OpenClaw配置 GLM-4.7 Flash+DuckDuckGo 实现飞书机器人联网问答

OpenClaw配置 GLM-4.7 Flash+DuckDuckGo 实现飞书机器人联网问答

摘要

OpenClaw+GLM-4.7 Flash+DuckDuckGo:手把手教你搭建飞书群聊联网问答机器人。本文提供一套100% 免费的落地方案,详解 OpenClaw 安装、GLM-4.7 Flash 模型配置、DuckDuckGo 搜索插件启用、飞书应用创建与网关对接、群聊白名单配置等关键步骤,附完整命令与避坑指南,实现飞书内 @机器人即可获取实时联网信息,打造高效团队协作 AI 工具。

效果展示

准备工作

node.js安装

下载地址 https://nodejs.org/en/download

安装完成。

git 安装

下载地址 https://git-scm.com/install/windows

上图普通用户默认选择,我是程序员,因此选择第二项

接下来的步骤都是保持默认选择,点击Next,直到安装完成

安装完成。

权限配置

允许你的电脑运行本地脚本,解决 OpenClaw 安装时 “脚本禁止运行” 的报错。以管理员身份打开 PowerShell 运行命令

Set-ExecutionPolicy RemoteSigned -Force

验证命令

Get-ExecutionPolicy 

输出RemoteSigned ,权限设置完成。

详细步骤(正文)

开始安装openclaw

浏览器打开:https://openclaw.ai/ 滑到QuickStart处

用管理员权限打开poewershell

等待安装,期间会自动打开和关闭命令行窗口,如果等待时间超过5分钟还是这样,可以按回车键

安装完成, 剩余均为配置类问题 。我这里在openclaw安装完之后,没有自动触发 openclaw onboard交互式配置向导,因为我不是第一次安装的原因,系统已经存在某些文件。 执行命令:

openclaw onboard

选择Yes

模型选择

因为我打算使用免费的大模型 智谱GLM-4.7 Flash,

先获取智谱 API Key
1. 访问 智谱 AI 开放平台,注册 / 登录账号
2. 进入「API Keys」页面,创建新的 API Key(免费额度足够日常使用)
3. 复制生成的 API Key(格式类似:xxxx.xxxx

输入API key

这里一定要选择要用的模型,默认是GLM-5是收费的,回车

现在到了 选择对话渠道 的步骤,这里是 OpenClaw 用来和你交互的入口,我这里选择飞书

准备飞书凭证【机器人配置】


先去 飞书开放平台 创建「自建应用」我之前已经创建了机器人应用

​开启权限:im:messageim:chatcontact:user.base:readonly

获取 App ID 和 App Secret

这里是 OpenClaw 在飞书群聊中的响应规则,你可以根据需求选择:选择默认的
- 个人 / 办公使用:选 Allowlist,先控制范围,后续再按需加群
- 只想私聊用:选 **`Disabled

这里输入群ID,即会话ID

配置联网搜索能力

现在到了 联网搜索功能 的配置环节,这个功能让 Bot 能实时查资料、获取最新信息。选择DuckDuckGo,免费使用,由于服务器在国外,网络可能会差一些,但起码不收费。

现在到了 技能(Skills)配置 环节,这里是 OpenClaw 额外功能的开关(比如代码执行、文件操作、工具调用等)。

先选择No,尽快把流程跑通,以后需要的话,可以在配置

现在到了 Hooks(自动化钩子) 配置环节,这是用于自动化处理 Agent 命令的进阶功能。先默认跳过。

按空格选中,


按回车提交继续下一步


现在到了 网关服务(Gateway service) 的最后一步,配置文件已经更新完成,只需要处理服务重启即可。

安装完成,启动网关

openclaw gateway 

新打开powershell 执行命令openclaw dashboard
会自动打开浏览器网关页面:http://127.0.0.1:18789/chat?session=main

