OpenClaw安装和接入飞书机器人完整教程

优质文章学习记录

— 10 min read

OpenClaw安装和接入飞书机器人分三大部分组织回答：
1）先讲环境准备和OpenClaw基础安装（分阿里云和本地Windows两种场景）；

2）再讲飞书机器人配置（包括应用创建、通道添加、事件订阅）；

3）最后讲验证和配置AI模型。

为了更直观，在部署方式对比、配置项说明等地方用表格呈现。

这是一份完整的OpenClaw安装及接入飞书机器人的教程。将涵盖从环境准备、OpenClaw部署（含阿里云服务器和本地Windows两种方式）、AI模型（以阿里云百炼为例）配置，到最终在飞书开放平台创建并接入机器人的全流程。

第一部分：准备工作与核心认知

在开始动手前，我们需要先了解 OpenClaw 是什么，并准备好必要的账号和工具。

1.1 什么是 OpenClaw？

OpenClaw（昵称“小龙虾”，曾用名 ClawdBot / Moltbot）是一个开源的个人AI智能体框架。它本身不具备推理能力，需要对接大语言模型（如阿里云百炼、七牛云、OpenAI等）的API。它的核心价值在于：

  • 真正的执行能力：能通过“技能”（Skills）直接操作电脑、调用插件 。
  • 多平台接入：支持接入飞书、Telegram、WhatsApp 等聊天软件 。
  • 部署灵活：可以部署在云端（7×24小时运行）或个人电脑本地 。

1.2 环境与物料清单

在部署前，请确保你准备好了以下内容：

  • 服务器/电脑：
    • 方案A（推荐）：阿里云轻量应用服务器（2核4GB内存以上，系统推荐 Ubuntu 22.04 或 OpenClaw 官方镜像）。
    • 方案B：本地 Windows 11 电脑（内存建议 8GB 以上，需安装 Node.js 和 Git）。
  • 必备账号与凭证：
    • 阿里云账号：用于开通百炼大模型服务（或其他模型提供商，如七牛云）并获取 API Key 。
    • 飞书企业账号：用于登录飞书开放平台创建机器人 。
  • 基础工具：
    • 终端工具：Windows 需管理员权限的 PowerShell；Mac/Linux 用自带终端 。
    • 远程连接工具：如使用云服务器，需准备 Finalshell、Xshell 或使用阿里云 WebShell 。

第二部分：OpenClaw 基础环境部署

OpenClaw 依赖 Node.js 运行。你可以根据自己的情况选择在云服务器或本地 Windows 上部署。

2.1 方案 A：阿里云服务器部署（7x24小时运行，推荐）

适合团队协作、需要长期稳定运行的场景。

2.1.1 获取阿里云百炼 API Key（用于AI大脑）

OpenClaw 需要一个大模型来“思考”，我们以阿里云百炼平台的模型为例 。

  1. 访问 阿里云百炼大模型控制台，完成实名认证。
  2. 在“API-KEY 管理”中，点击创建 API-Key。
  3. 复制生成的密钥（格式如 sk-...），保存好备用 。
2.1.2 一键购买与部署（新手最快方式）

阿里云提供了包含 OpenClaw 的轻量应用服务器镜像，可以实现一键部署 。

  1. 进入专题页：访问阿里云 OpenClaw 一键部署专题页面，点击 【一键购买并部署】 。
  2. 选购服务器：
    • 镜像：选择 OpenClaw(Moltbot)镜像。如果已有服务器，可以重置系统选择此镜像。
    • 实例规格：内存必须 2GiB 及以上（建议4GiB）。
    • 地域：如需联网搜索功能，建议选择非中国大陆地域（如美国（弗吉尼亚）），或使用香港地域 。
  3. 配置百炼 API：
    • 购买完成后，进入轻量应用服务器控制台，找到你的实例。
    • 点击进入应用详情页。
    • 在“OpenClaw使用步骤”区域，单击配置百炼API-Key的“执行命令”，输入刚才保存的 API-Key 。
  4. 放行端口：在应用详情页，点击端口放通的“执行命令”，一键放行 18789（OpenClaw 控制台）等必要端口 。
  5. 获取访问地址：点击访问 Web UI 面板的“执行命令”，获取访问地址。在本地浏览器打开该地址（格式为 http://服务器公网IP:18789），即可看到 OpenClaw 控制台 。
2.1.3 Docker 手动部署（进阶稳定）

如果你更喜欢用 Docker 进行环境隔离，可以通过 SSH 连接到服务器后执行以下命令 ：

# 1. 拉取官方镜像docker pull openclaw/openclaw:2026.3.8 # 2. 创建数据目录mkdir-p /opt/openclaw/{config,skills,agents,logs,feishu-config}# 3. 启动容器docker run -d\--name openclaw \--restart always \-p18789:18789 \-v /opt/openclaw/config:/app/config \-v /opt/openclaw/skills:/app/skills \-v /opt/openclaw/feishu-config:/app/feishu-config \-eTZ=Asia/Shanghai \ openclaw/openclaw:2026.3.8 # 4. 进入容器进行初始化dockerexec-it openclaw bash openclaw init --feishu

