Openclaw部署飞书机器人

OpenClaw 项目资源

  • GitHub 仓库: https://github.com/openclaw/openclaw
  • 官方文档: https://docs.openclaw.ai/
  • 飞书插件:https://www.npmjs.com/package/@m1heng-clawd/feishu
  • GLM模型官方API:https://bigmodel.cn/glm-coding

一、安装 OpenClaw

前置要求

  1. 需要 GLM-4.7 API 或支持 200K token 的 API 模型;
  2. 本地部署的可行性分析:
    • 需 RTX4090-48G 显卡并使用 GLM-4.7-flash-Q4 版本,才有可能有这么大的token,不过别人的高配主机部署这个显卡开200K上下文实测才20token/s;
    • 以一次简单有用的任务使用10万token为例,要达到20token/s[1200token/分钟], 需要80分钟,所以要有200token/s的速度一次任务8分钟勉强能接受[即使这样还是要经常开新会话]。
  3. 安装 Node.js [winget show --id OpenJS.NodeJS,在windows系统中,这个命令可以找到最新的下载链接],右击开始,在终端管理员中输入npm --version命令和node --version,能得到版本号则是安装成功

安装命令

npminstall -g openclaw@latest 

二、飞书机器人配置

  1. 访问 飞书开放平台 创建应用,获取 App ID 和 App Secret
  2. 配置步骤:
    • 添加机器人并命名
    • 在"事件与回调"中将2个地方的订阅方式改为长连接(需确保 OpenClaw 中 Channels 状态为 Enabled 和 OK)
    • 更改后创建并且发布新版本(保持名称一致)
  3. 使用说明:
    • 遇到权限提示可直接复制到飞书平台自动识别
    • 在飞书打开发布的机器人,在对话框中输入 /new 可以创建新会话,不要一直对话,以防token超出

权限管理中添加以下权限[在插件网站上有详细说明]:

contact:contact(全部) im:message(全部) bot(全部) contact:user.base:readonly im:resource 

三、飞书插件安装

安装方式

  • 建议先查询openclaw官方信息,有可能它的最新版本加入了对飞书的支持,这样就不需要自行安装了
  • Windows10/11 手动安装(如遇 spawn npm ENOENT 错误):

安装依赖(可选):

cd C:\Users\Administrator\.openclaw\extensions\feishu npminstall @larksuiteoapi/node-sdk 

安装插件:

openclaw plugins install ./feishu-0.1.4.tgz 

注意:如果安装结果中,在’Installing plugin dependencies '之后又提示这个错误,去安装依赖;如果一直无法直接通过’openclaw plugins install’命令在线安装插件,是因为官方没有支持,你可以去研究怎么手动安装插件,手动安装只能靠openclaw官方文档和插件官方说明。

下载最新版本[访问插件官网找到版本号,更新以下链接中的版本号,必须使用最新的版本,因为你安装的openclaw是最新的,防止插件不兼容]:

curl -O https://registry.npmjs.org/@m1heng-clawd/feishu/-/feishu-0.1.4.tgz 

推荐方式(Ubuntu / win系统的WSL2中):

openclaw plugins install @m1heng-clawd/feishu 

配置飞书连接

openclaw config set channels.feishu.appId "YOUR_APP_ID" openclaw config set channels.feishu.appSecret "YOUR_APP_SECRET" openclaw config set channels.feishu.enabled true openclaw config set channels.feishu.connectionMode websocket openclaw config set channels.feishu.dmPolicy pairing openclaw config set channels.feishu.groupPolicy allowlist openclaw config set channels.feishu.requireMention true

四、配置并且启动 OpenClaw

openclaw onboard --install-daemon openclaw gateway 

默认使用了cmd的启动器电脑开机自启,建议使用360优化掉它,使用360急救箱[免安装]扫描到这个启动项,以及自行选择工具处理。

五、首次使用需配置密钥

    • 在 Settings/Connection 中配置获取的 token

临时访问方式:

http://<GATEWAY_ADDRESS>:<PORT>/__openclaw__/?token=YOUR_GATEWAY_TOKEN 

访问控制面板:

http://127.0.0.1:18789/__openclaw__/ 

获取访问令牌:

