手把手教程:通过扣子平台部署OpenClaw并接入飞书,开启AI自动办公

手把手教程:通过扣子平台部署OpenClaw并接入飞书,开启AI自动办公
一分钟搭建,让Openclaw帮你干活

一、什么是OpenClaw?能干什么?

如果你还没听说过OpenClaw,那可能真的错过了2026年AI圈最火的项目。简单来说,OpenClaw是一个能让AI真正替你操作电脑的开源“数字员工”,而不仅仅是一个聊天的机器人。

它的核心价值可以概括为:从“只会说话的嘴”进化成了“能干活的双手”。你通过日常聊天软件(比如飞书、微信)给它派活,它不仅能听懂,还能像真人一样在你的电脑上执行操作——移动文件、浏览网页、发送邮件、跑代码、做数据分析,甚至帮你砍价。

OpenClaw的架构可以通俗地拆解为四个部分:

○ 前台(渠道适配器):你与它对话的窗口,支持飞书、钉钉、Telegram等多种IM工具
○ 大脑(大模型):负责理解指令、拆解任务,支持接入ChatGPT、Claude、Kimi等多种模型
○ 双手(技能插件):真正干活的部分,能操控浏览器、文件系统、邮件等
○ 档案柜(记忆系统):本地存储你的偏好和习惯,越用越懂你

最关键的是,OpenClaw采用本地优先设计,所有数据都保存在你自己的电脑里,不用担心隐私泄露问题。

二、目前使用OpenClaw的主要渠道

根据当前的生态发展,使用OpenClaw主要有以下几种方式:
部署方式特点适用人群
本地部署在自己的电脑或服务器上手动安装配置,自由度最高,但需要一定的技术基础开发者、技术爱好者
云厂商一键部署阿里云、腾讯云、火山引擎等均提供OpenClaw应用镜像,1-3分钟即可完成部署想快速上手的普通用户
扣子平台部署在扣子(Coze)AI应用开发平台上一键部署,自带联网搜索、无需自配大模型、大模型限时免费零基础新手、想低成本试水的用户
三种部署渠道弊端对比:
对比维度本地部署云厂商一键部署扣子平台部署(本文方案)
核心局限硬件门槛高、技术复杂严重安全风险(Gartner明确警告)无法操作本地电脑(只能操作云端服务器)
上手难度⚠️ 极高(需掌握命令行、Node.js,配置各种依赖)✅ 低(1-3分钟一键部署)✅ 最低(扣子平台可视化操作)
硬件成本⚠️ 高(Mac mini或RTX 4060+显卡,内存32GB+)✅ 低(按需付费)✅ 低(仅平台费89元/月)
隐私安全✅ 数据完全在自己电脑⚠️ 明文存储凭据、网关暴露、权限隔离缺失⚠️ 数据存储在扣子云端
本地操作能力✅ 可操作个人电脑的文件和软件❌ 只能操作云服务器❌ 只能操作云端虚拟环境
持续运行❌ 依赖本地开机,休眠中断✅ 7×24小时稳定运行✅ 7×24小时稳定运行
成本可控性⚠️ 硬件一次性投入高⚠️ API费用可能失控⚠️ 平台费+API费,注意自动续费
安全风险等级中(取决于个人防护意识)⚠️ 高(攻击者可获宿主机完整控制权)中(依赖平台防护)
适用人群技术爱好者、隐私敏感者、需操作本地电脑者想快速体验但可接受安全风险的尝鲜用户零基础新手、仅需云端任务者

一句话总结

  • 本地部署:真能操作你电脑,但技术门槛和硬件成本都高
  • 云厂商部署:上手快,但安全风险极大(Gartner建议企业立即阻止使用)
  • 扣子平台部署:新手友好,但只能处理云端任务,无法动你本地文件

本文的重点,就是教你如何通过扣子平台完成OpenClaw的云端部署,并将其接入飞书,让你在手机上就能随时召唤AI干活

三、为什么选择扣子平台部署?

相比于本地部署的繁琐和云厂商服务器的配置门槛,扣子平台有四个明显的优势:

  1. 自带联网搜索功能——无需额外配置
  2. 无需自行配置大模型——平台内置了可用的模型
  3. 大模型可限时免费使用——降低试错成本
  4. 暂时无网络带宽限制——体验流畅

