OpenClaw 集成 GitHub Copilot 指南

OpenClaw 集成 GitHub Copilot 指南

OpenClaw 集成 GitHub Copilot 指南

本文档介绍如何将 GitHub Copilot 作为模型提供商集成到 OpenClaw 中,实现通过 GitHub 账户调用 Copilot 模型能力。

目录


什么是 OpenClaw

OpenClaw 是一个开源的 AI 助手平台,提供自托管的 AI 网关(Gateway)和代理(Agent)能力。它支持多种模型提供商(Anthropic、OpenAI、Google、GitHub Copilot 等),并能通过 Telegram、Discord、WhatsApp、iMessage 等多种渠道进行对话交互。

核心特性:

  • 自托管 AI Gateway,支持多模型调度与故障转移
  • 支持 30+ 种模型提供商
  • 支持插件、技能(Skills)扩展
  • 支持多平台(macOS / Linux / Windows / Docker / Kubernetes)

什么是 GitHub Copilot

GitHub Copilot 是 GitHub 推出的 AI 编程助手,基于用户的 GitHub 账户和订阅计划,提供 GPT-4o、GPT-4.1、Claude 等多种大模型能力。将其接入 OpenClaw 后,可以免费或低成本地使用这些模型来驱动 AI 助手。


前提条件

在开始集成之前,请确保满足以下条件:

条件说明
GitHub 账户需要已订阅 GitHub Copilot(个人版、商业版或企业版均可)
Node.js推荐 Node 24,最低支持 Node 22.14+
交互式终端(TTY)认证步骤需要在可交互的终端中执行,不支持纯脚本/CI 环境
操作系统macOS / Linux / WSL2(推荐)/ Windows 原生

检查 Node.js 版本:

node--version

安装 OpenClaw

macOS / Linux / WSL2

curl-fsSL https://openclaw.ai/install.sh |bash

Windows (PowerShell)

iwr-useb https://openclaw.ai/install.ps1 |iex

通过 npm 安装

npminstall-g openclaw@latest 

通过 pnpm 安装

pnpmadd-g openclaw@latest pnpm approve-builds -g# pnpm 需要显式批准含构建脚本的包

安装完成后运行引导程序

openclaw onboard --install-daemon 

引导程序会帮助你选择模型提供商、配置 API Key,并启动 Gateway,整个过程约 2 分钟。

验证安装

openclaw --version# 确认 CLI 已安装 openclaw doctor # 检查配置是否正常 openclaw gateway status # 确认 Gateway 正在运行(默认监听端口 18789)

两种集成方式

OpenClaw 提供两种方式集成 GitHub Copilot,根据实际使用场景选择:

方式适用场景是否需要 VS Code
内置 github-copilot 提供商大多数场景,最简便不需要
Copilot Proxy 插件已在 VS Code 中运行 Copilot Proxy,或需要通过代理路由需要(需保持运行)

方式一:内置 GitHub Copilot 提供商(推荐)

这是最简单的集成方式,使用 GitHub 的设备授权(Device Flow)获取访问令牌,无需安装 VS Code。

第一步:执行登录命令

可交互的终端中运行(不能在 CI/脚本中执行):

openclaw models auth login-github-copilot 
第二步:完成设备授权

命令执行后,终端会输出类似以下信息:

Visit: https://github.com/login/device Enter code: XXXX-XXXX Waiting for authorization... 
  1. 使用浏览器访问 https://github.com/login/device
  2. 输入终端中显示的一次性验证码
  3. 在 GitHub 页面授权 OpenClaw 访问你的 Copilot
  4. 授权完成后,保持终端开启,等待命令自动完成
注意: 请勿关闭终端,直到命令输出成功提示。
可选参数

指定自定义 Profile ID(适合管理多个 GitHub 账号):

openclaw models auth login-github-copilot --profile-id github-copilot:work 

跳过确认提示(自动接受):

openclaw models auth login-github-copilot --yes

方式二:Copilot Proxy 插件

如果你已经在 VS Code 中安装并运行了 Copilot Proxy 扩展,可以让 OpenClaw 通过该代理的 /v1 端点访问 Copilot 模型。

前提: VS Code 中的 Copilot Proxy 扩展必须处于运行状态,OpenClaw 才能正常调用。
启用插件

在 OpenClaw 配置文件中启用 copilot-proxy 插件:

{ plugins: { "copilot-proxy": { enabled: true, baseUrl: "http://localhost:<代理端口>/v1" // 替换为 Copilot Proxy 实际监听地址 } } } 

