阿里云的moltbot机器人使用钉钉的Stream流式接入

注意

  1. 这个不需要工作流
  2. 这个不需要开放外网

具体方法:

1.check代码https://github.com/DingTalk-Real-AI/dingtalk-moltbot-connector

2.package.json增加如下代码

"moltbot": { "extensions": ["./plugin.ts"], "channels": ["dingtalk-connector"], "installDependencies": true }

3.安装插件

moltbot plugins install dingtalk-moltbot-connector

4.增加钉钉配置~/.moltbot/moltbot.json;如果有了进行提花

{ "channels": { "dingtalk-connector": { "enabled": true, "clientId": "dingxxxxxxxxx", // 钉钉 AppKey "clientSecret": "your_secret_here", // 钉钉 AppSecret "gatewayToken": "", // 可选:Gateway 认证 token, opencode.json配置中 gateway.auth.token 的值 "gatewayPassword": "", // 可选:Gateway 认证 password(与 token 二选一) "sessionTimeout": 1800000 // 可选:会话超时(ms),默认 30 分钟 } }, "gateway": { // gateway通常是已有的节点,配置时注意把http部分追加到已有节点下 "http": { "endpoints": { "chatCompletions": { "enabled": true } } } } }

4.重启gateway

moltbot gateway restart

5.登录钉钉开发平台修改机器人配置

   切换成stream,关闭工作流

Read more

OpenClaw 完全指南:部署你的 7×24 小时开源 AI 助手

OpenClaw 完全指南:部署你的 7×24 小时开源 AI 助手

【个人主页:玄同765】 大语言模型(LLM)开发工程师|中国传媒大学·数字媒体技术(智能交互与游戏设计) 深耕领域:大语言模型开发 / RAG知识库 / AI Agent落地 / 模型微调 技术栈:Python / LangChain/RAG(Dify+Redis+Milvus)| SQL/NumPy | FastAPI+Docker ️ 工程能力:专注模型工程化部署、知识库构建与优化,擅长全流程解决方案        「让AI交互更智能,让技术落地更高效」 欢迎技术探讨/项目合作! 关注我,解锁大模型与智能交互的无限可能! 📌 摘要:OpenClaw(原名 Clawdbot/Moltbot)是 2026 年 1 月爆火的开源 AI 助手项目,由 PSPDFKit 创始人

安全防护:AI识别HTML5页面的XSS攻击与防御

安全防护:AI识别HTML5页面的XSS攻击与防御

安全防护:AI识别HTML5页面的XSS攻击与防御 📝 本章学习目标:本章介绍前沿技术,帮助读者把握HTML5+AI的发展方向。通过本章学习,你将全面掌握"安全防护:AI识别HTML5页面的XSS攻击与防御"这一核心主题。 一、引言:为什么这个话题如此重要 在前端技术快速发展的今天,安全防护:AI识别HTML5页面的XSS攻击与防御已经成为每个前端开发者必须掌握的核心技能。HTML5作为现代Web开发的基石,与AI技术的深度融合正在重新定义前端开发的边界和可能性。 1.1 背景与意义 💡 核心认知:HTML5与AI的结合,让前端开发从"静态展示"进化为"智能交互"。这种变革不仅提升了用户体验,更开辟了前端开发的新范式。 从2020年TensorFlow.js的成熟,到如今AI辅助开发工具的普及,前端开发正在经历一场智能化革命。据统计,超过70%的前端项目已经开始尝试集成AI能力,AI辅助前端开发工具的市场规模已突破十亿美元。 1.2 本章结构概览 为了帮助读者系统性地掌握本章内容,我将从以下几个维度展开: 📊 概念解析

Scrapling+OpenClaw:2026年最强本地AI数据管道,爬虫直接对接智能体

Scrapling+OpenClaw:2026年最强本地AI数据管道,爬虫直接对接智能体

今年开年给一个做户外用品的老客户搭AI选品智能体,踩了我做爬虫+AI这几年最憋屈的一个坑。 客户的需求很明确:做一套完全本地化的竞品监控选品系统,每天自动爬3个垂直平台的新品数据,洗干净、结构化之后直接喂给选品智能体,能自动做价格带分析、卖点拆解、库存预警,所有数据绝对不能出本地服务器——毕竟竞品监控的核心数据,一旦泄露就是商业事故。 最开始我搭的传统方案,四个模块拆得明明白白: 1. 用Playwright+BeautifulSoup手搓爬虫,写了快600行规则适配3个平台的页面; 2. 用Python写了一套数据清洗脚本,去重、格式标准化、过滤广告; 3. 用Milvus搭本地向量库,把清洗后的数据转成向量入库; 4. 用LangChain搭选品智能体,对接向量库做分析和问答。 结果上线不到两周,问题全炸了:先是其中一个平台前端大改版,类名全换成了随机哈希,爬虫直接废了,熬了两个通宵重写规则;然后是清洗脚本和向量入库的格式对不上,智能体检索出来的数据全是错的;最头疼的是,客户要加一个新的数据源,我要从头到尾改一遍爬虫、清洗、入库的代码,前前后后花了快一周。 也是那

2026最新保姆级教程:手把手教你零基础安装与配置本地 AI 智能体 OpenClaw

2026最新保姆级教程:手把手教你零基础安装与配置本地 AI 智能体 OpenClaw

文章目录 * 前言 * 一、下载并安装 OpenClaw * 二、启动配置向导与绑定 AI 大脑 * 1. 启动向导 * 2. 确认账户类型 * 3. 选择快速入门模式 * 4. 选择大模型 (AI 大脑) * 5. 选择 API 接口区域 * 6. 填入你的专属 API Key * 三、连接通讯渠道 (Telegram) * 1. 选择 Telegram * 2. 绑定机器人的 Token * 第四步:安装扩展插件与重启服务 * 1. 技能插件 (Skills) * 2. 附加功能 (Hooks) * 3. 重启并应用配置 * 第五步:设备安全授权与最终测试 (见证奇迹!) * 1.