OpenClaw + Kimi K2.5 本地私有化部署与办公自动化实战

验证部署结果

• 本地访问：浏览器打开 http://localhost:18789，输入步骤中设置的 Token 即可进入控制台。
• 远程访问：若需外网访问，请确保服务器防火墙已放行 18789 端口，访问地址为 http://服务器IP:18789。

Kimi K2.5 API 接入

这是赋予 AI 能力的核心步骤。你可以通过可视化界面或代码两种方式接入。

方式一：控制台可视化配置（推荐新手）

1. 进入 OpenClaw 控制台，点击左侧「模型配置」→「自定义模型」。
2. 选择「OpenAI 兼容接口」，填入以下参数：
   • 模型名称：kimi-k2.5（固定值）
   • API Base URL：https://ark.cn-beijing.volces.com/api/coding
   • API Key：填入之前获取的密钥
   • 最大 Token：2048
   • 温度：0.3（办公场景推荐，平衡精准度与灵活性）
3. 点击「测试连接」，成功后保存并切换为默认模型。

方式二：Python 代码调用（开发者模式）

如果你需要更灵活的控制，可以直接编写 Python 脚本调用 API。这种方式支持文本和多模态交互。

首先安装依赖：

pip install openai==1.13.3 python-dotenv

以下是完整的调用示例，包含环境变量加载和安全处理：

import os
import base64
from openai import OpenAI
from dotenv import load_dotenv

# 加载环境变量，避免密钥硬编码在代码中
load_dotenv()

client = OpenAI(
    api_key=os.getenv("KIMI_API_KEY"),
    base_url="https://ark.cn-beijing.volces.com/api/coding"
)

# 文本对话示例
def kimi_text_chat(prompt):
    completion = client.chat.completions.create(
        model="kimi-k2.5",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.3,
        max_tokens=2048
    )
    return completion.choices[0].message.content

# 多模态调用示例（图片解析）
def kimi_multimodal_chat(prompt, image_path):
    with open(image_path, "rb") as f:
        image_data = base64.b64encode(f.read()).decode("utf-8")
    
    completion = client.chat.completions.create(
        model="kimi-k2.5",
        messages=[{
            "role": "user",
            "content": [
                {"type": "text", "text": prompt},
                {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_data}"}}
            ]
        }],
        temperature=0.5
    )
    return completion.choices[0].message.content

if __name__ == "__main__":
    # 测试文本生成
    print(kimi_text_chat("写一个 Python 脚本，批量读取 Excel 文件并汇总数据"))
    # 测试图片解析
    # print(kimi_multimodal_chat("提取图片中的表格数据", "pdf_screenshot.png"))

多端远程控制配置

为了让 AI 随时待命，我们可以将其接入飞书或企业微信，实现手机端的指令下发。

飞书机器人配置

1. 在飞书开放平台创建企业自建应用，添加 im.message.p2p_msg 权限。
2. 配置回调地址为 http://你的IP:18789/feishu，并记录生成的 Token 和 EncodingAESKey。
3. 发布应用后，在 OpenClaw 容器内启用插件：

docker exec -it openclaw-kimi bash
openclaw plugin enable feishu
openclaw config set feishu.token 飞书回调 Token
openclaw config set feishu.aes_key 飞书 EncodingAESKey
openclaw config set feishu.app_id 飞书 AppID
openclaw config set feishu.app_secret 飞书 AppSecret
exit
openclaw gateway restart

企业微信机器人配置

1. 在企业微信管理后台创建智能机器人，选择 API 模式。
2. 填写请求 URL 为 http://你的IP:18789/wecom。
3. 启用插件配置：

docker exec -it openclaw-kimi bash
openclaw plugin enable wecom
openclaw config set wecom.token 企业微信 Token
openclaw config set wecom.aes_key 企业微信 EncodingAESKey
openclaw gateway restart

高频实战案例

部署完成后，你可以尝试以下几个典型场景来体验自动化能力。

案例 1：办公自动化（Excel + PPT）

发送指令：「帮我批量处理 D 盘下的 Excel 文件，汇总销售额数据，生成可视化图表，并制作一份产品销售分析 PPT」。

OpenClaw 会自动调用 Kimi K2.5 生成处理脚本，执行数据汇总后，利用内置 Skill 库生成 PPT 文件。前提是提前启用 excel-processor 和 ppt-generator 模块。

案例 2：定时任务调度

设置每天上午 9 点自动推送行业资讯到飞书，无需人工干预。

# 安装定时插件
openclaw plugin enable cron
# 添加每日任务
openclaw cron add --name "daily_news" --schedule "0 9 * * *" --command "kimi_text_chat('整理今日 AI 行业热点资讯') | openclaw feishu send --user_id 你的飞书 ID"

案例 3：多模态文档解析

在飞书直接上传 PDF 文件，发送指令：「解析这份 PDF，提取核心观点，生成 100 字摘要」。Kimi K2.5 的多模态能力将直接处理文件内容并返回结构化结果。

常见问题与优化

在实际使用中，可能会遇到一些常见情况，这里提供排查思路。

• Docker 启动失败：若提示端口占用，修改 docker-compose.yml 中的端口号（如改为 18790），然后重新执行 docker compose up -d。
• API 调用报错：检查密钥是否有空格，确认火山方舟账号额度充足，并确保模型名称严格为 kimi-k2.5。
• 远程访问认证失败：确认已设置 gateway.auth.token，非 HTTPS 环境下通常仅支持局域网访问。
• 资源不足：在低配设备上，可在 docker-compose.yml 中限制 CPU 和内存，例如 cpus: "1.0" 和 mem_limit: "2g"。
• 数据安全：严禁执行 docker compose down -v，这会删除数据卷。停止服务请使用 docker compose down。

进阶优化建议

为了提升安全性与性能，建议进行以下加固：

1. 安全加固：限制访问 IP 段，加密存储 API 密钥。

   openclaw config set gateway.allow_ips 192.168.1.0/24
   openclaw config encrypt kimi.api_key
   

2. 功能扩展：加载更多 Skill 库以增强处理能力。

   git clone https://github.com/VoltAgent/awesome-openclaw-skills.git /root/.openclaw/skills
   openclaw skill reload
   

3. 日志轮转：避免日志文件过大占用磁盘空间。 在 docker-compose.yml 中添加 logging 配置，限制单文件大小和保留数量。

最后，通过发送简单指令（如「写一个简单的 Python HelloWorld 脚本」）测试响应速度，确认服务稳定后即可投入使用。