clawdbot (openclaw) + discord 机器人部署指南学习教程

clawdbot (openclaw) + discord 机器人部署指南学习教程

本文介绍了基于 ClawdBot(OpenClaw)框架在 Discord 平台部署 AI 对话机器人的完整流程。内容包括:Discord Application 与 Bot 的创建配置、OAuth2 权限管理、pnpm 全局安装、Daemon 服务配置、多模型 API 接入(支持智谱 GLM 等主流大模型)、Gateway 服务启动与调试等核心环节。

一、网络要求

  • 魔法
  • 确保网络能够访问Discord服务
  • TUN模式(关键哦)

二、Discord平台配置

2.1 访问Discord开发者平台

访问地址:https://discord.com/developers/applications

2.2 创建应用程序

  1. 登录Discord开发者平台
  2. 点击"New Application"创建新应用
  3. 输入应用名称并确认创建
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

2.3 创建Bot

  1. 在应用设置页面,找到"Bot"选项卡
  2. 点击"Add Bot"创建机器人
  3. 确认创建Bot
  4. 找到"Token"部分
  5. 点击"Copy"复制Token

注意:请妥善保管Token,不要泄露

在这里插入图片描述

2.4 配置Bot权限

  1. 在Bot设置页面中,配置所需的权限
  2. 根据实际需求勾选相应的权限选项

保存配置

在这里插入图片描述

2.5 生成邀请链接

  1. 进入"OAuth2" → “URL Generator”
  2. 选择所需的作用域(Scopes)
  3. 选择Bot权限

复制生成的邀请链接

在这里插入图片描述

2.6 添加Bot到服务器

  1. 打开生成的邀请链接
  2. 选择要添加Bot的Discord服务器
  3. 确认授权
  4. Bot将自动加入到指定的服务器
在这里插入图片描述

三、clawdbot (openclaw) 安装配置

clawdBot (openclaw) 开发者平台:https://docs.openclaw.ai/

3.1 全局安装ClawdBot

pnpmadd -g clawdbot@latest 
说明:官方已将项目改名为 openclaw,但 clawdbot 命令仍然可以正常使用。

3.2 初始化配置

执行初始化命令:

clawdbot onboard --install-daemon 

3.3 配置参数

按照提示依次填写以下信息:

3.3.1 配置AI模型
  • 选择您使用的AI模型提供商
  • 示例:智谱GLM(根据实际使用的模型自行调整)
  • 输入对应的API Key

提前准备

  • 确保已获取对应AI服务的API Key

确认API Key的有效性和配额!

在这里插入图片描述
3.3.2 配置Discord Bot Token
  • 输入在步骤2.3中复制的Bot Token

确保Token正确无误

在这里插入图片描述


在这里插入图片描述

3.4 启动Gateway服务

执行以下命令启动服务:

clawdbot gateway --port 18789 --verbose 

参数说明

  • --port 18789:指定服务端口为18789
  • --verbose:启用详细日志输出在这里插入图片描述
在这里插入图片描述

四、使用机器人

4.1 与机器人对话

  1. 打开Discord应用
  2. 进入已添加Bot的服务器
  3. 在频道中@机器人名称
  4. 输入您的消息即可开始对话

示例

@机器人名称 你好,你是谁? 
在这里插入图片描述

故障排查

常见问题

  1. Bot无法响应
    • 检查VPN连接是否正常
    • 确认Gateway服务是否正在运行
    • 验证Bot Token是否正确
  2. API调用失败
    • 检查API Key是否有效
    • 确认API配额是否充足
    • 查看verbose日志获取详细错误信息
  3. 权限问题
    • 确认Bot在Discord服务器中拥有必要的权限
    • 检查频道权限设置

注意事项

  1. 安全提醒
    • 切勿将Bot Token和API Key泄露给他人哈
    • 建议定期更换Token和密钥
  2. 网络要求
    • 始终保持VPN连接稳定
    • 确保网络能够访问Discord和AI服务

