手把手教你用 OpenClaw + 飞书，打造专属 AI 机器人

优质文章学习记录

— 6 min read
手把手教你用 OpenClaw + 飞书，打造专属 AI 机器人

手把手教你用 OpenClaw + 飞书，打造专属 AI 机器人

当前版本 OpenClaw（2026.2.22-2）已内置飞书插件，无需额外安装。

你有没有想过，在飞书里直接跟 AI 对话，就像跟同事聊天一样自然？

今天这篇文章，带你从零开始，用 OpenClaw 搭建一个飞书 AI 机器人。全程命令行操作，10 分钟搞定。

一、准备工作

1.1 安装 Node.js（版本 ≥ 22）

OpenClaw 依赖 Node.js 运行，首先确保你的 Node 版本不低于 22。

推荐使用 nvm 管理 Node 版本，打开终端执行：

# 安装 nvmcurl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.4/install.sh |bash# 加载 nvm（避免重启终端）\. "$HOME/.nvm/nvm.sh"# 安装 Node.js 24 nvm install24# 验证安装node -v # 应输出 v24.13.1npm -v # 应输出 11.8.0
📎 Node.js 官网：https://nodejs.org/en/download
Node.js 下载页面

1.2 安装 OpenClaw

进入 OpenClaw 官网 https://openclaw.ai/ ，我们通过 npm 全局安装：

# 安装 OpenClawnpm i -g openclaw # 运行引导向导（加 --install-daemon 安装守护进程，让 Gateway 在后台持续运行） openclaw onboard --install-daemon
💡 加了 --install-daemon 后，Gateway 会作为系统守护进程自动启动（macOS 用 LaunchAgent，Linux 用 systemd），重启电脑也不会丢。如果不加，后面启动 openclaw gateway 时关掉终端机器人就断了。
📎 GitHub 地址：https://github.com/openclaw/openclaw
OpenClaw 官网

二、配置 AI 模型

OpenClaw 需要接入一个大语言模型作为"大脑"。你可以使用 Anthropic、OpenAI 等官方 API，也可以通过第三方中转服务获取。

这里以 Claude Haiku 为例。Haiku 是 Anthropic 的轻量级模型，响应快、成本低，非常适合日常对话场景。如果你需要更强的推理能力，也可以换成 claude-sonnet 或 claude-opus 等模型。

在终端依次执行以下命令：

# 1. 设置 API 地址 openclaw config set -- models.providers.my_api.baseUrl "你的API地址"# 2. 设置 API 类型 openclaw config set -- models.providers.my_api.api "openai-completions"# 3. 设置 API Key openclaw config set -- models.providers.my_api.apiKey "你的API密钥"# 4. 设置默认模型（可替换为其他模型） openclaw config set -- agents.defaults.model.primary "my_api/claude-haiku-4-5-20251001"
⚠️ 注意：config set 和路径之间的 -- 是两个英文半角短横线，不要从网页复制，手动敲键盘上的减号键两次。

如果你不习惯命令行，也可以通过 Dashboard 配置：

  1. 启动 Gateway 后，浏览器打开 http://127.0.0.1:18789/
  2. 点击顶部 Config 标签页，切换到 Raw JSON 编辑器
  3. 找到 models.providers 部分，直接编辑 JSON
  4. 保存后 Gateway 自动热加载生效，无需重启
💡 Dashboard 的 Form 表单视图对自定义 Provider 支持有限，建议直接用 Raw JSON 编辑器修改。

三、创建飞书应用

3.1 进入飞书开放平台

访问 https://open.feishu.cn/app ，如果没有账号，用手机号注册即可。

3.2 创建企业自建应用

按照下图步骤操作：

创建应用 - 步骤1
创建应用 - 步骤2
创建应用 - 步骤3
创建应用 - 步骤4

创建完成后点击发布。

3.3 记录 App ID 和 App Secret

这两个值后面配置 OpenClaw 时要用到，务必保存好。

App ID 和 App Secret

四、连接 OpenClaw 与飞书

回到终端，将飞书应用的凭证写入 OpenClaw 配置：

# 设置飞书 App ID openclaw config set -- channels.feishu.appId "你的AppID"# 设置飞书 App Secret openclaw config set -- channels.feishu.appSecret "你的AppSecret"# 启动 OpenClaw Gateway openclaw gateway
💡 新版 OpenClaw 已内置飞书支持，不需要额外安装插件。

五、配置飞书机器人权限

回到飞书开放平台，为应用添加必要的权限和事件订阅。

在「权限管理」页面，搜索 im，将 im 相关的权限全部勾选（包括消息读取、发送、群组管理等），确保机器人能正常收发消息。

💡 OpenClaw 使用 WebSocket 模式连接飞书，不需要配置事件订阅的回调地址（Request URL），保持为空即可。
权限配置 - 步骤1
权限配置 - 步骤2
权限配置 - 步骤3