当然需要提醒的是,扣子平台的高阶版或旗舰版是付费的(约89元/月),使用时要注意自动续费问题。

四、详细部署步骤:扣子平台一键安装OpenClaw

第一步:进入扣子平台并升级账号

  1. 访问 🔗扣子(Coze)编程平台官网
  2. 登录后,需要确保账号是个人高阶版或旗舰版才能使用部署功能

如果当前版本不够,按照提示完成升级

image.png

第二步:一键部署OpenClaw

  1. 等待系统自动完成环境配置和安装——整个过程完全自动化,不需要手动敲命令

点击“一键部署”按钮

image.png

在平台中找到OpenClaw的部署入口(通常在AI应用或智能体板块)

image.png

第三步:确认部署成功

部署完成后,你会看到一个管理界面,里面包含了OpenClaw的运行状态、配置选项等信息。到这里,OpenClaw本身已经搭建好了

image.png

五、配置飞书接入:让AI进入你的聊天框

第1步:在飞书开放平台创建应用

  1. 访问 🔗飞书开放平台
  2. 填写应用名称(比如“我的数字员工”)、上传头像
  3. 创建成功后,在“凭证与基础信息”页面,找到并记录两个关键信息:
    • App ID(如 cli_xxxxx)
    • App Secret(注意:只在创建时显示一次,务必保存好)

点击“创建企业自建应用”

image.png

第2步:配置应用权限,并发布应用

添加机器人应用能力,否则机器人无法正常工作。

在应用后台的“权限管理”页面,开启权限,也可以选择批量开启。

image.png

根据自己的使用场景选择需要开启的权限,我批量开启权限的代码为(如需要原代码评论区评论666):

image.png

所有权限申请后,需要等待审核通过。

第3步:配置事件订阅(最容易遗漏的一步!)

很多人在配置完前面步骤后发现机器人收不到消息,问题往往出在这里。在应用后台的“事件与回调”页面:

  1. 事件配置方式:选择“使用长连接接收事件”(推荐)
  2. 添加事件订阅:勾选以下事件
    • 接收消息 v2.0(im.message.receive_v1)——必需
    • 其他事件如“消息已读”等可根据需要选择
image.png
  1. 确保事件订阅的权限已审核通过

第4步:在OpenClaw中配置飞书插件

回到扣子平台部署好的OpenClaw管理界面,需要进行飞书插件的配置。只需要告诉它:帮我配置飞书渠道,App ID是什么,App Secret是什么。然后等待即可。

image.png


image.png

第5步:匹配配对码,完成授权。

将配对码提供open claw,完成配对命令完成授权

image.png

在飞书应用中向你的机器人发送任意消息(比如 “介绍下你自己”),机器人会回复一个 Pairing Code(配对码)

image.png

第6步:在飞书中找到机器人并测试

  1. 在飞书搜索框中搜索你创建的应用名称
  2. 找到机器人后,发送一条消息测试
  3. 如果配置正确,机器人应该能够正常回复
image.png

六、接入飞书后,我们可以怎么用?

⚠️ 重要提示:通过扣子平台部署的OpenClaw运行在云端Linux服务器上,它所能操作的“桌面”是指云端服务器的虚拟环境,不是你个人电脑的本地桌面。因此,像“整理我电脑上的文件”这类指令无法直接执行。下面是根据OpenClaw云端部署实际能力整理的使用场景:

场景一:联网信息查询与整理

这是云端OpenClaw最擅长的领域。你可以让机器人帮你查资料、做总结:
示例指令:

  • “帮我查一下2026年春节放假安排”
  • “搜索最近AI领域的三条重要新闻,用中文总结”
  • “对比一下ChatGPT和Claude的最新版本差异”

执行逻辑:OpenClaw通过扣子平台自带的联网搜索能力,获取信息后返回飞书。

image.png

场景二:云端数据处理

示例指令:

  • (发送一个Excel文件)“帮我把这个表格里的销售额按月份汇总”
  • (发送一份PDF)“提取这份合同的要点,列个清单给我”
  • “把这张图片里的文字识别出来”

执行逻辑:你在飞书发送文件 → OpenClaw下载到云端服务器 → 处理完成后把结果发回给你。

image.png

场景三:定时任务与提醒

设定好之后,机器人会准时把信息推送到你的飞书:
示例指令:

  • “每天早上8点,提醒我打卡”
  • “每周五下午5点,总结本周的行业新闻发我”
  • “每两小时检查一次这个网页有没有更新:https://xxx.com

执行逻辑:定时任务在云端服务器运行,到点自动推送消息。

image.png
image.png

场景四:内容创作与文案,文档生成

利用大模型能力,帮你写东西、改东西:
示例指令:

  • “你现在是资深的高级产品经理,现在根据***.html文件生成需求文档,便于开发工程师开发,测试工程师测试,内容详细需包含图片中的这几项内容(***),最后请以word文档的格式发我。”
  • “帮我写一封会议邀请邮件,主题是Q2产品规划”
  • “把这段话改成小红书风格:xxxx”

执行逻辑:纯文本生成,云端大模型直接处理。

image.png

场景五:群聊里的AI助手

把机器人拉进工作群,大家都可以@它:
示例指令:

  • 行政群:“@机器人 公司的报销流程是怎么样的?”(需要你提前把制度文档喂给它)
  • 执行逻辑:群聊消息通过飞书 → 扣子平台 → 大模型理解回复。

八、结语

通过扣子平台部署OpenClaw再接入飞书,是目前上手最快、门槛最低的方式之一。整个过程不需要写一行代码,就能拥有一个24小时待命的数字员工。
从“只会聊天”到“真能干活”,OpenClaw代表的是AI应用的新阶段。希望这篇教程能帮你顺利“养”起属于自己的那只“龙虾”,真正体验到AI替你打工的快乐。

