openclaw配置飞书(Feishu)机器人(2026.03.07)

openclaw配置飞书(Feishu)机器人(2026.03.07)

前提:你已经安装好openclaw,配置好了大模型。
可借鉴我另一篇博文:https://mp.ZEEKLOG.net/mp_blog/creation/editor/157513751

一、配置openclaw channel

打开终端,输入:

openclaw config

开始安装,需要等一会,安装好需要你填飞书的App ID和App Secret,先放着,等执行下面的步骤

二、配置飞书机器人 , 获取App ID和App Secret


安装流程如下链接,太长了,不想编辑了,完成版本发布。
https://www.feishu.cn/content/article/7613711414611463386

1.配置事件长连接时,需要在openclaw上安装飞书SDK(如果步骤一没执行会长连接失败)
2.当然以上配还是有问题的,缺了一点东西

一定把这些加进来,不然跟机器人聊天没反应(很多教程故意不说)
关键词如下:

im.chat.member.bot.deleted_v1 im.chat.member.user.added_v1 im.message.message_read_v1 im.message.receive_v1

3.找到App ID、App Secret(一会配置openclaw channel feishu需要用到)

3.打开飞书。

3.配置DM 

先与机器人对话,出现如下Pairing code,复制

在终端执行命令:

openclaw pairing approve feishu <配对码> --notify

飞书机器人弹出:

然后就可以正常对话了。

Read more

实测|龙虾机器人(OpenClaw)Windows系统部署全攻略(含避坑指南)

作为一名热衷于折腾新技术的ZEEKLOG博主,最近被一款名为「龙虾机器人」的开源AI工具圈粉了!它还有个更正式的名字——OpenClaw(曾用名Clawdbot、MoltBot),不同于普通的对话式AI,这款工具能真正落地执行任务,比如操作系统命令、管理文件、对接聊天软件、自动化办公,而且支持本地部署,数据隐私性拉满。 不过调研发现,很多小伙伴反馈龙虾机器人在Windows系统上部署容易踩坑,官方文档对Windows的适配细节描述不够细致。今天就结合自己的实测经历,从环境准备、分步部署、初始化配置,到常见问题排查,写一篇保姆级攻略,不管是新手还是有一定技术基础的同学,都能跟着一步步完成部署,少走弯路~ 先简单科普下:龙虾机器人本质是一款开源AI代理框架,核心优势是“能行动、可本地、高灵活”——它不内置大模型,需要对接第三方AI接口(如GPT、Claude、阿里云百炼等),但能将AI的指令转化为实际的系统操作,相当于给AI配了一个“能动手的身体”,这也是它和普通对话大模型的核心区别。另外要注意,它还有一种“生物混合龙虾机器人”的概念,是利用龙虾壳改造的柔性机器人,本文重点分享的是可本

TongWeb中通道的线程任务队列大小(queueSize)和TCP等待队列大小(acceptCount)参数的含义和关系

TongWeb中通道maxQueueSize和acceptCount参数的含义和区别 在 TongWeb中,maxQueueSize 和 acceptCount 是两个与请求处理队列相关的核心参数,它们共同作用于并发请求的接收和处理流程,但所处的层面和作用机制有显著区别。理解两者的差异和协作关系,对优化 TongWeb 高并发性能至关重要。 * 参数定义与作用 1. acceptCount(操作系统层面的连接队列) * 作用:控制操作系统内核维护的 TCP 连接队列(backlog 队列) 的最大长度。当 TongWeb 的工作线程全部忙碌时,新到来的 TCP 连接会先进入该队列等待,直到有线程空闲后再被处理。 * 本质:这是操作系统层面的队列,用于暂存 “已建立但未被 TongWeb 应用层处理” 的 TCP 连接。 * 默认值:TongWeb8企业版默认值为500;TongWeb7嵌入式版本默认值为100。 * 队列满时的行为:若队列已满,新的 TCP 连接会被操作系统直接拒绝,客户端会收到 “Connection

[测试技术] 深入理解 JSON Web Token (JWT)

*原创内容,未获授权禁止转载、转发、抄袭。 在现代 Web 开发中,身份认证(Authentication)是绕不开的话题。随着微服务架构的流行和前后端分离模式的普及,传统的基于 Session-Cookie 的认证方式逐渐显露出其局限性。 取而代之的,是 JSON Web Token (JWT)。它轻量、无状态、跨语言,成为了目前最流行的跨域认证解决方案。 作为一名开发者,你可能已经在使用 JWT,但你真的理解它的内部原理吗?你知道如何安全地存储它吗?本文将带你从头到尾彻底解析 JWT。 1. 为什么我们需要 JWT? 在讲“是什么”之前,先看“为什么”。 传统的 Session 认证模式 在 Web 1.0 时代,我们通常这样做: 1. 用户登录,

教育场景新玩法:用GLM-4.6V-Flash-WEB做习题解析工具

教育场景新玩法:用GLM-4.6V-Flash-WEB做习题解析工具 在中学物理课上,学生拍下一道带电路图的填空题发到学习群,三秒后AI就标出关键节点、列出欧姆定律适用条件,并分步推导出答案; 在小学数学作业批改中,老师上传一张手写竖式计算图,系统不仅判断对错,还指出“进位符号写在了错误位置”,并生成一句适合孩子理解的提示语; 在考研自习室里,学生把模糊的扫描版《线性代数》例题截图拖进网页,AI自动识别矩阵排版、补全被遮挡的下标,并用白话解释“为什么这里要转置”。 这些不是未来设想——它们正在真实发生,而且不需要调用云端API、不依赖复杂工程团队、甚至不用写一行后端代码。 你只需要一台装有RTX 3090显卡的电脑,部署一个叫 GLM-4.6V-Flash-WEB 的开源镜像,就能把这套能力装进自己的教学工具、家教App或学习平台里。 它不是通用多模态模型的简单复刻,而是专为教育场景高频、轻量、强解释性需求打磨出来的视觉语言工具。不追求参数规模,但求每道题都答得准、讲得清、看得懂。 本文将带你从零开始,把GLM-4.6V-Flash-WEB变成你的专属习题解析助手:不讲抽象架构