免费部署openClaw龙虾机器人(经典)

免费部署openClaw龙虾机器人(经典)

前几天出了个免费玩龙虾的详细教程,很多小伙伴觉得不错,但是还有一些新手留言反馈内容不够详细,这次我将重新梳理一遍,做一期更细致的攻略,同时扩展补充配置好之后的推荐(我认为是必要)操作,争取一篇文章让大家可以收藏起来,随时全套参照复用。

先看效果测试

部署完成基础运行效果测试,你可以直接问clawdbot当前的模型:

1.Token平台准备

首先,还是准备好我们可以免费撸的API平台

这里我找到了两个可以免费使用的API,测试之后执行效率还可以,下面将分别进行细致流程拆解。

1.1 硅基流动获取ApiKey (相对免费方案 推荐)

硅基流动地址:https://cloud.siliconflow.cn/i/6T57VxS2

如果有账号的直接登录,没有的注册一个账号,这个认证就送16元,可以直接玩收费模型,真香。认证完成后在API秘钥地方新建秘钥。

硅基流动里面很多模型原来是免费的,有了16元注册礼,很多收费的模型也相当于免费用了,我体验一下了原来配置免费模型还能用,也是值得推荐的。建议使用截图的第一个模型体验一下,我一直用它。

1.2 推理时代Api  (绝对免费方案 纯免费但没有上面的好用)

推理时代地址:https://aihubmix.com/?aff=DJ5f

注册之后也是创建自己的key备用,如果已经搭建好的龙虾可以直接用这个key,后面会讲如何在可视化搭建龙虾中应用。

推理时代有很多模型是直接免费的,我认为以后会越来越卷,免费的也会越来越多。

准备好key之后,可以回到首页看一下免费的模型有哪些,推理时代的模型还是很友好的,免费的后面都会给你标注一个-free这在我们配置的时候很容易识别。

2.必要软件及下载安装配置

cherry-studio 下载地址:https://www.cherry-ai.com/download

node.js 下载地址:https://nodejs.org/zh-cn/download/

git 官方下载地址:https://git-scm.com/

其中git比较慢,我在评论区把下载好的网盘地址分享给大家。

Cherry的安装没有太多技巧,直接下一步即可,但要根据自己的系统情况进行下载。

Node.js下载的时候千万别选错芯片类型:

然后安装时勾选自动安装依赖:

几个必要的安装包安装完成之后,下面就是一键安装clawbot。

先确认自己的cherry设置导航栏是在左侧的。

图片

点左侧龙虾机器人图标,开始安装:

装完成之后,就可以进行模型配置了。

3.模型配置

打开cherryStudio的设置,然后将刚才准备的key填入对应的平台地址。

图片

注意一定要先添加免费模型:

还是当前操作界面,翻到最下面点管理,然后将免费模型加一些进来。这个是支持gemini和chatGPT的,很香。

图片

添加完测试一下, 选国内的模型厂商一般都是通的:

这样就可以开始体验clawdbot了。

回到clawdbot小图标,然后选择对应的模型启动。

图片

启动之后,我们就可以给自己的龙虾派任务了,你也拥有了直接免费的龙虾,当然,免费不是目的,如果你的投入产出理想的话也可以使用更强大的模型。

对于小白现在就可以用了,下面是进阶应用,需要懂点命令行的。

================================================

4. 推荐操作(建议全文保存)

4.1 安装clawhub并更换clawhub源到阿里云国内镜像

安装clawhub命令:

    npm i -g clawhub

    配置国内镜像源命名:

      openclaw config set --global registry https://openclaw.registry.aliyuncs.com

      4.2 安装必要skill

      安装skill的命令

        clawhub install <技能名称>

        推荐安装的基础技能

        序号

        技能名称

        必装理由

        1

        tavily-search

        联网实时搜索,支持精准问答/热点查询,解决AI信息滞后问题

        2

        self-improving-agent

        让Agent记录错误并自我优化,交互越久越智能

        3

        find-skills

        AI自动检索ClawHub并推荐适配技能,解决「装什么」痛点

        4

        clawhub-update

        一键更新所有已装技能,同步官方最新版本

        5

        session-manager

        管理OpenClaw会话,支持一键保存/恢复对话内容

        5.连接飞书或钉钉远程调度机器人

        很多人推荐安装飞书,可能出于办公自动化需要,但是我实际测试发现飞书限流,很多语句会丢包,所以最终选择了钉钉,基本上面配置很简单。

        先安装钉钉依赖插件:

          openclaw plugins install https://github.com/soimy/clawdbot-channel-dingtalk.git

          (如果访问不了,直接问一下找一找内地镜像下载下来,告诉你openclaw自己装,然后把必要的key直接发给机器人,机器人可以自己装)

          然后:

          登录钉钉开放平台(https://open.dingtalk.com),切换到你的企业。

          创建企业内部应用

          获取应用凭证

          添加并配置机器人

          发布应用与机器人

          (可选)开启 AI 卡片流式输出

          效果:

          这样,你就可以远程指挥自己的机器人了,随时随地给他发命令让他干活儿。

          6.记忆增强(节省Token消耗)

