block RAM存储: 48位×10000条测量数据,使用Vivado Block RAM推断 * UART批量传输: BTN[1]按键触发,115200 baud,8字节数据包格式 * 电平触发中断: 支持AS6501中断始终为低电平的模式(直接再次读取) * Python Jitter分析: 解析UART数据→计算时钟周期/TIE→生成6子图分析报告

[论文阅读] AI + 软件工程 | 用统计置信度破解AI功能正确性评估难题——SCFC方法详解

[论文阅读] AI + 软件工程 | 用统计置信度破解AI功能正确性评估难题——SCFC方法详解

用统计置信度破解AI功能正确性评估难题——SCFC方法详解 论文信息 原标题 Statistical Confidence in Functional Correctness: An Approach for AI Product Functional Correctness Evaluation 主要作者及研究机构 所有作者均来自巴西里约热内卢天主教大学: Wallace Albertini、Marina Condé Araújo、Júlia Condé Araújo、Antonio Pedro Santos Alves、Marcos Kalinowski APA引文格式 Albertini, W., Araújo, M. C., Araújo, J. C., Alves, A. P. S., & Kalinowski, M. (2026)