保姆级最新OpenClaw(原 Clawdbot/Moltbot)安装指南,建立隧道,外网浏览器也能访问,并接入飞书,让AI在聊天软件里帮你干活

OpenClaw 是什么

OpenClaw (原 Clawdbot/Moltbot) 是一款开源的 AI 个人助手,支持本地部署,兼容 MacOS、Windows 及 Linux 等多种系统,支持接入常用聊天工具,让用户能够通过自然语言来控制各种设备和服务。
它是一个功能强大的自动化工具,支持 Qwen、Claude、GPT等主流大语言模型,能够帮助用户处理邮件、日程安排、市场调研等多种自动化任务。

使用场景举例:

• 24小时在线的 AI 助手服务
• 自动化处理日常任务(邮件、日程、提醒等)
• 连接各种 API 和服务,实现自定义自动化流程
• 作为个人知识库,随时回答你的问题

安装 OpenClaw 与配置百炼 API

2026.01.29 又更名为 OpenClaw。
Clawdbot 于 2026.01.27 正式更名 Moltbot。
在此时间后安装的用户,如使用出现报错如 zsh: command not found,可能需要将本教程中原 clawdbot/moltbot 的指令部分替换成 openclaw 使用。

安装与配置 OpenClaw

安装前置条件

确认 Node.js 版本,OpenClaw 要求 Node >=22。如果不是 22+,需要先升级 Node (你用 nvm / fnm / brew 都行)

node -v 

一键安装

MacOS/Linux 用户

根据 openclaw的安装指引,可以选择不同的安装方式。对于 MacOS/Linux 用户,这里比较推荐官方一键安装的脚本:

curl -fsSL https://openclaw.ai/install.sh | bash 
Windows (PowerShell)用户:
iwr -useb https://openclaw.ai/install.ps1 | iex 

或者你也可以通过全局安装的方式:

npm install -g openclaw@latest 

pnpm add -g openclaw@latest 

运行配置向导

向导将设置网关、认证和聊天平台

openclaw onboard --install-daemon 

脚本跑完,你会看到如下的 openclaw的 onboarding 指引,说明你安装成功了👇🏻

image.png

完成 OpenClaw (Moltbot/Clawdbot) 配置

image.png

启动网关

如果在向导中安装了服务,网关应该已经运行

检查网关状态

openclaw gateway status 

手动运行(前台)

openclaw gateway --port 18789--verbose 

官方推荐用http://127.0.0.1:18789/
我们本地不能直接访问,需要建立隧道才能访问
博主使用的是阿里云的服务器,就以阿里云为来讲解:

这里特别注意是是你的本地电脑上执行如下命令,不是在阿里云服务器执行,

1、建立隧道命令:

ssh -L 18789:127.0.0.1:18789-L 18800:127.0.0.1:18800 root@<ECS公网IP地址>

比如 ssh -L 18789:127.0.0.1:18789 -L 18800:127.0.0.1:18800 [email protected]

2、输入ECS服务器密码后,完成SSH登录。

3、再访问即可http://127.0.0.1:18789/?token=<;您的GATEWAY_TOKEN>即可正常通过隧道登录。

配置大模型

开通获取阿里云百炼 API Key
OpenClaw 支持使用 models.providers(或 models.json)来添加自定义模型提供商或与 OpenAI/Anthropic 兼容的代理服务。
阿里云百炼的模型 API 调用支持 OpenAI-compatible 接口,你只需要登录 阿里云百炼大模型服务平台 准备好:
• 阿里云百炼 API key:获取百炼 API Key
• 模型调用地址 base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
• 模型名称 model code:如 qwen-plus, qwen3-max 等
如何获取 API key?
登录 阿里云百炼大模型服务平台,点击密钥管理(北京或新加坡)页面,单击创建 API-KEY,复制即可通过API KEY调用大模型。

image.png
如果你使用的是百炼 Coding Plan,记得替换 API key 和模型调用地址:

• 阿里云百炼 API key:获取百炼 Coding Plan 专属 API Key
• 模型调用地址 base_url: https://coding.dashscope.aliyuncs.com/v1
• 模型名称 model code:如 qwen3-max-2026-01-23 等

如何获取 Coding Plan API Key?

image.png

配置 API Key 到环境变量

建议把 API Key 配置到环境变量,避免在代码里显式地配置API Key,降低泄露风险。

  1. 在终端中执行以下命令,查看默认Shell类型。
    执行以下命令来将环境变量设置追加到 ~/.bash_profile 文件中。
    用您的阿里云百炼API Key代替YOUR_DASHSCOPE_API_KEY
echo "export DASHSCOPE_API_KEY='YOUR_DASHSCOPE_API_KEY'">>~/.bash_profile 

执行以下命令,使变更生效

source ~/.bash_profile 

修改 OpenClaw 配置文件

注:OpenClaw 配置是严格校验的,字段写错/多写,Gateway 可能直接跑不起来;如果出问题报错,可以先跑 moltbot doctor (clawdbot doctor) 看报错。
OpenClaw 模型引用是 provider/model 的格式,我们需要按照 Moltbot 可解析的方式把模型信息放到配置里。你可以选择 Web UI 方式,或手动编辑配置文件,进行配置。