2.2 方案 B：本地 Windows 11 部署（测试、隐私优先）

适合个人测试或数据不想上传云端的场景 。

2.2.1 安装系统依赖
  1. 安装 Node.js：
    • 下载 Node.js 官网的 LTS 版（22.x 或 24.x）。
    • 安装时务必勾选 “Add to PATH”。
    • 安装后打开 PowerShell，输入 node -v 和 npm -v 验证版本 。
  2. 安装 Git：从 Git 官网下载安装包，保持默认选项，确保 “Git Bash Here” 和 “Add Git to PATH” 被勾选 。
  3. 安装 Visual C++ Redistributable：Win10/Win11 通常需要此运行库，从微软官网下载安装 x64 版本 。
2.2.2 配置 PowerShell 与 npm 镜像
  1. 以管理员身份打开 PowerShell。

配置 npm 国内镜像（加速下载）：

npm config set registry https://registry.npmmirror.com/

解除脚本执行限制（关键步骤）：

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser Set-ExecutionPolicy-Scope Process-ExecutionPolicy Bypass

按 Y 确认 。

2.2.3 一键安装 OpenClaw

在 PowerShell 中执行官方 Windows 安装脚本：

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

等待脚本自动运行完成 。

2.2.4 初始化与启动

打开控制面板：

openclaw dashboard

浏览器会自动打开 http://127.0.0.1:18789，进入 OpenClaw 图形化管理界面 。

运行配置向导（首次安装）：

openclaw onboard --install-daemon

此向导会引导你设置模型提供商（可先跳过或临时选择，后续会修改）。

启动 Gateway 服务：

openclaw gateway start

第三部分：配置 AI 模型（以阿里云百炼为例）

无论你采用哪种部署方式，安装完成后，都需要告诉 OpenClaw 使用哪个大模型。你可以通过修改配置文件或在 Web UI 中完成。

3.1 配置文件方式

OpenClaw 的配置文件通常位于 ~/.openclaw/openclaw.json（Linux/Mac）或 C:\Users\你的用户名\.openclaw\openclaw.json（Windows）。
在配置文件的 models.providers 中添加阿里云百炼（或七牛云等兼容OpenAI格式的）配置 ：

{"models":{"providers":{"bailian":{"baseUrl":"https://dashscope.aliyuncs.com/compatible-mode/v1","apiKey":"你的阿里云百炼API-KEY","api":"openai-completions","models":[{"id":"qwen-plus","name":"通义千问-Plus","contextWindow":128000,"maxTokens":8192},{"id":"qwen-max","name":"通义千问-Max","contextWindow":128000,"maxTokens":8192}]}}}}

注意：apiKey 也可以通过环境变量 ${BAILIAN_API_KEY} 引用，更安全 。

3.2 使用 Onboarding 向导

如果你不想手动编辑文件，也可以在终端重新运行 openclaw onboard 命令，在交互式菜单中选择 “Model/auth provider”，然后选择 “阿里云百炼” 并粘贴你的 API Key 。

第四部分：接入飞书机器人（核心步骤）

这是让 OpenClaw 进入飞书群聊的关键环节。

4.1 在飞书开放平台创建应用

  1. 访问飞书开放平台，登录你的企业账号。
  2. 点击**“创建应用”** -> “企业自建应用”，填写应用名称（如“我的小龙虾助手”）和描述 。
  3. 创建完成后，进入应用详情页，点击左侧**“凭证与基础信息”**，获取 App ID 和 App Secret（保存好，后面要用）。

4.2 配置 OpenClaw 飞书通道

  1. 获取事件订阅地址：
    添加通道后，OpenClaw 会生成一个用于接收飞书事件的 HTTP 地址（通常是 https://你的公网IP或域名:18789/api/v1/channels/feishu/webhook 或类似格式）。
    • 如果是本地部署，需要使用内网穿透工具（如 ngrok）将本地地址暴露到公网。
    • 如果是云服务器，请确保使用的是公网 IP，并且防火墙（以及阿里云安全组）已放行 18789 端口 。

在 OpenClaw 中添加飞书通道：
在你的 OpenClaw 服务器终端（或本地 PowerShell）中执行：

# 格式：openclaw channels add --channel feishu --token "你的AppID:你的AppSecret" openclaw channels add--channel feishu --token"cli_xxxxxxxx:你的AppSecret"

参考 QQ Bot 的添加逻辑 。

4.3 配置飞书应用的事件订阅

  1. 回到飞书开放平台的应用管理后台。
  2. 点击左侧**“事件订阅”**。
  3. 在“请求地址配置”中，粘贴上一步获取的 OpenClaw 事件订阅地址 。
  4. 点击**“加密策略”**后面的“编辑”，添加事件。
    • 搜索并添加 message 相关的权限和事件（如 接收消息），这是机器人能收到并回复消息的基础。
  5. 添加完成后，点击“保存”。

