ClawdBot开源应用：MIT协议下二次开发Telegram多平台机器人

Ne0inhk

23 Mar 2026 — 10 min read

ClawdBot开源应用：MIT协议下二次开发Telegram多平台机器人

1. ClawdBot是什么：你的本地AI助手，不止于聊天

ClawdBot不是另一个云端API调用工具，而是一个真正属于你、运行在你设备上的个人AI助手。它不依赖外部服务即可完成推理、对话、文件处理等核心任务，所有数据默认留在本地，隐私由你自己掌控。

它采用模块化架构设计，后端模型能力由vLLM提供——这意味着你能享受到接近原生GPU性能的高效推理体验，同时支持Qwen3-4B-Instruct等主流开源模型的即插即用。无论是树莓派4、NUC迷你主机，还是带显卡的台式机，只要满足基础硬件要求（2GB显存+8GB内存），就能跑起来。

更关键的是，ClawdBot从诞生之初就定位为“可深度定制的AI网关”。它不预设使用场景，而是把控制权交还给开发者：你可以把它变成客服中台、知识库入口、自动化办公代理，甚至嵌入到自己的SaaS产品中作为智能增强模块。MIT协议的加持，让这种自由没有法律边界——商用、闭源、再分发，全部允许。

它不像某些“一键部署”工具那样隐藏所有细节，反而鼓励你打开配置文件、修改JSON、调试日志、替换模型。这种“透明可控”的设计理念，正是它吸引技术型用户的核心原因。

2. MoltBot：5分钟上线的Telegram全能翻译官

2.1 一句话看懂它的能力边界

Star 2k、MIT协议、5分钟搭好 Telegram 全能翻译官，语音、图片、汇率、天气一次搞定。

这不是营销话术，而是真实可验证的交付效果。MoltBot是2025年新出现的开源项目，但它解决的问题非常具体：群聊里一句外语消息没人看懂？截图里的外文说明书看不懂？旅行前想查目的地实时天气和汇率？这些高频需求，过去需要切换多个App、复制粘贴、反复确认，现在一条消息就能闭环。

2.2 它到底能做什么：不靠吹，靠实测

实时翻译快得像呼吸
支持100+语言互译，背后是LibreTranslate与Google Translate双引擎协同。当一条英文消息发进群聊，@moltbot 或直接私聊，0.8秒内返回中文结果。如果主引擎失败，自动fallback到备用引擎，不卡顿、不报错、不中断对话流。
多模态输入，不挑形式
- 发语音？Whisper tiny模型本地转写，识别完立刻翻译，全程离线，无额外费用；
- 发图片？PaddleOCR轻量版自动识别图中文字，哪怕截图是歪的、字体小、背景杂，也能准确提取并翻译；
- 这些能力全部打包进一个300MB的Docker镜像，树莓派4上实测15人并发稳定运行，CPU占用率始终低于65%。
不只是翻译，更是生活小助手
内置三个高频快捷命令：
/weather 上海 → 返回当前温度、湿度、空气质量与未来3小时预报；
/fx 100 USD to CNY → 实时汇率+换算结果，数据来自公开金融API；
/wiki 量子计算 → 提取维基百科摘要段落，自动翻译成你的首选语言。
所有功能无需额外配置，开箱即用。
零配置，但不等于零理解
docker-compose up -d 启动后，服务自动加载Whisper tiny、PaddleOCR、翻译引擎三套组件。你不需要手动下载模型、配置路径、调整参数。但如果你愿意深入，所有模型权重、配置项、日志输出都清晰可见、随时可调。

2.3 隐私与部署：把服务器放在你能摸到的地方

默认设置下，MoltBot不记录任何用户消息、不上传语音片段、不缓存OCR识别结果。你可以在配置中开启“阅后即焚”模式，让每条处理过的消息在响应返回后立即从内存中清除。

更实用的是它的网络适应性：支持SOCKS5/HTTP代理，意味着你可以把服务部署在国内云服务器或家庭NAS上，通过代理连接Telegram API，完全规避境外网络依赖。这对很多企业内网、教育机构、开发者本地测试场景来说，是决定能否落地的关键一环。

3. 快速上手：从启动到可用，三步走通

3.1 启动服务与首次访问

MoltBot基于ClawdBot框架构建，因此启动方式与ClawdBot一致。假设你已安装Docker与docker-compose：

# 克隆官方仓库（以moltbot为例） git clone https://github.com/moltbot/moltbot.git cd moltbot # 启动服务 docker-compose up -d # 查看日志确认运行状态 docker-compose logs -f

服务启动后，默认Web控制台不会直接对外暴露。你需要先完成设备授权流程：

# 列出待批准的设备请求 clawdbot devices list

你会看到类似这样的输出：

ID Status Created Last Seen abc123 pending 2026-01-24 10:22 —

执行批准命令：

clawdbot devices approve abc123

批准后，控制台即可通过本地地址访问。若仍无法打开页面，使用以下命令获取带Token的安全链接：

clawdbot dashboard

终端将输出类似内容：

Dashboard URL: http://127.0.0.1:7860/?token=23588143fd1588692851f6cbe9218ec6b874bb859e775762

