OpenClaw（Clawdbot）插件更新，新增支持在面板一键QQ和飞书机器人

优质文章学习记录

— 4 min read
OpenClaw（Clawdbot）插件更新，新增支持在面板一键QQ和飞书机器人

这次，OpenClaw 插件迎来了一次重要更新。
现在，你可以直接在插件中配置 飞书机器人或 QQ 机器人，让 OpenClaw 真正走出 Web 界面，进入你日常使用的消息工具中。
无需额外部署服务，配置完成后即可开始对话。

在这里插入图片描述

重要提示：由于官方更改包名，不支持直接升级，如需更新请卸载旧版插件，安装新版OpenClaw插件，已有数据会丢失，请您评估是否需要更新，新安装不受影响。
配置QQ机器人1. 打开QQ开放平台，注册账号，如已注册可直接登陆

在这里插入图片描述

点击编辑 IP 白名单，填写服务器 IP 并保存

在这里插入图片描述

点击开发管理，获取APPID、AppSecret

在这里插入图片描述

创建完成后点击刚刚创建的机器人

在这里插入图片描述

填写机器人基础信息

在这里插入图片描述

登录后点击机器人，创建机器人

在这里插入图片描述

按提示完成登录

在这里插入图片描述

8.将获取到的信息填写到插件，并保存启用

在这里插入图片描述

添加后即可在群聊中进行对话

在这里插入图片描述

在此处添加完成后回到QQ-群管理-添加机器人，在其他页面找到机器人

在这里插入图片描述

选择需要使用的群聊

在这里插入图片描述

回到QQ机器人平台，点击沙箱配置

在这里插入图片描述

等待安装插件

在这里插入图片描述

点击保存配置

在这里插入图片描述

到这里，Clawdbot 已经成功接入 QQ，
从配置文件里的一个服务，变成了可以在群聊中响应消息的机器人。

  1. 回到面板插件，将appid和secret填写到插件页面，并点击确定保存

在凭证与基础信息页面，获取应用凭证

在这里插入图片描述

在权限管理页面，允许以下权限

在这里插入图片描述


在这里插入图片描述


![在这里插入图片描述](https://i-blog.ZEEKLOGimg.cn/direct/17ef658d381e4cb9a59c5d2b5e4a0918.png

在这里插入图片描述


建议同步放通可选权限

在这里插入图片描述


在这里插入图片描述

应用能力，选择机器人

在这里插入图片描述

打开飞书开放平台创建企业自建应用

在这里插入图片描述


2.填写基本信息点击创建

在这里插入图片描述
在这里插入图片描述


6. 点击保存配置，安装飞书插件

在这里插入图片描述


7. 安装配置完成后，在事件与回调配置中，选择事件配置，订阅方式选择长连接，保存

在这里插入图片描述


8. 点击添加事件，添加以下订阅事件

在这里插入图片描述


9. 开通后点击创建版本，完成发布
10.现在就可以对话

在这里插入图片描述

Read more

详细教程：如何从前端查看调用接口、传参及返回结果（附带图片案例）

详细教程：如何从前端查看调用接口、传参及返回结果（附带图片案例）

目录 1. 打开浏览器开发者工具 2. 使用 Network 面板 3. 查看具体的API请求 a. Headers b. Payload c. Response d. Preview e. Timing 4. 实际操作步骤 5. 常见问题及解决方法 a. 无法看到API请求 b. 请求失败 c. 跨域问题（CORS） 作为一名后端工程师，理解前端如何调用接口、传递参数以及接收返回值是非常重要的。下面将详细介绍如何通过浏览器开发者工具（F12）查看和分析这些信息，并附带图片案例帮助你更好地理解。 1. 打开浏览器开发者工具 按下 F12 或右键点击页面选择“检查”可以打开浏览器的开发者工具。常用的浏览器如Chrome、Firefox等都内置了开发者工具。下面是我选择我的一篇文章，打开开发者工具进行演示。 2. 使用

前端微前端：大型应用的模块化解决方案

前端微前端：大型应用的模块化解决方案 毒舌时刻 前端微前端？这不是过度设计吗？ "我的应用不大，不需要微前端"——结果应用越来越大，维护困难， "微前端太复杂了，不如一个大单体"——结果团队协作困难，部署冲突， "我用iframe就够了"——结果性能差，用户体验差。 醒醒吧，微前端不是银弹，但对于大型应用来说，它是一个有效的解决方案！ 为什么你需要这个？ * 团队协作：不同团队可以独立开发和部署 * 技术栈灵活：不同微前端可以使用不同的技术栈 * 独立部署：单个微前端可以独立部署，不影响其他部分 * 可扩展性：可以轻松添加新的微前端 反面教材 <!-- 反面教材：使用iframe实现微前端 --> <!DOCTYPE html> <html>

【LLM】Ollama：本地大模型 WebAPI 调用实战指南

1. 为什么选择Ollama部署本地大模型 最近两年大模型技术发展迅猛，但很多开发者面临一个现实问题：公有云API调用不仅费用高昂，还存在数据隐私风险。Ollama的出现完美解决了这个痛点，它就像是你本地的模型管家，可以一键部署各种开源大模型。我去年在开发智能客服系统时就深受其益，既避免了敏感客户数据外泄，又省下了大笔API调用费用。 与传统方案相比，Ollama有三大优势：首先是安装简单，用Docker一条命令就能跑起来；其次是模型丰富，支持Llama、Mistral等主流开源模型；最重要的是API标准化，完全兼容OpenAI的接口规范。实测在16GB内存的MacBook Pro上运行7B参数的模型，响应速度可以控制在2秒以内，完全能满足大多数应用场景。 2. 五分钟快速搭建Ollama环境 2.1 准备工作就像搭积木 在开始之前，我们需要准备两个基础组件：Docker和Python环境。这里有个小技巧分享——建议使用Docker Desktop的WSL2后端（Windows用户），性能比传统虚拟机模式提升30%以上。安装完成后，记得执行以下命令验证版本： docker

前端国际化：别让你的应用只懂一种语言

前端国际化：别让你的应用只懂一种语言 毒舌时刻 这应用写得跟方言似的，出了本地就没人懂。 各位前端同行，咱们今天聊聊前端国际化。别告诉我你的应用还只有中文版本，那感觉就像在国际会议上只说方言——能说，但没人懂。 为什么你需要国际化 最近看到一个项目，想拓展海外市场，但所有文本都是硬编码在代码里的。我就想问：你是在做本地应用还是在做国际产品？ 反面教材 // 反面教材：硬编码文本 function App() { return ( <div> <h1>欢迎来到我的网站</h1> <p>这是一个示例应用</p> <button>点击我</button> <div>