设置默认模型

登录成功后,将 GitHub Copilot 提供的模型设置为默认模型:

# 设置 GPT-4o 为主模型 openclaw models set github-copilot/gpt-4o # 或使用 GPT-4.1 openclaw models set github-copilot/gpt-4.1 

查看当前可用模型:

openclaw models list 

查看模型状态和认证信息:

openclaw models status 

配置文件示例

手动编辑配置文件(位于 ~/.openclaw/config.json5):

最简配置

{ agents: { defaults: { model: { primary: "github-copilot/gpt-4o" } } } } 

配置主模型 + 备用模型(故障转移)

{ agents: { defaults: { model: { primary: "github-copilot/gpt-4o", fallbacks: [ "github-copilot/gpt-4.1", "openai/gpt-4o" // 可选:其他提供商作为最终备用 ] } } } } 

指定 Profile ID(多账号场景)

{ agents: { defaults: { model: { primary: "github-copilot/gpt-4o" } } }, auth: { profiles: [ { id: "github-copilot:work", provider: "github-copilot" } ] } } 

配置模型允许列表(限制可用模型)

{ agents: { defaults: { model: { primary: "github-copilot/gpt-4o" }, models: { "github-copilot/gpt-4o": { alias: "Copilot GPT-4o" }, "github-copilot/gpt-4.1": { alias: "Copilot GPT-4.1" } } } } } 

模型管理

常用 CLI 命令速查

# 查看当前模型状态 openclaw models status # 列出所有配置的模型 openclaw models list # 列出所有可用模型(包含完整目录) openclaw models list --all# 切换主模型 openclaw models set github-copilot/gpt-4o # 添加备用模型 openclaw models fallbacks add github-copilot/gpt-4.1 # 查看备用模型列表 openclaw models fallbacks list # 删除备用模型 openclaw models fallbacks remove github-copilot/gpt-4.1 # 添加模型别名 openclaw models aliases add"copilot" github-copilot/gpt-4o 

在对话中切换模型

在 Control UI 或支持的频道中,可以使用斜杠命令临时切换模型:

/model # 打开模型选择器 /model list # 列出可用模型 /model github-copilot/gpt-4o # 切换到指定模型 /model status # 查看当前模型详细状态 

常见问题排查

1. 模型被拒绝访问(“Model rejected”)

原因: 当前 GitHub Copilot 订阅计划不支持该模型。

解决方案:

# 尝试切换到其他 Copilot 模型 openclaw models set github-copilot/gpt-4.1 # 查看订阅计划支持的模型 openclaw models list --provider github-copilot 

2. 登录命令报错"requires interactive TTY"

原因: 在非交互式终端(如 CI 流水线、SSH 无 TTY 会话)中执行了登录命令。

解决方案: 在本机的普通终端窗口中直接执行登录命令,不要通过脚本调用。

3. 命令执行后提示"openclaw: command not found"

解决方案:

# 检查全局包安装路径npm prefix -g# 确认 bin 目录在 PATH 中echo"$PATH"# 若不在 PATH,手动添加(以 zsh 为例)echo'export PATH="$(npm prefix -g)/bin:$PATH"'>> ~/.zshrc source ~/.zshrc 

4. 认证令牌过期

GitHub Copilot 的令牌会定期过期,需要重新登录:

openclaw models auth login-github-copilot 

5. 模型显示"not allowed"错误

原因: 配置了 agents.defaults.models 允许列表,但所选模型不在列表中。

解决方案: 将模型添加到允许列表,或清除允许列表:

// 在配置文件中添加该模型 { agents: { defaults: { models: { "github-copilot/gpt-4o": {} } } } } 

6. 运行诊断检查

openclaw doctor 

参考资料

资源链接
OpenClaw 官方文档docs.openclaw.ai
GitHub Copilot 集成页面docs.openclaw.ai/providers/github-copilot
OpenClaw 安装指南docs.openclaw.ai/install
快速上手docs.openclaw.ai/start/getting-started
模型 CLI 参考docs.openclaw.ai/concepts/models
模型提供商总览docs.openclaw.ai/concepts/model-providers
模型故障转移docs.openclaw.ai/concepts/model-failover
配置参考docs.openclaw.ai/gateway/configuration-reference
OpenClaw GitHub 仓库github.com/openclaw/openclaw

