OpenClaw配置GLM联网搜索 - 免费使用AI搜索功能

OpenClaw配置GLM联网搜索 - 免费使用AI搜索功能

还在为AI联网搜索头疼费?这篇文章教你实现AI联网搜索

背景

现在AI助手大火,但是大部分都不支持联网搜索。能够联网的Perplexity一个月要20美元,对个人开发者来说确实有点肉疼。

作为一个程序员,我一直在找免费或者低成本的解决方案。直到我发现OpenClaw这个开源平台,可以很方便地自定义Skill,配合智谱AI的GLM模型,实现了免费联网搜索功能。

什么是OpenClaw

OpenClaw是一个开源的AI助手平台,支持:

  • 多个AI模型(GPT、Claude、GLM等)
  • 自定义Skill(技能)
  • 多种部署方式
  • 飞书、Telegram等多平台接入

官方文档:https://github.com/openclaw/openclaw

核心思路

利用OpenClaw的自定义Skill功能,调用智谱AI的GLM模型。GLM模型支持联网搜索工具(web_search),我们只需要:

  1. 申请智谱AI的API Key
  2. 编写调用脚本
  3. 配置到OpenClaw

详细配置步骤

第一步:申请智谱AI API Key

  1. 打开 https://open.bigmodel.cn/
  2. 注册账号(新用户有免费额度)
  3. 登录后进入控制台
  4. 点击左侧「API Keys」
  5. 点击「创建API Keys」
  6. 复制保存好Key

第二步:创建Skill目录结构

在OpenClaw的skills目录下创建:

glm-web-search/ ├── _meta.json ├── SKILL.md └── scripts/ └── search.mjs 

第三步:配置文件

_meta.json:

{"ownerId":"local","slug":"glm-web-search","version":"1.0.0"}

SKILL.md:

--- name: glm-web-search description: 使用智谱AI GLM模型进行联网搜索 metadata: {"openclaw":{"emoji":"🔍","requires":{"env":["ZHIPU_API_KEY"]}}} --- # GLM Web Search 使用智谱AI的GLM模型进行联网搜索。 ## 环境变量 需要配置 ZHIPU_API_KEY 环境变量。 

第四步:编写搜索脚本

创建 scripts/search.mjs,核心代码:

const apiKey = process.env.ZHIPU_API_KEY;const endpoint ="https://open.bigmodel.cn/api/paas/v4/chat/completions";const body ={model:"glm-4-flash",messages:[{role:"user",content:`请搜索:${query}`}],tools:[{type:"web_search",web_search:{search_query: query }}],tool_choice:"auto"};const resp =awaitfetch(endpoint,{method:"POST",headers:{"Content-Type":"application/json","Authorization":`Bearer ${apiKey}`},body:JSON.stringify(body)});const data =await resp.json(); console.log(data.choices[0].message.content);

第五步:配置环境变量

exportZHIPU_API_KEY="你的API密钥"

第六步:重启服务

openclaw restart 

使用效果

配置完成后,直接对话:

用户:帮我查一下最新的AI新闻 AI:以下是最新AI相关新闻: 1. OpenAI发布新模型GPT-5... 2. Anthropic发布Claude 4... 3. 智谱AI更新GLM-5... (自动联网搜索并返回结果) 

效果对比

方案月费用稳定性搜索效果
Perplexity Pro$20稳定
ChatGPT Plus$20一般一般
第三方搜索API¥50+一般一般
本文方案免费稳定够用

注意事项

  1. 智谱AI免费额度有限,建议合理使用
  2. 目前仅支持中文搜索效果最佳
  3. 如需大规模使用,建议升级付费套餐

总结

通过OpenClaw + 智谱AI的组合,我们实现了:

  • ✅ 免费联网搜索
  • ✅ 中文搜索效果好
  • ✅ 部署简单

对于个人开发者或者小团队来说,这个方案完全可以满足日常需求。如果你有更好的方案,欢迎评论区交流!