附录

相关链接

Read more

Open WebUI Docker部署:容器化最佳实践

Open WebUI Docker部署:容器化最佳实践 【免费下载链接】open-webuiOpen WebUI 是一个可扩展、功能丰富且用户友好的自托管 WebUI,设计用于完全离线操作,支持各种大型语言模型(LLM)运行器,包括Ollama和兼容OpenAI的API。 项目地址: https://gitcode.com/GitHub_Trending/op/open-webui Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 WebUI,设计用于完全离线操作,支持各种大型语言模型(LLM)运行器,包括Ollama和兼容OpenAI的API。本文将详细介绍如何通过Docker容器化方式部署Open WebUI,包括基础部署、GPU加速、数据持久化、高级配置及最佳实践指南,帮助用户快速搭建稳定高效的AI交互平台。 部署架构概览 Open WebUI的Docker部署采用多容器架构,通过Docker Compose实现服务编排。核心组件包括Ollama服务(模型运行时)和Open WebUI应用服务,两者通过内部网络通信,

By Ne0inhk

使用Docker安装Ollama及Open-WebUI完整教程

作者:吴业亮 博客:wuyeliang.blog.ZEEKLOG.net 一、Ollama 简介及工作原理 1. Ollama 简介及原理 * 简介:Ollama 是一款轻量级、开源的大语言模型(LLM)运行工具,旨在简化本地部署和运行大语言模型的流程。它支持 Llama 3、Mistral、Gemini 等主流开源模型,用户无需复杂配置即可在本地设备(CPU 或 GPU)上快速启动模型,适用于开发测试、本地智能应用搭建等场景。 * 工作原理: * 采用模型封装机制,将大语言模型的运行环境、依赖库及推理逻辑打包为标准化格式,实现模型的一键下载、启动和版本管理。 * 通过优化的推理引擎适配硬件架构,支持 CPU 基础运行和 GPU 加速(如 NVIDIA CUDA),减少资源占用并提升响应速度。 * 提供简洁的

By Ne0inhk
【算法】【优选算法】BFS 解决边权相同最短路问题

【算法】【优选算法】BFS 解决边权相同最短路问题

目录 * 一、1926.迷宫中离⼊⼝最近的出⼝ * 二、433. 最⼩基因变化 * 三、127. 单词接⻰ * 四、675. 为⾼尔夫⽐赛砍树 一、1926.迷宫中离⼊⼝最近的出⼝ 题目链接:1926.迷宫中离⼊⼝最近的出⼝ 题目描述: 题目解析: * 给我们一个字符数组 + 表示墙,. 表示路。 * 求给我们的起始坐标,上下左右走到边界最短的距离。 * 没路出去返回-1,刚开始的起点不算距离。 解题思路: * 使用层序遍历,从给我们的起点开始, * 每一次都将队列中的元素全部取出,相当于进了一步。 * 直到没路可走,或者走到边界。 * 使用一个相同大小的标记数组,将走过的路和墙标记。标记过的下标不入队。 解题代码: 时间复杂度:O(M*N) 空间复杂度:

By Ne0inhk

玩转Python核心数据结构:从基础到实战的编程基石-4

第4章:无序且唯一的集合:集合与冻结集合 章节介绍 Python 中,除了列表和元组这类有序的序列,还有一类非常实用的无序容器:集合。集合最核心的特征是它的元素是唯一且无序的。想象一下,当你需要记录一批用户的唯一标签,或者快速比对两份数据之间的差异时,集合就能大显身手。它与数学中的集合概念高度一致,支持交集、并集等运算,处理这类问题既直观又高效。 创建一个集合很简单,可以直接用花括号 {},或者使用 set() 函数。但更常见的情况是,我们从已有的数据(比如一个可能包含重复项的列表)中提取唯一元素。这时,集合的“唯一性”就派上了用场。你可以使用 ` defcreate_set_from_list(data_list:list)->set:""" 从给定的列表创建一个集合。 集合会自动去除列表中的重复元素,并失去原有的顺序。 这是演示集合创建和其'

By Ne0inhk