Web UI 方式

openclaw dashboard 

浏览器打开http://127.0.0.1:18789/

image.png

手动编辑

或者手动编辑配置信息到~/.openclaw/openclaw.json (~/.clawdbot/clawdbot.json)里。这里以阿里云百炼于 2026.01.26 刚发布的 qwen3-max-2026-01-23 模型举例,你可以直接复制粘贴这段配置说明👇🏻

{ agents:{ defaults:{ model:{ primary:"bailian/qwen3-max-2026-01-23"}, models:{"bailian/qwen3-max-2026-01-23":{ alias:"通义千问 Max Thinking 版"}}}}, models:{ mode:"merge", providers:{ bailian:{ baseUrl:"https://dashscope.aliyuncs.com/compatible-mode/v1", apiKey:"${DASHSCOPE_API_KEY}", api:"openai-completions", models:[{id:"qwen3-max-2026-01-23", name:"通义千问 Max Thinking 版", reasoning: false,input:["text"], cost:{input:0.0025, output:0.01, cacheRead:0, cacheWrite:0}, contextWindow:262144, maxTokens:32768}]}}}}

配置生效 + 验证模型状态

在终端运行以下指令,保证配置能够生效:

方式一:停止服务后,再启动服务
openclaw gateway stop 
等待 2-3 秒后启动服务
openclaw gateway start 
方式二:直接使用重启命令
openclaw gateway restart 

你还可以通过以下指令看刚刚设置的模型是否被 Clawdbot 识别:

openclaw models list

你还可以通过以下指令进行一次真实连通探测(会发真实请求,可能产生费用~)

openclaw models status --probe

简单对话场景验证模型调用

image.png

或通过以下指令在 CLI 跑一轮 agent 👇🏻

openclaw agent --agent main --message "介绍下阿里云百炼"

飞书后面再写,吃饭了

有喜欢做量化的老铁可以研究: www.stockapi.com.cn

stockApi股票数据服务,实时行情数据和专业的深度市场数据。

image.png


image.png

Read more

将 Zed 集成到 Bright Data Web MCP,让 AI 编辑器具备“超能力”

将 Zed 集成到 Bright Data Web MCP,让 AI 编辑器具备“超能力”

还在苦恼 AI 助手的知识库永远停留在“过去时”吗?无论使用 Claude 还是 GPT,无法访问实时网页始终是开发者查阅最新文档、API 变更时的痛点。 本期视频为你带来硬核实战:将高性能 Rust 编写的 Zed 编辑器与 Bright Data Web MCP 无缝集成,彻底打破 AI 的信息孤岛 。 将 Zed 集成到 Bright Data Web MCP 专属链接:https://www.bright.cn/blog/ai/zed-with-web-mcp/?utm_source=brand&utm_campaign=brnd-mkt_cn_ZEEKLOG_

零基础玩转 Ollama:2026年本地AI大模型部署完整指南

零基础玩转 Ollama:2026年本地AI大模型部署完整指南

这是一篇专为纯新手打造的本地大模型部署教程。不用写代码、不用懂复杂配置、不用买服务器,只要你有一台普通电脑,跟着步骤走,30分钟内就能让强大的AI模型在你电脑上跑起来! 📋 目录 1. 为什么需要本地部署大模型? 2. 什么是 Ollama? 3. 系统要求与前置准备 4. Ollama 安装教程(Windows/Mac/Linux) 5. 常用命令详解 6. 2026年热门模型推荐 7. 实战案例:打造你的私人AI助手 8. 进阶配置:可视化界面与API调用 9. 常见问题与解决方案 10. 总结与资源 一、为什么需要本地部署大模型? 在 AI 越来越普及的今天,ChatGPT、Claude 等云端 AI 工具虽然好用,但总面临以下问题: 问题说明🔒 数据隐私公司代码、文档不敢随便传到云上,怕有泄露风险�

人工智能:自然语言处理在法律领域的应用与实战

人工智能:自然语言处理在法律领域的应用与实战

人工智能:自然语言处理在法律领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在法律领域的应用场景和重要性 💡 掌握法律领域NLP应用的核心技术(如合同分析、法律文本分类、案例检索) 💡 学会使用前沿模型(如BERT、GPT-3)进行法律文本分析 💡 理解法律领域的特殊挑战(如法律术语、多语言处理、数据隐私) 💡 通过实战项目,开发一个合同分析应用 重点内容 * 法律领域NLP应用的主要场景 * 核心技术(合同分析、法律文本分类、案例检索) * 前沿模型(BERT、GPT-3)在法律领域的使用 * 法律领域的特殊挑战 * 实战项目:合同分析应用开发 一、法律领域NLP应用的主要场景 1.1 合同分析 1.1.1 合同分析的基本概念 合同分析是对合同文本进行分析和处理的过程。在法律领域,合同分析的主要应用场景包括: * 合同审查:自动审查合同(如“条款分析”、“风险评估”

Python+Agent入门实战:0基础搭建可复用AI智能体

Python+Agent入门实战:0基础搭建可复用AI智能体

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、先理清:Python+Agent,到底强在哪里? * 1.1 核心区别:Python脚本 vs Python+Agent * 1.2 2026年Python+Agent的3个热门入门场景 * 1.3 新手入门核心技术栈 * 二、环境搭建:10分钟搞定Python+Agent开发环境 * 2.1 第一步:安装Python * 2.2 第二步:创建虚拟环境 * 2.3 第三步:安装核心依赖包 * 2.4 第四步:配置OpenAI