常见问题 & 踩坑记录

  • 报错怎么解决
  • 容易卡在哪

总结

Read more

持续学习系统:LLaMA Factory增量训练实战指南

持续学习系统:LLaMA Factory增量训练实战指南 在AI产品开发中,模型需要不断吸收新知识来保持竞争力。传统全量训练每次都要消耗大量计算资源,而增量学习技术能让模型像人类一样持续成长。本文将手把手教你使用LLaMA Factory框架实现大语言模型的增量训练,让模型进化不再需要"回炉重造"。 这类任务通常需要GPU环境,目前ZEEKLOG算力平台提供了包含该镜像的预置环境,可快速部署验证。LLaMA Factory作为开源低代码框架,支持LLaMA、Qwen、ChatGLM等主流模型,通过增量预训练和LoRA等技术实现高效微调。 为什么选择LLaMA Factory做增量学习 增量学习(Incremental Learning)是指模型在不遗忘旧知识的前提下,持续吸收新数据的能力。相比传统全量训练,它有三大优势: * 资源节约:只需对新数据训练,避免重复处理历史数据 * 快速迭代:模型能实时适应业务变化,缩短更新周期 * 知识保留:通过特定技术防止"灾难性遗忘"现象 LLaMA Factory特别适合增量学习场景,因为它: 1. 支持500+纯文本和20

【Web3】NFT 元数据去中心化存储与智能合约集成实战

【Web3】NFT 元数据去中心化存储与智能合约集成实战

在开发非同质化代币(NFT)项目时,资产数据的安全性与不可篡改性是核心考量指标。为防止底层数据受到中心化机构的人为干预,业界普遍采用去中心化网络来托管核心资产。本文将结合实际工程流,深入探讨 NFT 元数据(Metadata)的存储逻辑,并提供与之匹配的智能合约集成方案。 笔记来自:17小时最全Web3教程:ERC20,NFT,Hardhat,CCIP跨链_哔哩哔哩_bilibili,十分推荐大家学习该课程! 目录 一、 深入解析通证生态与 NFT 元数据机制 1. 通证生态解析 2. NFT构建与元数据机制 二、 以太坊存储困境与去中心化网络选型 三、 基于 IPFS 的元数据(Metadata)构建流 四、 智能合约集成与 Remix 快捷部署 一、 深入解析通证生态与 NFT 元数据机制 1. 通证生态解析 资产在区块链上的数字化表达主要分为同质化通证与非同质化通证。

Radar: Record of Practical Operations for Handheld Laser Radar Mapping Preparation

Radar: Record of Practical Operations for Handheld Laser Radar Mapping Preparation

03 - 手持激光雷达建图实操记录 1. 概述 手持 TG30 激光雷达进行 Cartographer 建图测试,验证 SLAM 软件链路是否跑通。 与官方教程的区别: 项目官方教程我们的方案SLAM 算法Gmapping(粒子滤波)Cartographer(图优化)里程计有底盘 odom无 odom,纯激光匹配雷达型号4ROS(三角测距型)TG30(TOF 飞行时间型)安装方式编译源码apt 一键安装启动方式ros2 launch slam_gmapping ...ros2 launch yahboomcar_nav map_cartographer_test_launch.py 官方教程使用 Gmapping,因 TG30 每圈 2020 点超过 Gmapping 的

【无人机】用于送货服务的无人机附Matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、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 🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。 🔥 内容介绍 在低空经济加速崛起的浪潮中,送货服务无人机正从“空中快递员”的单一角色,逐步成长为智能物流生态的核心节点。它凭借对人力的高效替代、复杂场景的适配能力,在降本增效、补位填空等方面释放核心价值,重塑物流行业的运行规则。从城市末端配送、山区物资运输到应急医疗投送,送货无人机的应用边界持续拓宽,技术迭代与网络构建推动其从“机械飞行”向“智能生态”跨越。 一、送货无人机的类型划分与场景适配 送货无人机的设计需在载重能力、续航时长、飞行稳定性与货物安全性四大核心需求间寻求平衡,不同类型的无人机针对差异化场景形成了独特优势。目前主流类型可分为三类,覆盖从城市短途到城乡中长途的全配送链路。 (一)多旋翼无人机:城市末端配送主力 以四旋翼为代表的多旋翼无人机,凭借垂直起降无需专用场地的特性,成为城市场景的首选。其悬停精度可达±0.1米,能