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

【花雕学编程】Arduino BLDC 之自主巡逻机器人(避障+路径规划)

【花雕学编程】Arduino BLDC 之自主巡逻机器人(避障+路径规划)

基于 Arduino 的无刷直流电机(BLDC)自主巡逻机器人(避障+路径规划),是一个融合了高效动力系统、多传感器环境感知、嵌入式实时计算与智能决策算法的复杂移动机器人系统。它旨在替代人工在预设或未知环境中进行长时间、高效率的巡查任务,通过 BLDC 电机提供持久且敏捷的驱动力,并利用算法实现环境理解与自主导航。 1、主要特点 高效长续航 BLDC 驱动系统 BLDC 电机是巡逻机器人的“心脏”,决定了其机动性与作业时长。 高效率与长续航: 相较于有刷电机,BLDC 电机效率通常高于 85%,发热量低。配合电子调速器(ESC)的 FOC(磁场定向控制)算法,能最大限度地利用电池能量,确保机器人能够持续工作 8 小时甚至更长时间,满足长时间巡逻的需求。 高动态响应: 巡逻过程中常需急停、避让行人或车辆。BLDC 电机具备快速启停和快速加减速的能力,配合差速转向底盘,能迅速响应避障算法发出的紧急制动或转向指令,保证运行安全。

By Ne0inhk
windows部署的OpenClaw接入飞书机器人

windows部署的OpenClaw接入飞书机器人

文章目录 * 前言 * 一、创建飞书应用 * 1.登录飞书开放平台 * 2.创建企业自建应用 * 3.发布企业自建应用 * 二、OpenClaw配置接入飞书 * 1.安装飞书插件 * 2.配置飞书事件回调 * 3.使用测试 * 总结 前言 OpenClaw 原生支持的即时通信平台主要是海外的 WhatsApp、Telegram、Discord、Slack、iMessage 等,国内用户不习惯,目前国产即时通信软件大厂也跟进了,现在钉钉,飞书等都已支持接入OpenClaw,本文主要是配置飞书机器人接入 OpenClaw,使大家可以通过飞书即可指挥OpenClaw为我们干活,当然配置钉钉接入也可以作为参考。 * windowsWindows 本地(PowerShell)一键部署 OpenClaw * 飞书账号(有飞书开放平台权限的账号) 一、创建飞书应用 1.登录飞书开放平台 1.1 网页访问,

By Ne0inhk

从零到一:揭秘Information Fusion期刊投稿背后的技术细节与实战技巧

从零到一:揭秘Information Fusion期刊投稿背后的技术细节与实战技巧 第一次向Information Fusion这样的顶级期刊投稿,就像在迷宫中寻找出口——每个转角都可能藏着意想不到的挑战。作为Elsevier旗下专注于多源信息融合研究的权威期刊,其投稿流程的严谨性常让新手研究者望而生畏。但别担心,我将分享从论文准备到系统提交的全套实战经验,这些技巧都是我在多次投稿中积累的"血泪教训"。 1. 投稿前的黄金准备期 投稿前的准备工作往往决定了论文的第一印象。Information Fusion对稿件格式有着近乎苛刻的要求,但遵循这些规范能显著提升编辑的审阅体验。 文件清单的魔鬼细节: * 主稿件(.tex源文件+图表) * Highlights文档(3-5条核心创新点) * 利益冲突声明(系统自动生成) * 作者贡献声明(CRediT标准) * 封面信(非必须但强烈推荐) 特别提醒:期刊明确要求使用elsarticle.cls模板,但接受双栏排版提交。我的实践表明,双栏排版在审稿阶段更易读,且不影响最终出版格式。 LaTeX用户常犯的一个错误是遗

By Ne0inhk
介绍终身机器人学习的数据集LIBERO

介绍终身机器人学习的数据集LIBERO

1 LIBERO的作用 LIBERO是一个用于研究多任务和终身机器人学习中知识迁移的综合基准测试平台,LIBERO是基于robosuite框架构建的。它专注于机器人操作任务,这些任务需要两类知识: 1. 陈述性知识:关于物体和空间关系的知识 2. 程序性知识:关于运动和行为的知识 2 核心原理 任务生成与基准设计 LIBERO提供了一个程序化生成管道,原则上可以生成无限数量的操作任务。系统包含130个任务,分为四个任务套件,每个套件都有受控的分布偏移: * LIBERO-Spatial/Object/Goal:专注于特定类型知识的迁移 * LIBERO-100:包含需要迁移纠缠知识的100个操作任务 学习框架 系统采用模仿学习作为主要学习方法,因为任务使用稀疏奖励函数(任务完成时获得+1奖励)。LIBERO提供高质量的人类遥操作演示数据集用于训练。 算法与策略架构 LIBERO实现了三种视觉运动策略网络: * bc_rnn_policy:基于RNN的行为克隆策略 * bc_transformer_policy:基于Transformer的行为克隆策略

By Ne0inhk