参考:

  • OpenClaw GitHub: https://github.com/openclaw/openclaw
  • 智谱AI官网: https://open.bigmodel.cn/

标签: OpenClaw 智谱AI GLM 联网搜索 AI工具 免费


本文原创,转载注明出处

Read more

把 Vivado 项目放心交给 Git:一篇 FPGA 工程师必读的实战指南

之前分享过一篇文章《FPGA 版本管理三种方式:你会选哪一种?》,评论区很多人都推荐使用Git进行版本管理,今天这篇文章主题就是使用Git进行备份指南。 在 FPGA 开发中,掌握 Git 等源码管理工具已经是必备技能。 当然,在使用 Vivado 时,我们不仅需要处理源代码控制,还需要处理以 IP 为中心的设计产品。 Vivado 的工程通常是 IP 为中心 的设计,包含: * IP Integrator Block Diagram * 各类 IP 实例(独立 IP 或 BD 内 IP) * 自动生成的包装文件与工程产物 这让很多 FPGA 工程师一开始会觉得: “Vivado 项目到底该怎么和 Git 一起用?” 好消息是,从 Vivado

简单通信落地:FPGA 实现 CAN 总线接口与数据帧解析

https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 这份FPGA 系统学习详细资料包是个人花大量时间精心整理的,超多干货全覆盖,从基础到实战一站式搞定,不用再到处薅资料!网盘链接随时可能失效,提取码 1234,先保存再学习,别等失效拍大腿!🔗链接:https://pan.baidu.com/s/1rDsLAXGj8WbX82teSkhuIw?pwd=1234 ———————————————— 简单通信落地:FPGA 实现 CAN 总线接口与数据帧解析 CAN 总线在工业现场和汽车电子中应用极其广泛,它的可靠性、实时性和多主特性是 UART、SPI、I2C 无法比拟的。从零实现一个完整的 CAN 控制器确实有一定复杂度,但掌握核心的数据帧收发和解析能力,就能应对大多数 FPGA 与 CAN 总线交互的场景。下面我带你一步步落地。

AI绘画R18提示词工程实践:从原理到安全合规实现

快速体验 在开始今天关于 AI绘画R18提示词工程实践:从原理到安全合规实现 的探讨之前,我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来,但作为开发者,如何将大模型(LLM)真正落地为一个低延迟、可交互的实时系统,而不仅仅是调个 API? 这里有一个非常硬核的动手实验:基于火山引擎豆包大模型,从零搭建一个实时语音通话应用。它不是简单的问答,而是需要你亲手打通 ASR(语音识别)→ LLM(大脑思考)→ TTS(语音合成)的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说,这是个绝佳的练手项目。 从0到1构建生产级别应用,脱离Demo,点击打开 从0打造个人豆包实时通话AI动手实验 AI绘画R18提示词工程实践:从原理到安全合规实现 背景痛点:需求与限制的平衡 在游戏角色设计、影视概念艺术等领域,R18内容创作存在明确的市场需求。但主流AI绘画平台对成人内容的生成往往采取严格限制,导致开发者面临两难: * 商业项目需要符合角色设定的视觉表现,但直接使用"

具身机器人的软件系统架构

具身机器人的软件系统架构

具身机器人作为能够与物理世界直接交互、具备环境感知与自主决策能力的智能系统,其软件架构的核心目标是实现“感知-决策-执行”的闭环协同,同时满足实时性、可靠性、可扩展性与模块化的设计要求。基于这一目标,主流的具身机器人软件系统通常采用分层架构设计,从上至下依次分为感知层、认知决策层、运动控制层,辅以通信层、驱动层和系统管理层作为支撑,各层通过标准化接口实现数据流转与功能协同。以下将详细拆解各层的核心功能、关键技术及典型模块。 一、核心分层架构:从感知到执行的闭环 分层架构的优势在于将复杂的系统功能解耦为独立模块,便于开发迭代、故障定位与功能扩展。各层既各司其职,又通过数据总线或中间件实现高效交互,形成完整的智能行为链条。 1. 感知层:物理世界的“数据入口” 感知层是机器人获取外部环境与自身状态信息的基础,核心任务是将传感器采集的原始数据转化为结构化的语义信息,为上层决策提供可靠输入。其核心要求是实时性、准确性与鲁棒性,需应对光照变化、动态障碍物、传感器噪声等复杂场景干扰。 主要模块及技术要点如下: * 多传感器数据采集模块:负责接入各类传感器数据,包括视觉传感器(单目