cat ~/.openclaw/openclaw.json 

Read more

MK米客方德SD NAND:无人机存储的高效解决方案

MK米客方德SD NAND:无人机存储的高效解决方案

在无人机技术迅猛发展的当下,飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往,SD 卡是飞控 LOG 记录常见的存储介质,但随着技术的革新,新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机,创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储,测试其在飞控 LOG 记录功能中的表现。 米客方德 SD NAND 芯片特性 免驱动优势:与普通存储设备不同,在该应用场景下,SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程,缩短了开发周期,减少了潜在的驱动兼容性问题,让开发者能够更专注于实现核心功能。 自带坏块管理功能:存储设备出现坏块难以避免,而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性,避免因坏块导致的数据丢失或错误写入,提升了整个存储系统的稳定性。 尺寸小巧与强兼容性:

Open Duck Mini v2完整指南:从零构建智能行走机器人伙伴

Open Duck Mini v2完整指南:从零构建智能行走机器人伙伴 【免费下载链接】Open_Duck_MiniMaking a mini version of the BDX droid. https://discord.gg/UtJZsgfQGe 项目地址: https://gitcode.com/gh_mirrors/op/Open_Duck_Mini 你是否梦想拥有一个能够自主行走、响应指令的智能机器人?Open Duck Mini v2正是为你量身打造的完美项目。这款42厘米高的开源机器人不仅外形精致可爱,更拥有强大的运动能力和智能化控制系统,让机器人技术变得触手可及。 为什么这个项目值得你投入时间? 在众多机器人项目中,Open Duck Mini v2以其独特的优势脱颖而出。项目总成本控制在400美元以内,让预算有限的爱好者也能轻松入门。更重要的是,所有设计文件、代码和文档完全开源,

VRCT完全攻略:5分钟掌握VRChat实时翻译神器

还在为VRChat中的语言障碍而苦恼吗?想要与国际友人无障碍交流却受限于语言不通?VRCT(VRChat Chatbox Translator & Transcription)就是你的理想解决方案!这款革命性的实时翻译工具专门为VRChat虚拟社交平台打造,通过先进的语音识别和机器翻译技术,将你的语音对话实时转换为文字并翻译成目标语言,彻底打破语言壁垒。 【免费下载链接】VRCTVRCT(VRChat Chatbox Translator & Transcription) 项目地址: https://gitcode.com/gh_mirrors/vr/VRCT 🎯 核心功能全解析 实时语音转文字翻译 VRCT的核心功能就像你的专属翻译官,能够即时将麦克风输入的语音转换为文字,并翻译成设定的目标语言。无论你想将日语翻译成英语,还是中文翻译成韩语,VRCT都能轻松应对,让你的VRChat体验从此无国界! 智能聊天框无缝集成 VRCT通过OSC协议与VRChat深度集成,自动将翻译后的文字发送到VRChat的聊天框中,实现真正的跨语言实时交流。 如图所示,VRCT的主界

ROG-Map:一种高效的以机器人为中心的大场景高分辨率LiDAR运动规划网格地图(论文阅读)

ROG-Map:一种高效的以机器人为中心的大场景高分辨率LiDAR运动规划网格地图(论文阅读)

论文:ROG-Map: An Efficient Robocentric Occupancy Grid Map for Large-scene and High-resolution LiDAR-based Motion Planning 论文主要创新点: 1.本文旨在解决将激光雷达与OGM集成的挑战,ROG-Map是一种均匀的基于网格的OGM,可以保持局部地图与机器人一起移动,从而实现高效的地图操作,并降低大场景自主飞行的内存成本 2.此外,我们提出了一种新的增量障碍膨胀方法,该方法显着降低了膨胀的计算成本。该方法在各种公共数据集上优于最先进的(SOTA)方法。 3.0拷贝地图滑动策略,该策略仅维护机器人周围的局部地图,使ROG-Map适用于大场景任务 论文特点:只是用于避障的局部地图,最求计算效率最大化 第一部分:介绍 INTRODUCTION                视觉:测量范围短(35m);激光雷达:精确和远程(避开小障碍物和大场景感知)。由于要避开小障碍物,分辨率足够高的OGM能够感知小障碍物,从而在复杂环境中实现导航和避障。充分利用激光雷达提供远