从零搭建Clawdbot+企微机器人:单向推送全流程指南(新手可玩)

从零搭建Clawdbot+企微机器人:单向推送全流程指南(新手可玩)

从零搭建Clawdbot+企微机器人:单向推送全流程指南(新手可玩)

本文针对非管理员用户(无企微后台权限),详细拆解从Clawdbot安装到企微机器人正常推送的全步骤,所有命令可直接复制,新手也能快速上手。

一、前置说明(必看)

1. 适用场景

非企微管理员,仅能创建「企微群机器人」,实现 Clawdbot→企微群单向推送 (无法接收企微消息回复,适合通知、告警、播报场景);若为管理员,可进一步实现双向对话(文末附拓展方向)。

2. 环境要求

支持 Mac/Linux/Windows(本文以Linux为例),需联网且能访问公网(企微Webhook需外部请求),最好直接就是美西的机器。

3. 核心工具

Clawdbot(AI机器人框架)、企微群机器人(Webhook)、Python依赖(requests库)。

二、第一步:安装Clawdbot(基础环境搭建)

Clawdbot支持一键安装,全程在系统终端操作,无需复杂配置。

1. 一键安装Clawdbot

打开终端,复制以下命令执行(Mac/Linux通用):

curl -fsSL https://clawd.bot/install.sh | bash 

2. 初始化Clawdbot(关键步骤)

安装完成后,终端会自动进入初始化流程,按以下选项依次选择:

  1. Select workspace :默认即可(路径为 ~/clawd),按回车确认。
  2. Select model :推荐选国产模型(如Qwen),新手直接选 qwen-portal/coder-model(无需额外配置API密钥)。
  3. 授权登录 Qwen,等待一段时间后,出现下面第一张图的鼠标选中的内容,复制网页到浏览器打开
  4. Select channel (QuickStart) :选 Skip for now(企微不在预设通道,后续自定义对接),按空格键勾选后回车。
  5. Configure skills now? :选 No(先打通推送,后续再配置技能),按空格键勾选后回车。
  6. Enable hooks? :选 Skip for now(无需钩子功能),按空格键勾选后回车。

3. 退出TUI(后续配置需用到终端)

在TUI界面按 Ctrl+C 退出,回到系统终端(后续修改配置、部署脚本需在此操作)。

第二步:创建企微群机器人(获取Webhook Key)

无需管理员权限,仅需为企微内部群创建机器人,获取推送所需的Webhook Key。

  1. 打开企微,进入目标内部群(外部群不支持机器人),点击右上角 → 找到 消息推送 → 点击 自定义消息推送
  2. 点击 新建机器人,输入机器人名称(如Clawdbot)、选择头像,点击 完成
  3. 创建成功后,会生成专属Webhook地址,复制该地址中的 Key部分 (示例地址:https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=123456-abcdef-7890,Key即为 123456-abcdef-7890),保存备用(后续需用到)。

第三步:部署企微推送技能脚本(核心对接)

Clawdbot需通过自定义技能脚本对接企微Webhook,本文提供优化版脚本(支持配置文件存储Key,兼顾安全与易用),直接复制部署即可。

1. 安装依赖库

终端执行以下命令,安装脚本所需的requests库:

pip install requests 

2. 确认Clawdbot技能目录

不同安装方式的技能目录不同,先执行命令确认目录(终端执行):

# 查看技能目录是否存在 
ls /usr/local/nodejs/lib/node_modules/clawdbot/skills/ 

若显示目录内容(如bluebubbles、github等技能文件),说明为系统级技能目录(本文默认此目录)

3. 部署技能脚本

终端执行以下命令,一键在正确目录生成脚本(系统级目录为例):