          节省token的最佳方式是增强机器人的记忆,所以我这里使用的是memOS,key是免费的,我还是觉得有key的更好一点。

          安装命令(也可以把你的密钥丢给机器人让他自己装)

            openclaw plugins install github:MemTensor/MemOS-Cloud-OpenClaw-Plugin

            这样你的Token消耗就可以大幅节省,据说可以达到75%以上的账单压缩。

            后续相关新的小技巧就在本页评论区更新了,大的玩法攻略会单独更新到AI Agent专题中。

            Read more

            高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

            高飞团队新作!基于高阶CBF的端到端无人机,实现7.5m/s丛林穿越,突破RL安全瓶颈

            「强化学习高速避障新范式」 目录 01  主要方法  1. 训练阶段:基于物理先验的奖励塑形 1. Dijkstra全局引导奖励 2. 基于控制障碍函数的安全惩罚  2. 部署阶段:基于高阶控制障碍函数的实时滤波 02  实验结果  1.仿真训练与消融实验  2.基准测试  3.实机飞行验证 03  总结 在无人机高速避障领域,Ego-Planner等传统的模块化规划方法受限于感知-规划-控制的累积延迟,往往难以兼顾高速与安全;而RL等纯端到端的强化学习虽然敏捷,却因缺乏理论上的安全保障而被视为黑盒。 浙江大学高飞老师团队的这项工作,最令人振奋之处在于巧妙地构建了一套混合架构。 * 在训练阶段,利用 Dijkstra 势场 引导 RL 智能体跳出局部极小值陷阱 ,实现了全局可达性; * 在部署阶段,则引入了基于 高阶控制障碍函数(HOCBF)的安全滤波器,将神经网络输出的动作实时投影到可行域内。 这种设计不仅在数学上给出了碰撞避免的严谨证明,更在实测中实现了高达 7.5m/s

            Stable Diffusion【实战技巧】:利用Reference Only实现多场景人脸一致

            1. 为什么我们需要人脸一致性技术 在AI绘画创作中,最让人头疼的问题之一就是无法保持角色形象的一致性。想象一下,你正在为小说创作插图,或者为游戏设计角色,每次生成的图片中人物长相都不一样,这简直是一场灾难。我刚开始用Stable Diffusion时就经常遇到这个问题,生成十张图能有十张不同的脸,根本没法用在连续性的创作中。 传统方法中,固定Seed值是最简单的尝试。我实测过这个方法,确实能让生成的人物看起来相似,但问题在于它会把整个画面都固定住 - 包括姿势、背景、服装所有细节。这就好比拍照时用了同样的底片,只是稍微调了下颜色,完全达不到"同一个人在不同场景"的需求。 LORA模型是另一个常见选择,但实际操作中我发现几个痛点:首先,训练一个高质量的LORA需要大量素材和调参经验,对新手很不友好;其次,现成的LORA模型效果参差不齐,很多模型即使把权重调到1,生成的脸还是会有明显差异。更不用说当你想混合多个LORA特征时,结果往往惨不忍睹。 2. Reference Only功能的核心优势 ControlNet的Reference Only功能简直是解决这个痛点的神器。它

            探索RISC-V处理器FPGA实现:高性能开源核心的硬件部署实践

            探索RISC-V处理器FPGA实现:高性能开源核心的硬件部署实践 【免费下载链接】XiangShanOpen-source high-performance RISC-V processor 项目地址: https://gitcode.com/GitHub_Trending/xia/XiangShan 在嵌入式系统开发中,如何快速验证RISC-V架构的设计创新?如何在FPGA平台上实现高性能处理器原型?这些问题一直困扰着硬件工程师。本文将以香山(XiangShan)开源处理器为研究对象,通过实验方式探索基于FPGA的RISC-V部署与验证全流程,为开源处理器的硬件实现提供实践参考。 环境适配指南:从源码到FPGA原型的准备工作 开发环境配置 香山处理器采用Chisel语言(硬件构造语言)编写,需要先配置Scala开发环境。以下是基础环境准备步骤: # 克隆项目代码(适用场景:首次获取香山源码) git clone https://gitcode.com/GitHub_Trending/xia/XiangShan # 进入项目目录 cd XiangShan # 安装项目依赖

            VR大空间项目内容规划与设计的市场经验总结(2023-2026)

            VR大空间项目内容规划与设计的市场经验总结(2023-2026) 引言:从元年到爆发,VR大空间的三年演进 2023年,随着《消失的法老》在上海太古汇的惊艳亮相,中国VR大空间行业迎来了自己的“元年”。这部由HTC联合法国Emissive工作室、哈佛大学吉萨考古团队打造的沉浸式体验,以45分钟超长时长、800平方米自由移动空间、毫米级金字塔还原三大核心优势,在11个月运营期内吸引约11万人次参与,总票房突破3000万元。这一现象级作品不仅重新定义了VR体验的行业标准,更直接推动了上海文旅局将VR大空间纳入“智慧旅游创新示范工程”。 三年后的今天,VR大空间已从零星试点发展为遍地开花的成熟业态。据VR陀螺不完全统计,仅2025年上半年就有超100个VR大空间项目落地,叫得上名字的20家运营商门店总数突破1000家。国际数据公司(IDC)预测,2025年全球VR大空间解决方案市场规模将突破120亿美元,年复合增长率高达58%,其中中国市场规模占全球比重预计超40%。 然而,繁荣之下暗流涌动。行业在快速扩张的同时,也面临着内容同质化、复购率低、盈利模式单一等深层挑战。本文将从产品总