Read more

NestJS 核心揭秘:InstanceWrapper 的艺术与前端缓存新思路

NestJS 核心揭秘:InstanceWrapper 的艺术与前端缓存新思路

文章目录 * 概述 * 第一部分:深入幕后——NestJS 的“实例管家” InstanceWrapper * 一、核心职责:不止于封装 * 二、关键属性解构(增强版) * 三、一个实例的生命旅程 * 第二部分:灵感跨界——构建前端页面的“InstanceWrapper”缓存层 * 一、设计哲学:前端数据包装器 * 二、定义我们的“前端 InstanceWrapper” * 三、实现缓存管理器与 React Hook * 四、使用场景示例 * 总结 。 概述 在 NestJS 构建的精密后端世界里,依赖注入(DI)是其生命线。而在这条生命线的核心,有一个默默无闻却至关重要的角色——InstanceWrapper。它不仅是 NestJS 容器中的“实例管家”,更是整个框架实现高效、

Dify vs LangChain+LangGraph:企业AI框架选型指南

Dify vs LangChain+LangGraph:企业AI框架选型指南

2025年10月,LangChain和LangGraph双双发布1.0稳定版,标志着AI应用开发框架进入“生产就绪”时代。对于正在规划AI对话框的企业,Dify和LangChain+LangGraph代表了两种截然不同的技术路线。本文将从介绍、作用、区别、优缺点及选型建议五个维度,帮助技术决策者做出合理选择。 一、框架介绍与核心作用 Dify是一个开源的LLM应用开发平台,由国内团队LangGenius开发。它采用低代码/可视化理念,通过拖拽式工作流、内置RAG管道和模型网关,将AI应用开发周期从数周缩短至分钟级。Dify更像一个“AI应用操作系统”,产品经理和业务人员可以直接参与构建。 LangChain是行业标准的LLM应用开发框架,提供100多种模型集成、文档加载器、向量存储接口等组件库。LangGraph则是同一公司推出的低级编排框架,通过状态图建模复杂Agent工作流,支持循环、分支、持久化执行和人机协作。两者是互补关系:LangChain提供组件,LangGraph负责编排。 二、核心区别 对比维度LangChain + LangGraph (代码框架)D

Claude Code本地化部署教程:零成本打造最强内网AI开发助手

Claude Code本地化部署教程:零成本打造最强内网AI开发助手

文章介绍了如何通过Ollama将Claude Code接入本地开源模型,实现不联网、不花钱、代码不出本地的开发环境。提供了详细配置教程,包括安装客户端、设置环境变量和启动本地模型。这种方式确保数据安全,无需订阅费用,可自由切换Qwen3、GLM等模型,为开发者提供了完全离线的AI辅助开发体验。 如果你是一个开发者,一定被Claude Code的能力震惊了。简单来说,它不仅仅是一个聊天框,而是一个能直接住在你的工作空间内的数字员工,能读懂你的源码、系统功能修BUG、写报告,互联网检索等,在授权的情况下,还能运行终端命令。 但是很多人担心隐私泄露,或者不想一直给Claude交昂贵的订阅费。今天,救星来了!通过Ollama可以把 Claude Code 这个“神级躯壳”接入本地运行的开源模型(如 Qwen3、GLM)。不联网、不花钱、代码不出本地,可谓是最强内网开发套装! 为什么又要本地跑Claude Code? * 数据安全:公司代码资产,怎么敢随便传输到云端?本地运行,物理隔离最安心。 * 告别订阅:

AI医疗革命:英伟达GTC 2025医疗健康与生命科学会议全分析

AI医疗革命:英伟达GTC 2025医疗健康与生命科学会议全分析

AI医疗革命:英伟达GTC 2025医疗健康与生命科学会议全分析 一、GTC 2025:AI 医疗的算力与生态双突破 1.1 黄仁勋演讲核心:从训练到推理的代际跨越 在科技界瞩目的英伟达 GTC 2025 大会上,英伟达 CEO 黄仁勋的主题演讲成为全场焦点,为 AI 医疗领域带来了极具变革性的消息。此次演讲中,新一代 AI 芯片 Blackwell Ultra 及 GB300 超级芯片的发布,犹如一颗重磅炸弹,在行业内激起千层浪,它们专为千亿参数级大模型推理精心设计,是推动 AI 医疗发展的强大 “引擎”。 从技术层面深入剖析,Blackwell Ultra 的卓越性能令人惊叹。其单卡并行处理能力较前代实现了质的飞跃,提升幅度高达 3 倍 。这一显著提升,使得芯片在处理复杂的医疗数据时更加得心应手。例如,在医疗影像分析中,