sudo cat > /usr/local/nodejs/lib/node_modules/clawdbot/skills/wecom_webhook.py << 'EOF'import requestsimport jsonimport osfrom pathlib import Pathfrom clawdbot_skill import BaseSkill, register_skill# 配置文件路径(存储企微Key,自动创建)CONFIG_PATH = Path.home() / ".clawdbot" / "wecom_config.json"# 初始化配置文件(首次运行自动生成)def init_config(): if not CONFIG_PATH.parent.exists(): CONFIG_PATH.parent.mkdir(parents=True, exist_ok=True) if not CONFIG_PATH.exists(): with open(CONFIG_PATH, "w", encoding="utf-8") as f: json.dump({"webhook_key": ""}, f)# 读取配置文件def get_config(): init_config() with open(CONFIG_PATH, "r", encoding="utf-8") as f: return json.load(f)# 写入配置文件(存储Key)def set_config(key: str, value: str): config = get_config() config[key] = value with open(CONFIG_PATH, "w", encoding="utf-8") as f: json.dump(config, f, indent=2)# 技能1:设置企微Webhook Key(仅需执行一次)@register_skill(name="wecom_set_key", description="Set WeCom webhook key (only once)")class WeComSetKeySkill(BaseSkill): def run(self, webhook_key: str): set_config("webhook_key", webhook_key) # 自动设置安全权限(仅当前用户可读) os.chmod(CONFIG_PATH, 0o600) return f"✅ 企微Key已保存!(已自动开启安全权限)"# 技能2:发送消息到企微群(核心功能)@register_skill(name="wecom_send", description="Send message to WeCom group (text/markdown)")class WeComWebhookSkill(BaseSkill): def run(self, content: str, msg_type: str = "text"): # 读取已保存的Key config = get_config() webhook_key = config.get("webhook_key", "") if not webhook_key: return "❌ 请先设置Key:run wecom_set_key webhook_key='你的Key'" # 拼接企微Webhook地址 url = f"https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key={webhook_key}" # 构造消息体(支持文本/Markdown) data = {"msgtype": msg_type, msg_type: {"content": content}} try: # 发送请求 resp = requests.post(url, json=data, timeout=10) result = resp.json() if result["errcode"] == 0: return f"✅ 推送成功!" else: return f"❌ 推送失败:{result['errmsg']}(错误码:{result['errcode']})" except Exception as e: return f"❌ 网络/未知错误:{str(e)}"EOF 

4. 给脚本加权限+重启Clawdbot

终端执行命令,确保脚本可被Clawdbot加载,同时重启生效:


# 给脚本加执行权限sudo chmod 755 /usr/local/nodejs/lib/node_modules/clawdbot/skills/wecom_webhook.py# 重启Clawdbot,加载新技能clawdbot restart 

第四步:测试推送(验证全流程)

进入Clawdbot TUI,执行简单命令即可测试推送,步骤如下:

  1. 终端执行命令,进入TUI:
    • clawdbot tui
  2. 在TUI输入框执行命令,设置企微Key(替换为第二步保存的Key,仅需执行一次):
    • run wecom_set_key webhook_key=“你的企微机器人Key”

若提示 ✅ 企微Key已保存!,说明Key配置成功。 也可以不要这个步骤, 直接在~/.clawdbot/wecom_config.json配置文件中配置好:

 * * * { "webhook_key": "这里填你的企微群机器人Webhook Key"} * * * * * * * * 
  1. 发送测试消息(文本格式):
    • run wecom_send content=“终于能推送啦!Clawdbot→企微群”

若提示 ✅ 推送成功!,同时企微群收到该消息,说明全流程打通。

 * * 
  1. 进阶测试(Markdown格式,支持加粗、标题、列表):
    • run wecom_send content=“### 🚀 Clawdbot推送通知\n核心功能:\n- 文本消息推送\n- Markdown格式支持\n> 新手也能轻松上手” msg_type=“markdown”

企微群会显示带样式的消息。

 * * 

四、进阶拓展方向(按需选择)

  1. 定时推送 :结合Clawdbot定时技能,实现每日日报、定时告警,命令示例:
    • run schedule add --cron “0 9 * * *” --command “run wecom_send content=‘每日早报:今日工作安排’”

(每天9点推送)。

 * * 
  1. 多群推送 :修改脚本支持多Key配置,实现同时推送到多个企微群(文末可留言获取多群脚本)。
  2. 双向对话 :若为企微管理员,可创建自建应用,用Webhook+事件订阅实现企微消息回调到Clawdbot,支持双向交互。

五、总结

本文通过「安装Clawdbot→创建企微机器人→部署脚本→测试推送」四步,实现了Clawdbot到企微群的单向推送,全程无需复杂开发,命令可直接复制。适合办公场景中的自动化通知、告警、内容分发需求,非技术背景用户也能快速落地。

若需进阶功能(多群推送、定时任务、双向对话),可留言说明需求,后续将针对性补充教程。动手试试,让AI机器人帮你解放双手吧!