文档生成日期:2026-03-27 | 基于 OpenClaw 官方文档整理

Read more

无人机飞行空域申请全流程指南

无人机飞行空域申请全流程指南 一、哪些情况需要申请空域? 必须申请空域的情况: * 在管制空域内飞行(包括机场周边、军事区、120米以上空域等) * 微型/轻型无人机在适飞空域内超过真高120米飞行 * 轻型无人机进行特殊操作(如中继飞行、载运危险品、飞越人群) * 小型及以上无人机(空机>4kg或最大起飞重量>7kg)在任何空域飞行 无需申请的情况: * 微型无人机在真高50米以下适飞空域内飞行 * 轻型无人机在真高120米以下适飞空域内飞行 二、申请前必备准备 1️⃣ 实名登记(所有无人机必备) * 登录民用无人驾驶航空器综合管理平台(UOM)(https://uom.caac.gov.cn或UOM APP) * 个人用户:完成实名认证(上传身份证),为≥250g的无人机登记,获取唯一编码和二维码 * 企业用户:准备营业执照、法人身份证、运营合格证、无人机适航证 2️⃣ 人员资质要求

揭秘OpenArm:打造你的开源协作机器人

揭秘OpenArm:打造你的开源协作机器人 【免费下载链接】OpenArmOpenArm v0.1 项目地址: https://gitcode.com/GitHub_Trending/op/OpenArm 在当今机器人技术快速发展的时代,开源协作机器人正成为科研与工业应用的新焦点。OpenArm作为一款7自由度人形协作机器人,以其独特的模块化设计和开放生态系统,为开发者提供了一个理想的平台,重新定义了人机协作的可能性。本文将深入探索OpenArm的技术奥秘,从硬件架构到软件实现,从实际应用到未来拓展,为你展现如何从零开始构建这一智能协作伙伴。 探索协作机器人的核心挑战 现代协作机器人面临着多重技术挑战,这些挑战直接影响着机器人的性能、安全性和适用性。理解并解决这些核心问题,是掌握OpenArm技术的关键第一步。 机械设计的平衡之道 协作机器人需要在多个维度上实现精细平衡:一方面要具备足够的负载能力以完成实际任务,另一方面又要保持轻量化以确保人机协作的安全性;既要拥有广泛的工作空间,又要保持结构紧凑以适应不同环境。这些相互制约的因素构成了机械设计的主要挑战。 实时控制的精

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了!

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了!

豆包Seedream 4.0多图融合实力派:田园犬+三花猫多场景创作,AI绘画新时代来了! 🌟 Hello,我是摘星! 🌈 在彩虹般绚烂的技术栈中,我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵,每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察,每一次重构都是我的化学实验。 🎵 在编程的交响乐中,我既是指挥家也是演奏者。让我们一起,在技术的音乐厅里,奏响属于程序员的华美乐章。 摘要 作为一名长期关注AI技术发展的开发者,我见证了从GAN到DALL-E,再到Stable Diffusion的图像生成技术演进历程。而今天,当我深入体验字节跳动最新发布的豆包Seedream 4.0时,我被这项技术的突破性表现深深震撼了。这不仅仅是一次简单的版本迭代,而是AI绘画领域的一次革命性跃进。 通过我使用中华田园犬和三花猫素材进行的深度测评,Seedream 4.0展现出了前所未有的多图融合能力和主体一致性保持水平。从真实场景的动物追逐图,到充满想象力的卡通探险绘本,再到创意十足的布偶挂件设计,每一个生成结果都让我感受到了AI创作的无限可能。这款模

Stable Diffusion(SD)完整训练+推理流程详解(含伪代码,新手友好)

Stable Diffusion(SD)完整训练+推理流程详解(含伪代码,新手友好)

Stable Diffusion(SD)的核心理论基石源自论文《High-Resolution Image Synthesis with Latent Diffusion Models》(LDM),其革命性创新在于将扩散模型从高维像素空间迁移至 VAE 预训练的低维潜空间,在大幅降低训练与推理的计算成本(相比像素级扩散模型节省大量 GPU 资源)的同时,通过跨注意力机制实现文本、布局等多模态条件控制,兼顾了生成质量与灵活性。本文将基于这一核心思想,从数据预处理、模型训练、推理生成到 LoRA 轻量化训练,一步步拆解 SD 的完整技术流程,每个关键环节均搭配伪代码,结合实操场景,理解 SD 的工程实现。 论文地址:https://arxiv.org/pdf/2112.10752 论文代码:https://github.com/CompVis/latent-diffusion