4.4 配置权限与发布

  1. 权限管理：在左侧“权限管理”中，添加机器人需要的权限。通常至少需要：
    • im:message
    • im:message:send_as_bot （以机器人的身份发送消息）
    • im:chat （获取群聊信息）
  2. 发布版本：点击左侧“版本管理与发布”，创建一个版本并提交审核（需企业管理员审核）。或者，如果你是企业管理员，可以直接点击“申请发布”，然后在审核中通过 。

4.5 将机器人添加到飞书群

  1. 在飞书客户端，打开你想让机器人工作的群聊。
  2. 点击群设置 -> “群机器人” -> “添加机器人”。
  3. 搜索你刚才创建的应用名称（如“我的小龙虾助手”），点击添加。

第五部分：验证与使用

  1. 检查 OpenClaw 状态：
    在服务器终端执行 openclaw status 或 openclaw doctor，确保 Gateway 正在运行，且飞书通道状态正常 。
  2. 在飞书群中互动：
    • 在飞书群里直接 @ 你的机器人，发送一条消息，比如“你好”。
    • 如果配置正确，机器人会调用配置好的大模型进行思考，并回复消息 。
    • 进阶技巧：OpenClaw 支持多智能体，你可以配置多个飞书机器人账号加入同一个群，分别响应不同领域的问题（如一个负责编程，一个负责文案），实现“一群多助手” 。

常见问题排查

  • 提示 openclaw: command not found：
    npm 全局安装目录未添加到 PATH。执行 npm prefix -g 找到路径（如 /usr/local），然后将 /usr/local/bin 添加到系统的 PATH 环境变量中 。
  • 飞书机器人无回复：
    1. 检查飞书开放平台的事件订阅地址是否验证通过。
    2. 检查服务器防火墙和安全组是否放行了 18789 端口。
    3. 查看 OpenClaw 日志：openclaw gateway status 或查看 /var/log/openclaw/ 下的日志文件 。
    4. 确认 API Key 是否有效，余额是否充足。
  • 服务启动失败/内存不足：
    OpenClaw 需要至少 2GB 可用内存（建议 4GB）。如果是低配服务器，建议增加 Swap（交换分区）或升级配置 。

通过以上步骤，你应该已经成功将 OpenClaw 接入飞书，拥有一个 24 小时在线的 AI 协作了。

Read more

AI提示词：零基础入门与核心概念

AI提示词：零基础入门与核心概念

AI提示词：零基础入门与核心概念 📝 本章学习目标：理解什么是提示词，掌握提示词的核心概念，建立正确的AI对话思维，为后续学习打下坚实基础。 一、什么是提示词？ 1.1 提示词的定义 提示词（Prompt），简单来说，就是你发给AI的指令或问题。它是人类与人工智能沟通的桥梁，是你告诉AI"我想要什么"的方式。 想象一下，你雇佣了一位超级聪明但对你的需求一无所知的助手。这位助手知识渊博、能力强大，但它需要你清晰地告诉它要做什么。提示词就是你给这位助手的工作指令。 💡 核心认知：提示词不是简单的"提问"，而是一种结构化的指令设计。好的提示词能让AI精准理解你的意图，输出高质量的结果；糟糕的提示词则会让AI"答非所问"，浪费你的时间。 1.2 提示词的重要性 为什么提示词如此重要？让我们通过一个对比来说明： ❌ 糟糕的提示词： 帮我写点东西 ✅ 好的提示词： 请帮我写一篇关于&

LoRA训练入门指南：5步掌握AI绘画模型定制

LoRA训练入门指南：5步掌握AI绘画模型定制 【免费下载链接】LoRA_Easy_Training_ScriptsA UI made in Pyside6 to make training LoRA/LoCon and other LoRA type models in sd-scripts easy 项目地址: https://gitcode.com/gh_mirrors/lo/LoRA_Easy_Training_Scripts 想要个性化定制AI绘画模型却担心技术门槛？LoRA训练正是为你量身打造的解决方案！这种低秩适应技术让普通用户也能轻松训练专属模型，无需高端设备，告别复杂参数调整。本指南将带你从零开始，5步掌握LoRA训练的核心技巧。✨ 🚀 快速上手：环境搭建只需3分钟 系统配置要求： * 操作系统：Windows 10/11或Linux系统 * 显卡：

Windows环境本地大模型工具链安装教程：Ollama + llama.cpp + LLaMA Factory

Windows 11 本地大模型工具链终极教程：Ollama + llama.cpp + LLaMA Factory 本教程将指导你在 Windows 11 系统上，将 Ollama、llama.cpp 和 LLaMA Factory 三个工具统一安装到 E 盘，并实现 GPU 加速、数据集配置和一键启动。所有步骤均已实际验证，适用于 RTX 5080 等现代显卡。 📁 1. 统一文件夹结构（推荐） 在 E 盘 创建父文件夹 LLM，用于集中管理所有相关文件。子文件夹规划如下： text E:\LLM\ ├── Ollama\ # Ollama 程序安装目录 ├── OllamaModels\ # Ollama 下载的模型存放目录