MacOS 下使用 Docker 部署 OpenClaw 并对接飞书机器人
OpenClaw 是一款开源的 AI 助手框架，支持跨平台部署和灵活对接各类大模型 API。结合飞书开放平台，可以将 AI 能力直接嵌入到日常办公协作中，无需复杂的底层开发即可实现对话、任务处理等功能。本文梳理了基于 Docker 在 MacOS 环境下的完整部署流程。
环境准备与镜像拉取
首先确保本地已安装 Docker Desktop。打开终端，拉取 OpenClaw 的官方镜像：
docker pull openeuler/openclaw:2026.3.2-oe2403sp3
拉取完成后，启动容器并进行初始化引导。这里使用 --install-daemon 参数来安装守护进程，方便后续管理：
docker run -it --name openclaw openeuler/openclaw:2026.3.2-oe2403sp3 onboard --install-daemon
进入容器后，会进入交互式配置向导。按照提示选择 QuickStart，然后配置你的大模型 API。如果你使用的是第三方服务，选择 Custom Provider，填入 API Base URL、API Key 以及 Model ID。验证通过后，系统会生成一个 Endpoint ID。
飞书应用配置
要让 OpenClaw 在飞书中工作，需要在飞书开放平台创建一个自建应用。
- 创建应用：登录飞书开放平台，创建一个新的企业自建应用。
- 添加机器人：在应用开发页面添加'机器人'能力。
- 权限设置：批量导入所需的权限范围，包括消息发送、文件读取、文档编辑等。权限 JSON 示例如下：
{
"scopes": {
"tenant": [
"aily:file:read",
"im:message",
"docs:doc"
],
"user": [
"aily:file:read",
"im:chat.access_event.bot_p2p_chat:read"
]
}
}
- 事件与回调：这是最关键的一步。需要搭建一个长链接服务来接收飞书的事件推送。可以使用 Python 脚本配合
lark-oapi库来实现。
import lark_oapi as lark
def do_p2_im_message_receive_v1(data: lark.im.v1.P2ImMessageReceiveV1) -> None:
print(f'[ receive message ], data: {lark.JSON.marshal(data, indent=4)}')
event_handler = lark.EventDispatcherHandler.builder("", "") \
.register_p2_im_message_receive_v1(do_p2_im_message_receive_v1) \
.build()
def main():
cli = lark.ws.Client("App Id", "App Secret", event_handler=event_handler, log_level=lark.LogLevel.DEBUG)
cli.start()
if __name__ == "__main__":
main()
运行该脚本后，在飞书后台的'事件配置'中添加所有'消息与群组'，并在'回调配置'中填入你的服务器地址（如果是本地调试，可能需要内网穿透工具）。保存配置前，请确保长链接服务正在运行，否则无法点击保存。
- 发布版本：完成配置后提交审核并发布。发布成功后，飞书开发者小助手会通知审批结果，此时可以在飞书聊天界面看到新创建的机器人。
集成与配对
回到 OpenClaw 的配置界面，找到通道设置部分。选择 Feishu/Lark，系统会自动下载对应的插件。输入之前获取的 App ID 和 App Secret，测试连接是否成功。
如果连接正常，尝试在飞书与机器人对话。首次交互时，飞书会提示需要配对。此时需要在 OpenClaw 容器终端内执行配对命令：
openclaw pairing approve feishu <配对码>
将飞书提示的配对码填入即可。配对完成后，再次回到飞书继续聊天，AI 助手即可正常工作。
日常使用
部署完成后，你可以通过多种方式与 OpenClaw 交互：
- 容器内 TUI：直接在 Docker 容器中运行
openclaw tui进行命令行对话。 - 飞书对话：在飞书群聊或私聊中@机器人，它会根据配置调用大模型能力。
- Web UI：访问
http://127.0.0.1:18789/查看仪表盘（需通过 SSH 端口转发映射到本地）。
整个流程的核心在于 Docker 环境的隔离性以及飞书长链接的稳定运行。如果遇到网关关闭或连接异常，优先检查 Docker 容器状态、API 密钥有效性以及飞书回调服务的连通性。这种轻量级部署方式非常适合个人或小团队快速落地 AI 办公场景。