第三方的白嫖地址我收集了几个,各位自行取用:
UniVibe:https://www.univibe.cc/console/auth?type=register&invite=MB8LFU
XXAPI: https://api.gemai.cc/register?aff=X1PG
GLM Coding :https://www.bigmodel.cn/glm-coding?ic=A9HPQXTXSF

Read more

OpenAI 开源模型 gpt-oss 本地部署详细教程

OpenAI 开源模型 gpt-oss 本地部署详细教程

OpenAI 最近发布了其首个开源的开放权重模型gpt-oss,这在AI圈引起了巨大的轰动。对于广大开发者和AI爱好者来说,这意味着我们终于可以在自己的机器上,完全本地化地运行和探索这款强大的模型了。 本教程将一步一步指导你如何在Windows和Linux系统上,借助极其便捷的本地大模型运行框架Ollama,轻松部署和使用 gpt-oss 模型。 一、准备工作:系统配置与性能预期 在开始之前,了解运行环境非常重要。本次部署将在我的个人电脑上进行,下面是推荐配置: * CPU: 现代多核 CPU,如 Intel Core i7 或 AMD Ryzen 7 系列 * 内存 (RAM): 32 GB 或更多 * 显卡 (GPU): 强烈推荐 NVIDIA GeForce RTX 4090 (24 GB 显存)。这是确保大型模型流畅运行与高效微调的理想选择。 * 操作系统: Linux 或 Windows

By Ne0inhk

OpenClaw相关的开源AI项目汇总大全:本文涵盖近期所有OpenClaw相关的GitHub高星star热门项目

OpenClaw相关的开源AI项目汇总大全:本文涵盖近期所有OpenClaw相关的GitHub高星star热门项目 💡 导读 GitHub上这些OpenClaw开源项目,Star数为什么能破千?我们扒了13个宝藏仓库后发现… 有人用OpenClaw给钉钉搭了智能助手,有人在飞书里养了个AI女友Clawra,还有人把记忆层memU玩成了第二大脑——而这些全部免费开源! 2026年OpenClaw热度飙升,但官方文档晦涩、部署门槛高劝退无数人?别慌!本文汇总了OpenClawInstaller、OneClaw、Moltworker等13个硬核开源项目,覆盖:✅ 一键部署工具(零代码上手)✅ 钉钉/企微/飞书/微信全平台接入方案✅ 云端托管+本地Sandbox双模式✅ 记忆层memU、技能库Skills、甚至AI女友Clawra… 收藏这一篇,省掉你100个小时的踩坑时间! 文章目录 * OpenClaw相关的开源AI项目汇总大全:本文涵盖近期所有OpenClaw相关的GitHub高星star热门项目 * 💡 导读 * 一、OpenClawInstall

By Ne0inhk
从DeepSeek-R1爆火看开源大模型推理优化:我在脉脉找到的实战方案

从DeepSeek-R1爆火看开源大模型推理优化:我在脉脉找到的实战方案

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、场景痛点直击:两个行业的共性困境与差异化难题 * 1. 电商智能客服场景(日均请求10万+) * 2. 金融智能咨询场景(日均请求3万+) * 二、实战突破:分场景落地优化方案(附完整代码+流程图) * 1. 核心优化架构总览(流程图) * 2. 分场景核心代码实现(新增4个关键代码片段) * (1)量化分级实现(适配金融场景精度需求) * (2)多租户隔离与共享实例实现(适配电商、金融双场景) * (3)边缘节点轻量化部署代码(适配电商峰值卸载) * (4)动态批处理与负载调度优化(核心优化代码) * 3. 优化效果对比表(分场景) * 三、脉向AI核心价值:技术人破圈的“

By Ne0inhk
【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计

【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计

【FPGA干货】详解高速ADC的串行LVDS数据捕获与接口设计 前言 在现代高速数据采集系统中,随着ADC采样率的不断提升(从几十MHz到几百MHz甚至更高),传统的并行CMOS/LVDS接口因占用引脚过多、布线困难等问题逐渐被串行LVDS接口取代。TI(德州仪器)的许多多通道ADC(如ADS528x, ADS529x系列)都采用了这种接口。 然而,串行LVDS接口虽然减少了PCB走线数量,却给FPGA接收端的设计带来了巨大的挑战:如何在几百Mbps甚至Gbps的速率下,稳定地实现位同步(Bit Alignment)和帧同步(Frame Alignment)? 1. 认识串行LVDS接口 一个典型的高速ADC串行LVDS接口通常包含以下三类信号: 1. 串行数据 (Serial Data, D0…DN−1D_0 \dots D_{N-1}D0 …DN−1 ):ADC的采样数据通过一对或多对LVDS线串行输出。 2. 位时钟 (Bit Clock, LCLK/DCLK):通常是DDR(

By Ne0inhk