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

【无人机追踪】基于 0-1 整数规划实现「能耗最小」的无人机联盟选取，完成目标攻击任务的同时，让所有无人机的总能耗达到最优附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页：Matlab科研工作室  👇 关注我领取海量matlab电子书和数学建模资料  🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。 🔥 内容介绍  一、背景 在现代军事作战或特定的工业应用场景中，常常需要多架无人机协同完成目标攻击任务。然而，无人机的能源储备有限，能耗问题成为制约其任务执行效率和持续时间的关键因素。如何在众多无人机中选取合适的无人机组成联盟，使其在成功完成目标攻击任务的同时，将所有参与无人机的总能耗控制在最优水平，是一个亟待解决的重要问题。 传统的无人机任务分配方式可能没有充分考虑能耗因素，或者只是简单地基于距离、速度等单一指标进行分配，这往往无法实现总能耗的最优控制。基于 0 - 1 整数规划的方法为解决这一问题提供了一种有效的途径，它能够综合考虑多种约束条件，精确地对无人机进行筛选和组合，以达到能耗最小化的目标。 二、原理 （一）0 - 1 整数规划基础

最新 AI 论文盘点（2026-03-18）：6 篇新作看记忆、长上下文、医疗评测、机器人策略与世界模型

最新 AI 论文盘点（2026-03-18）：6 篇新作看记忆、长上下文、医疗评测、机器人策略与世界模型 今天这批新论文里，我觉得有几条线特别值得看。 一条是 LLM / Agent 的记忆与长上下文，讨论怎么把“记住信息”和“真正用好上下文”这两件事拆开来做。 一条是医疗与真实场景评测，重点不再是静态 benchmark，而是更贴近临床和工作流的真实使用偏好。 还有一条是机器人与具身智能，不少工作开始把重点放在“少改模型、更多利用结构和搜索”上，而不是一味增大训练规模。 这篇挑 6 篇我认为更值得盘的论文，尽量少复述摘要，多讲它到底在解决什么问题、方法核心新在哪里、为什么值得关注、局限和边界是什么。 1. NextMem：给 LLM Agent 做“潜在事实记忆” 论文： NextMem: Towards Latent Factual
宇树科技机器人核心技术

宇树科技机器人核心技术

前言 宇树科技作为全球足式/人形机器人领域的标杆企业，其技术体系覆盖消费级（Go2）、工业级（B2）、人形（G1/H1）全产品线，以“硬件自研+软件全栈+AI赋能”构建核心壁垒。本文不仅拆解宇树机器人的关键技术（单硬件、单软件、软硬件协同、AI+），还配套就业技能图谱、学习路线与工具推荐，适合机械、电子、计算机、AI领域开发者/求职者参考。 一、宇树科技机器人核心技术全景（附插图建议） 宇树的技术体系可概括为“四层金字塔结构”，从下到上实现“能运动→会运动→智能运动”的进阶： 技术层级核心定位代表技术应用价值底层硬件机器人“躯体骨架”自研伺服电机、分层计算平台、4D激光雷达保障运动性能与环境适配性全栈软件机器人“智慧大脑”MPC/WBC控制算法、SLAM感知融合、ROS2中间件实现精准控制与灵活交互软硬件协同机器人“神经中枢”实时控制闭环、

手把手教你用Coze搭建AI客服机器人：从零到上线的完整流程

从零构建企业级AI客服：基于Coze平台的可视化实战指南 你是否曾为客服团队处理重复性问题而焦头烂额？或是面对客户咨询高峰时，响应速度跟不上，导致用户体验下滑？在AI技术日益成熟的今天，构建一个智能客服机器人已不再是大型企业的专属。对于中小型团队或个人开发者而言，借助像字节跳动推出的Coze这样的平台，完全可以在短时间内，以极低的成本打造出一个功能强大、响应迅速的AI客服助手。这篇文章，我将以一个实际项目为例，带你一步步走完从环境准备、流程设计、知识库搭建到最终部署上线的全过程。我们不会停留在理论层面，而是深入到每一个配置细节和可能遇到的坑，让你真正掌握这门实用技能。 1. 项目规划与环境准备 在动手敲下第一行配置之前，清晰的规划是成功的一半。一个AI客服机器人不仅仅是回答问题的程序，它需要理解业务、融入流程、并具备持续学习的能力。我们首先要明确它的核心使命：是处理售前咨询，还是解决售后问题？是7x24小时在线接待，还是作为人工客服的辅助筛选工具？目标不同，设计的侧重点和复杂度也截然不同。 对于大多数中小企业，一个典型的客服机器人需要覆盖以下几个核心场景： * 高频问题自