在 OpenClaw 中安装 baidu-web-search skill(百度网页搜索技能)

在 OpenClaw 中安装 baidu-web-search skill(百度网页搜索技能),最推荐用 ClawHub CLI 一键安装,再配置百度千帆 API Key 即可使用。

一、前置准备

  1. 安装 Node.js(v20+)与 npm/pnpm

验证安装

clawhub --version

全局安装 ClawHub CLI(OpenClaw 官方技能管理器)

npminstall-g clawhub # 或国内加速pnpmadd-g clawhub 

二、一键安装百度搜索技能

# 安装 baidu-search(百度网页搜索) clawhub install baidu-search --no-input 
  • 安装路径:~/.openclaw/workspace/skills/baidu-search/
  • 目录结构:skill.md(技能说明)、_meta.jsonscripts/search.py

三、配置百度千帆 API Key(必须)

  1. 申请百度千帆 API Key(免费额度)
    • 地址:https://console.bce.baidu.com/qianfan/ais/console/apikey
  2. 配置到 OpenClaw
    • 或在 OpenClaw 界面的技能设置中填入 API Key

编辑 ~/.openclaw/openclaw.json,在 skills 下添加:

"skills":{"entries":{"baidu-search":{"enabled":true,"apiKey":"你的百度千帆 API Key","secretKey":"你的百度千帆 Secret Key"}}}

四、验证安装与使用

    • 或直接在 OpenClaw 对话中发送:搜索 2026年AI发展趋势

测试搜索

# 命令行调用 python3 ~/.openclaw/workspace/skills/baidu-search/scripts/search.py '{"query":"2026年AI发展趋势"}'

重启 OpenClaw

openclaw restart 

五、手动安装(命令行失败时)

  1. 下载技能包
    • 从 ClawHub 下载 baidu-search zip 包:https://clawhub.ai/skills/baidu-search
  2. 配置 API Key 并重启 OpenClaw

安装依赖(如有)

cd ~/.openclaw/skills/baidu-search pip install-r requirements.txt 

解压到技能目录

# macOS/Linuxmkdir-p ~/.openclaw/skills unzip baidu-search.zip -d ~/.openclaw/skills/ # Windows# 解压到 C:\Users\你的用户名\.openclaw\skills\

六、常见问题

  • 技能未加载:检查 skill.md_meta.json 是否完整,重启 OpenClaw
  • 搜索失败:核对 API Key 与 Secret Key,确认百度千帆服务可用
  • 国内网络问题:使用 npx clawhub install baidu-search 或手动下载

Read more

组建龙虾团队——OpenClaw多机器人构建

组建龙虾团队——OpenClaw多机器人构建

成功搭建了OpenClaw,也成功建立的自己的每日服务,这时候发现,似乎不太敢在当前的机器人中让他做别的事情,生怕会话太多会让他出现遗忘。(尽管我们配置了QMD记忆增强,但毋庸置疑任何技术都是有上限的)。 换做同样的情况,比如在DeepSeek或者豆包之类的对话窗口,我们会习惯性地新建一个对话。那么我们是否可以新建一个机器人,或者多个机器人,让他们各司其职,各尽所能,形成一个相互配合的团队呢~开干吧,没什么不可能的!! 🦞新建一个机器人 来到飞书开发者后台,新创建一个应用,在这里我们以短视频剪辑脚本应用为例。 创建之后,由于我们的openclaw绑定的是之前的飞书渠道,并没有链接到这个应用的APP ID,所以暂时不做其他操作,只需要记录一下他的APP ID和APP Secret。 🦞配置OpenClaw 如果还是按照claw的命令行安装,每一步都有些让人担心害怕,毕竟我们先前已经配置过一次了,接下来的操作,需要小心是否会把以前的配置给覆盖掉。 为了避免这样的不确定性,我们直接去操作他的配置文件 在WSL2终端中进入openclaw目录 cd .openclaw

FPGA Debug:PCIE XDMA没有Link up(驱动检测不到xilinx PCIE设备)使用LTSSM定位问题

FPGA Debug:PCIE XDMA没有Link up(驱动检测不到xilinx PCIE设备)使用LTSSM定位问题

问题现象: 与驱动联调:驱动无法扫描到Xilinx的PCIE设备 通过ila抓取pcie_link_up信号:发现link up一直为低 问题分析:         出现这种情况,在FPGA中搭建测试环境,使用XDMA+BRAM的形式,减少其它模块的影响,框架如下: 1 检查PCIE的时钟 时钟,必须使用原理图上的GT Ref 差分时钟,通过IBUFDSGTE转为单端时钟 2 检查PCIE 复位 复位:PCIE复位信号有要求--上电后,PCIE_RESTN信号需在电源稳定后延迟一段时间再释放,通常是100ms以上 而这100ms的时间,系统主要做以下的事情: * 电源稳定时间 * 参考时钟稳定时间 * PCIe IP核的复位和初始化时间 * 链路训练时间 // 典型的100ms时间分配: 0-10ms   : 电源稳定 (Power Stable) 10-20ms  : 参考时钟稳定 (Refclk Stable)   20-30ms  : 复位释放和PLL锁定 (Reset Release

openclaw多Agent和多飞书机器人配置

增加Agent多个飞书机器人 一个Agent尽量只用一个飞书机器人配置 一:先增加新的agent # 创建新的Agent,命名为new-agnet openclaw agents add new-agnet # 查看创建结果 openclaw agents list 二:新的agent与新的飞书链接 配置agnet下的channels: 在命令行输入 # 配置new-agnet机器人(替换为实际App ID和App Secret) openclaw config set agents.new-agnet.channels.feishu.appId "你的new-agnet 飞书 App ID" openclaw config set agents.new-agnet.channels.feishu.appSecret "你的new-agnet 飞书 App Secret"

智能家居AI体开发指南:树莓派+云端GPU混合方案

智能家居AI体开发指南:树莓派+云端GPU混合方案 引言:当智能家居遇上AI 想象一下这样的场景:清晨窗帘自动拉开时,AI管家根据天气数据调整室内光线;下班回家时,门锁通过人脸识别自动开门,空调已提前调节到舒适温度;晚上入睡后,空气监测系统发现二氧化碳浓度升高,自动启动新风系统——这些场景的实现,都离不开AI与智能家居的深度融合。 对于物联网爱好者而言,用树莓派等设备搭建基础智能家居系统并不难,但当你想加入语音交互、图像识别、行为预测等AI功能时,往往会遇到一个现实问题:树莓派的算力根本跑不动现代AI模型。这就是为什么我们需要边缘-云端协同方案——让树莓派处理简单的传感器数据和本地控制,把复杂的AI计算交给云端GPU。 本文将手把手教你如何用树莓派+云端GPU搭建经济高效的智能家居AI系统,无需深厚的技术背景,跟着步骤操作就能实现以下功能: * 通过语音控制家居设备(无需依赖第三方音箱) * 人脸识别门禁系统 * 基于环境数据的智能调节 * 异常行为检测与预警 1. 方案设计:边缘与云端如何分工 1.1 为什么需要混合方案 树莓派虽然便宜便携,但它的CPU和