跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
Shell / BashNode.jsAI

Ubuntu 系统安装 OpenClaw 并接入飞书机器人

在 Ubuntu 环境下部署开源 AI 助手 OpenClaw 并将其接入飞书机器人的完整流程。主要步骤包括准备 Node.js 环境、配置飞书自建应用及长连接客户端、申请智谱 GLM API Key,最后通过官方脚本安装并初始化网关。文章详细说明了飞书开放平台的权限设置、事件订阅及回调配置,并提示了 Token 消耗与网络环境要求。

星落发布于 2026/4/6更新于 2026/10/15107 浏览
Ubuntu 系统安装 OpenClaw 并接入飞书机器人

1. 前言

1.1 什么是 OpenClaw

近期,AI 圈出现了一款开源个人 AI 助手项目——OpenClaw。该项目在 GitHub 上迅速获得大量关注。

简单来说,它就像一个 24 小时下班的数字打工人:部署在自己的电脑或服务器上,可接入 WhatsApp、Telegram、飞书、钉钉等十多种聊天平台,自动回复消息、处理任务。

需要注意的是,该工具消耗 Token 的速度较快,需合理规划模型选择与上下文管理以避免费用过高。

1.2 环境介绍

OpenClaw 对硬件权限要求较高,建议不要在主力开发机上安装以防隐私泄露。

  • 系统:Ubuntu
  • 前置要求:
    1. 网络环境需支持访问相关服务
    2. Node.js >= 22.0

2. 前期准备

由于 OpenClaw 需要对接聊天软件且自身无模型,我们需要准备大模型 API 和聊天渠道。

2.1 飞书准备

首先,使用飞书账号登录 飞书开放平台,点击开发者后台扫码登录并创建企业自建应用。

输入应用名称和描述后创建。接着为应用添加一个机器人,并记录应用的 AppID 和 AppSecret。

接下来在 Ubuntu 系统中配置长连接客户端(任意目录均可):

克隆项目

git clone https://github.com/Futaoj/enable_openclaw_feishu_lark.git
cd enable_openclaw_feishu_lark

安装依赖

npm install

配置环境变量,将飞书应用的 appID 和 Secret 配置到环境变量中

export FEISHU_APP_ID="your_app_id"
export FEISHU_APP_SECRET="your_app_secret"

启动长连接客户端

npm run ws

成功启动后将看到类似输出。因需后台运行,按 Ctrl+C 停止后使用以下命令:

nohup npm run ws > ws.log 2>&1 &

回到飞书开放平台,在应用下点击【事件与回调】,选择订阅方式为长连接并保存。

同时设置回调配置为长连接。在下方找到【添加事件】,添加以下事件:

  • im.message.receive_v1(必需)
  • im.message.message_read_v1
  • im.chat.member.bot.added_v1
  • im.chat.member.bot.deleted_v1

进行权限配置,点击左侧菜单栏【权限管理】导入权限,填入如下 JSON:

{"scopes":{"tenant":["contact:contact.base:readonly","contact:user.base:readonly","contact:user.employee_id:readonly","contact:user.id:readonly","im:chat","im:chat.access_event.bot_p2p_chat:read","im:chat.members:read","im:chat.moderation:read","im:chat.tabs:read","im:chat.tabs:write_only","im:chat.top_notice:write_only","im:chat:moderation:write_only","im:chat:operate_as_owner","im:chat:read","im:chat:readonly","im:chat:update","im:message","im:message.group_at_msg:readonly","im:message.group_msg","im:message.p2p_msg:readonly","im:message.pins:read","im:message.pins:write_only","im:message.reactions:read","im:message.reactions:write_only","im:message.urgent","im:message.urgent.status:write","im:message:readonly","im:message:send_as_bot","im:message:send_multi_depts","im:message:send_multi_users","im:message:send_sys_msg","im:message:update","im:resource","im:url_preview.update","im:user_agent:read","passport:session_mask:readonly"],"user":[]}}

确认权限并申请开通,最后创建版本并发布。

完成后,飞书会收到通知。此时需记住 AppID 和 AppSecret。

2.2 申请大模型 API Key

前往 智谱平台 注册账号,点击 API Key 添加一个新的 API key 并保存。

3. 安装并初始化

安装过程可参考 官方文档,主要步骤如下:

curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon

查看网关状态

openclaw gateway status

初始化时配置 OpenApi 选择 Z.AI,粘贴申请的 Key。接入渠道选择飞书。

安装完成后可在飞书中测试。

总结

安装流程较为简单,主要耗时在于飞书接入配置及确保网络环境通畅。

目录

  1. 1. 前言
  2. 1.1 什么是 OpenClaw
  3. 1.2 环境介绍
  4. 2. 前期准备
  5. 2.1 飞书准备
  6. 2.2 申请大模型 API Key
  7. 3. 安装并初始化
  8. 总结

更多推荐文章

查看全部
  • 手眼标定:原理、方法及 C++ 代码实战
  • JavaAI 插件深度体验:自然语言驱动的项目快速构建
  • 2024 年诺贝尔化学奖:AI 预测与人工设计蛋白质
  • 2025 无人机四大顶会精选 16 篇前沿论文:IROS ICRA RSS CoRL
  • ERNIE-4.5 模型系列全解析:从架构创新到多场景性能测评
  • 深度解析 LayerNorm 与 RMSNorm:大模型为何转向 RMSNorm
  • GTC2026 前瞻:Rubin 平台与 AI 工厂体系
  • 云端多模型并行部署与写作能力对比测试方案
  • OpenClaw 安装与飞书机器人接入实战
  • 用 WebDAV 和 RaiDrive 把绿联 NAS 挂载成本地磁盘
  • 基于 KaiwuDB 与 CodeArts 智能体的智能家居本地化数据处理系统构建
  • Git 与 IDEA 集成使用指南
  • Python Pandas 核心数据结构与操作实战
  • 人工智能:多模态大模型原理与跨模态应用实战
  • 前端开发实战:一天通常能完成多少个页面?
  • AI 产品经理入门指南:核心技能与机器学习基础
  • 基于 MCP Server - Figma AI Bridge 实现 Figma 设计稿前端代码自动化
  • 大模型微调与 RAG 的区别是什么?
  • llamafile 使用指南:从下载到运行仅需 3 步
  • 基于深度学习的无人机航拍小目标检测算法研究

相关免费在线工具

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

  • 随机西班牙地址生成器

    随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online

  • Base64 文件转换器

    将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online

  • Markdown转HTML

    将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online