修改完权限后，需要重新发布一个版本，点击确认发布。

重新发布

六、首次使用：授权配对

在手机飞书上给机器人发一条消息，你会收到类似这样的提示：

OpenClaw: access not configured. Your Feishu user id: ou_72c25a66a2248f494484a792b18d0c12 Pairing code: RYXBPRNJ Ask the bot owner to approve with: openclaw pairing approve feishu RYXBPRNJ

这是 OpenClaw 的安全机制，防止陌生人使用你的机器人。需要两步操作：

6.1 开启权限

在终端中点击提示的链接，开启相关权限。

开启权限 - 步骤1
开启权限 - 步骤2

6.2 授权配对

在终端执行配对命令，将你的飞书账号绑定为授权用户：

openclaw pairing approve feishu RYXBPRNJ
将 RYXBPRNJ 替换为你实际收到的配对码。
配对成功
⚠️ 每创建一个新的飞书机器人应用，都需要重新走一遍这个配对流程。

七、开始使用

一切就绪，现在可以在飞书里愉快地和 AI 对话了 🎉

使用效果

写在最后

整个流程总结下来就三件事：

  1. 装 OpenClaw：npm 一行命令搞定
  2. 建飞书应用：拿到 App ID 和 Secret
  3. 连起来：配置好模型和飞书凭证，启动 Gateway

如果你在部署过程中遇到问题，欢迎留言交流。

Read more

【无人机路径规划】基于粒子群算法PSO融合动态窗口法DWA的无人机三维动态避障路径规划研究（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭：行百里者，半于九十。 📋📋📋本文内容如下：🎁🎁🎁  ⛳️赠与读者 👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。      或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎 💥第一部分——内容介绍 基于PSO-DWA的无人机三维动态避障路径规划研究 摘要：本文聚焦于无人机在三维复杂环境中的动态避障路径规划问题，提出了一种融合粒子群算法（PSO）与动态窗口法（DWA）的PSO-DWA混合算法。该算法首先利用PSO
Being-H0.5：扩展以人为中心的机器人学习实现跨具身泛化

Being-H0.5：扩展以人为中心的机器人学习实现跨具身泛化

26年1月来自的BeingBeyond团队的论文“Being-H0.5: Scaling Human-Centric Robot Learning for Cross-Embodiment Generalization”。 Being-H0.5 是一个基础视觉-语言-动作 (VLA) 模型，旨在实现跨不同机器人平台的鲁棒跨具身泛化。现有的 VLA 模型通常难以应对形态异质性和数据稀缺性，而提出的一种以人为中心学习范式，将人类交互痕迹视为物理交互的通用“母语”。为了支持这一范式，推出 UniHand-2.0，这是迄今为止规模最大的具身预训练方案，包含来自 30 种不同机器人具身的超过 35,000 小时多模态数据。该方法引入一个统一动作空间，将异构的机器人控制映射到语义对齐槽中，使低资源机器人能够从人类数据和高资源平台中引导技能。基于这一以人为中心的基础，设计一个统一的序列建模和多任务预训练范式，以连接人类演示和机器人执行。在架构上，Being-H0.5 采用混合 Transformer （MoT）设计，并引入一种混合流 (MoF) 框架，将共享的运动基元与特定于具身的专家解耦。

Reachy Mini：重新定义桌面机器人的开源硬件革命

Reachy Mini：重新定义桌面机器人的开源硬件革命 【免费下载链接】reachy_miniReachy Mini's SDK 项目地址: https://gitcode.com/GitHub_Trending/re/reachy_mini 在当今机器人技术快速发展的时代，桌面机器人作为开源硬件的重要分支，正以其独特的魅力吸引着全球开发者的目光。Reachy Mini作为这一领域的杰出代表，不仅展示了精密机械设计的极致追求，更为机器人爱好者提供了前所未有的学习与实践平台。 设计哲学：模块化与可访问性的完美平衡 让我们深入理解Reachy Mini背后的设计理念。与传统机器人设计不同，它采用了分层模块化架构，将复杂的机械系统分解为可独立制造和替换的功能单元。这种设计哲学的核心在于：让每个组件都具备明确的边界和标准化的接口，使得维护、升级和定制变得异常简单。 核心设计原则： * 教育导向：每个设计决策都考虑到学习价值 * 制造友好：所有部件都针对3D打印工艺优化 * 成本控制：通过开源设计降低准入门槛 * 扩展灵活：预留充分的接口用于功能扩展 核心子系统解

【2025最新高维多目标优化】基于城市场景下无人机三维路径规划的导航变量的多目标粒子群优化算法NMOPSO研究（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。 ⛳️座右铭：行百里者，半于九十。 📋📋📋本文内容如下：🎁🎁🎁  ⛳️赠与读者 👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。      或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎 💥1 概述 基于城市场景下无人机三维路径规划的导航变量的多目标粒子群优化算法（NMOPSO）研究 摘要 随着无人机应用场景的复杂化，城市场景下的三维路径规划需同时优化路径长度、飞行时间、威胁规避、能耗等多个相互冲突的目标。