Win11 本地部署 OpenClaw 并通过 WSL 集成飞书机器人

完成配置后，保存并记录 App ID 和 App Secret，后续将在 WSL 中填入。

WSL 侧 OpenClaw 配置

切换到 WSL 环境，运行 onboard 命令进行初始化。这一步会自动检测插件并引导配置。

(base) gpu3090@DESKTOP-8IU6393:~/openclaw$ openclaw onboard

执行过程中会提示一些警告，比如重复的插件 ID 检测，这通常不影响功能，但建议留意。关键步骤是选择 Feishu/Lark 通道并完成配对。

当看到 Feishu: connected as ou_... 时，说明连接已建立。此时系统会生成一个配对码，需要在终端输入 openclaw pairing approve feishu <code> 来最终激活。

成功后的日志显示 Agent 状态正常，Gateway 端口也已启动（默认 18789）。你可以通过 Web UI 控制智能体：

Web UI: http://127.0.0.1:18789/
Token URL: http://127.0.0.1:18789/#token=...

启动本地 Ollama 模型

为了让 OpenClaw 具备'大脑'，我们需要在 WSL 中启动 Ollama 服务。确保环境变量指向正确的 GPU 和设备路径。

PS C:\Users\Administrator> wsl -u gpu3090
(base) gpu3090@DESKTOP-8IU6393:/mnt/c/Users/Administrator$ cd ~
(base) gpu3090@DESKTOP-8IU6393:~$ OLLAMA_HOST=0.0.0.0:12346 OLLAMA_MODELS=/home/gpu3090/.ollama/models ollama serve

启动日志会显示 CUDA 设备识别情况，例如 NVIDIA GeForce RTX 4090 D。确认模型加载完成后，即可通过 /v1/chat/completions 接口调用。

注意观察 llama runner started 和 Server listening 的提示，这表明推理引擎已就绪。如果看到 loading model 持续较长时间，请耐心等待显存加载完成。

总结

通过以上步骤，我们完成了从飞书应用授权到本地智能体运行的全链路配置。这种本地化部署方案既满足了飞书机器人的业务需求，又保护了数据安全性。实际运行时，如果遇到插件加载警告，可以忽略或检查 plugins.allow 配置；若模型加载失败，请检查显存是否充足及驱动版本是否匹配。