OpenClaw 飞书机器人搭建流程

OpenClaw 飞书机器人搭建流程

OpenClaw 飞书机器人搭建流程

手把手教你搭建属于自己的飞书 AI 机器人!


一、创建企业自建应用

首先进入飞书开发者后台:

👉 https://open.feishu.cn/app

填写应用名称和描述,直接点击创建即可。

创建完成后,会自动生成 App IDApp Secret,这两个凭证后面配置 OpenClaw 时会用到,先记下来。


二、添加机器人能力

在应用详情页左侧菜单找到「机器人」,点击添加。

添加成功后,机器人就可以在飞书中被搜索和使用了。


三、开通消息权限

进入「权限管理」,找到 im: 相关权限,全部勾选。

⚠️ 注意:以下这个权限建议不要勾选

获取群组中所有消息(im:message.group_msg)

否则群里所有消息机器人都会收到并响应,会造成不必要的干扰。我们只需要机器人在被 @ 的时候响应即可。

四、发布应用 & 事件配置

4.1 创建版本并发布


五、配置 OpenClaw

接下来让 OpenClaw 帮你完成配置!

5.1 选择合适的模型

根据你的需求,为机器人选择一个合适的 AI 模型:

5.2 提供凭证信息

把之前创建应用时获得的 App IDApp Secret 发给 OpenClaw,它会自动帮你写入配置文件并重启网关。


六、配置飞书事件订阅

网关重启后,回到飞书开发者后台配置事件订阅。

6.1 选择长连接方式

6.2 添加事件订阅

配置好长连接后,添加以下事件:


七、升级版本并发布

发布新版本后,飞书的「开发者小助手」会收到通知消息。


八、开始对话!

打开飞书,搜索你创建的机器人,直接开始对话吧!


🎉 搭建完成!

恭喜你,一个专属的飞书 AI 机器人就搭建好了!

Read more

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

AI小白也能快速用五分钟复现的ERNIE-4.5系列模型单卡部署与心理健康机器人实战案例

* 本文重点在于文心大模型的微调 * 一起来轻松玩转文心大模型吧👉一文心大模型免费下载地址: https://ai.gitcode.com/theme/1939325484087291906 计算机配置 * 在国内部署选个自带CUDA的会快一点,不自带还得去NVIDIA下载,而其提供的CUDA依赖需要科学上网才能下载快。换阿里清华源也没用。 * 文心模型汇总 环境配置与部署 1. 更换镜像源(使用阿里云镜像源): sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo sed -i 's|http://archive.ubuntu.com/ubuntu|http://mirrors.aliyun.com/ubuntu|g' /etc/apt/sources.

【全网最全・保姆级】Stable Diffusion WebUI Windows 部署 + 全套报错终极解决方案

大家好,我是在部署 SD WebUI 过程中把几乎所有坑都踩了一遍的选手,从 Git 报错、模块缺失、依赖冲突到虚拟环境异常,全部踩完。今天把完整安装流程 + 我遇到的所有真实错误 + 一行一解全部整理出来,写成一篇能直接发 ZEEKLOG 的完整文章。 一、前言 Stable Diffusion WebUI 是目前 AI 绘画最主流的本地部署工具,但 Windows 环境下因为 Python 版本、虚拟环境、Git 仓库、依赖包、CLIP 编译 等问题,90% 的新手都会启动失败。本文包含: * 标准 Windows 一键部署流程 * 我真实遇到的 10+ 种报错 * 每一种报错的 原因 + 直接复制可用的命令 * 最终测试出图提示词(

66 个可直接访问的机器人项目合集!涵盖科研 / 教育 / 工业 / 医疗(附详细介绍与项目代码链接)

66 个可直接访问的机器人项目合集!涵盖科研 / 教育 / 工业 / 医疗(附详细介绍与项目代码链接)

🔥66 个可直接访问的机器人项目合集!涵盖科研 / 教育 / 工业 / 医疗,附详细介绍与链接 📚 目录 1. 引言:为什么整理这份项目清单? 2. 研究与开源项目(20 个) 3. 人形与仿生机器人(12 个) 4. 移动与自主机器人(12 个) 5. 教育与 DIY 机器人项目(10 个) 6. 医疗与服务机器人(9 个) 7. 农业与工业机器人(8 个) 8. 实用工具与访问建议 9. 总结与互动 📝 引言:为什么整理这份项目清单? 作为机器人领域的从业者 / 学习者,你是否曾遇到过这些问题: * 想找开源项目练手,却搜到大量失效链接? * 想了解某细分领域(如人形机器人、

论文阅读:Training language models to follow instructions with human feedback

Ouyang L, Wu J, Jiang X, et al. Training language models to follow instructions with human feedback[J]. Advances in neural information processing systems, 2022, 35: 27730-27744. 引言 引言首先指出了当前大型语言模型(LMs)存在的一个核心问题:模型规模变大并不意味着它们能更好地遵循用户的意图 。具体而言,大型模型经常生成不真实、有毒或对用户毫无帮助的输出,这是因为语言模型的训练目标(预测网页上的下一个 token)与用户希望的目标(“有用且安全地遵循指令”)是错位的。作者的目标是让模型在“有用性”(Helpful)、“诚实性”(Honest)和“无害性”(Harmless)这三个方面与用户意图对齐。