复制该URL，在浏览器中打开即可进入图形化控制界面。

3.2 模型更换：换一个更懂你的大脑

ClawdBot默认搭载Qwen3-4B-Instruct-2507模型，但你完全可以替换成其他vLLM兼容模型。有两种方式：

方式一：修改配置文件（推荐，适合批量部署）

编辑 /app/clawdbot.json，重点修改 models.providers.vllm 区块：

{ "models": { "mode": "merge", "providers": { "vllm": { "baseUrl": "http://localhost:8000/v1", "apiKey": "sk-local", "api": "openai-responses", "models": [ { "id": "Qwen3-4B-Instruct-2507", "name": "Qwen3-4B-Instruct-2507" }, { "id": "Phi-3-mini-4k-instruct", "name": "Phi-3-mini-4k-instruct" } ] } } } }

保存后重启服务：

docker-compose restart

方式二：UI界面操作（适合快速验证）

进入控制台 → 左侧导航栏点击 Config → Models → Providers，在vLLM Provider下点击“Add Model”，填入模型ID与名称，提交即可。

验证是否生效：

clawdbot models list

正常输出应包含你新增的模型名，并标注 Local Auth: yes。

3.3 Telegram频道接入：国内环境下的务实方案

注意：Telegram Bot API在中国大陆直连受限，需配合代理使用。ClawdBot支持原生代理配置，无需额外工具。

在 /app/clawdbot.json 中添加或修改 channels.telegram 区块：

{ "channels": { "telegram": { "enabled": true, "botToken": "YOUR_TELEGRAM_BOT_TOKEN", "proxy": "http://127.0.0.1:7890" } } }

其中 proxy 字段支持 http://、https://、socks5:// 三种协议。如果你已在宿主机运行Clash、Surge或Shadowsocks，只需填写对应代理地址即可。

验证通道状态：

clawdbot channels status --probe

若返回 Gateway not reachable，说明代理未生效或Telegram API不可达，请检查代理服务是否运行、端口是否开放、Token是否正确。

4. 二次开发指南：MIT协议下的自由实践

4.1 协议解读：MIT不是口号，是权利保障

MIT协议是开源世界最宽松的许可证之一。对开发者而言，它意味着：

可以将ClawdBot或MoltBot代码用于商业产品，无需公开衍生代码；
可以闭源发布基于它的SaaS服务，收取订阅费；
可以修改源码、删除品牌标识、重命名后作为自有产品发布；
可以打包进企业内网系统，作为AI能力底座，不违反任何合规要求。

GitHub上已有社区贡献的Discord、Slack适配分支，证明其扩展性已被实际验证。你不需要从零造轮子，而是在成熟骨架上叠加业务逻辑。

4.2 接口调用：用HTTP对接你的系统

ClawdBot提供标准OpenAI兼容API接口，任何支持OpenAI格式的前端、App、脚本均可直接调用：

curl http://localhost:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-local" \ -d '{ "model": "vllm/Qwen3-4B-Instruct-2507", "messages": [{"role": "user", "content": "你好，今天天气怎么样？"}] }'

返回结构与OpenAI完全一致，可无缝替换现有AI调用链路。

4.3 插件开发：为MoltBot添加新能力

MoltBot的快捷命令（如 /weather）本质是插件机制。你可以在 src/plugins/ 目录下新建Python文件，例如 currency.py：

# src/plugins/currency.py from moltbot.plugin import Plugin class CurrencyPlugin(Plugin): def __init__(self): super().__init__(name="currency", command="/fx") def handle(self, message, args): # 解析金额与币种，调用汇率API return f" 100 USD ≈ 723.5 CNY（实时汇率）" # 注册插件 plugin = CurrencyPlugin()

重新构建镜像后，/fx 命令即生效。整个过程不侵入核心逻辑，符合高内聚低耦合原则。

5. 真实体验反馈：它真的好用吗？

我们实测了三个典型场景，不美化、不回避问题：

群聊翻译：在20人技术群中启用MoltBot，英文技术讨论自动翻译成中文，准确率约92%。专业术语（如“quantization-aware training”）偶有偏差，但上下文足以理解；
图片OCR翻译：拍摄一张日文说明书照片，MoltBot在2.3秒内返回中文翻译，表格结构保留完整，公式符号未误识；
语音转译：15秒英文语音消息，Whisper tiny识别耗时1.1秒，翻译耗时0.4秒，整体延迟可控，发音清晰时识别率超95%。

不足之处也客观存在：

图片中极小字号（<8pt）或艺术字体识别率下降；
Whisper tiny对带口音英语识别稳定性一般，建议高要求场景升级tiny.en或base模型；
天气数据依赖第三方API，部分小众城市可能无结果。

但这些都不是架构缺陷，而是可量化、可替换、可优化的具体模块。这正是开源项目的魅力——问题不在黑盒里，而在你可控的代码行中。

6. 总结：为什么你应该关注ClawdBot与MoltBot

ClawdBot不是一个玩具项目，而是一套经过生产环境验证的AI网关框架；MoltBot也不是一个功能堆砌的Bot，而是将“多平台+多模态+零配置”真正落地的标杆案例。

它代表了一种新的技术实践范式：

不再迷信大厂API，而是回归本地可控；
不再被SaaS功能锁死，而是用MIT协议保障长期演进自由；
不再把AI当作黑盒服务，而是作为可调试、可替换、可组合的基础设施模块。

无论你是想为团队快速搭建一个翻译助手，还是计划开发一款面向海外用户的AI产品，又或者只是想在家用设备上跑起一个真正属于自己的AI，ClawdBot与MoltBot都提供了扎实、透明、可持续的起点。

技术的价值，不在于它多炫酷，而在于它是否让你离目标更近一步。这一次，它确实做到了。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 ZEEKLOG星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。

ClawdBot开源应用：MIT协议下二次开发Telegram多平台机器人

Ne0inhk