从零开始:OpenClaw安装+飞书机器人全流程配置指南(附踩坑实录)

从零开始:OpenClaw 安装 + 飞书机器人全流程配置指南(附踩坑实录)

本文面向完全零基础的小白,手把手带你从一台干净的 Linux 机器开始,安装 OpenClaw、配置 AI 模型、对接飞书机器人,最终实现在飞书里和 AI 直接对话。全程附带我自己踩过的坑和解决方案。

目录


一、OpenClaw 是什么?

OpenClaw 是一个开源的 AI Agent 框架,简单理解就是:它让你拥有一个私人 AI 助手,可以接入飞书、Telegram、WhatsApp、Discord 等各种聊天平台

它的核心架构很简单:

你的消息 → 飞书/Telegram/... → OpenClaw Gateway → AI 模型 → 回复 

为什么选 OpenClaw?

  • 🔒 数据自托管,隐私可控
  • 🔌 支持多种聊天平台(飞书、Telegram、WhatsApp、Discord……)
  • 🧠 支持多种 AI 模型(Claude、GPT、Gemini……)
  • 🛠 可扩展的 Skill 系统,像安装 App 一样给 AI 加技能
  • 💻 完全开源免费

二、环境准备

2.1 系统要求

项目要求
操作系统Linux / macOS / Windows (WSL2)
Node.jsv22 或更高
网络能访问飞书开放平台 + AI API

2.2 安装 Node.js(如果还没装)

# 检查是否已安装node--version# 如果没有或版本太低,用 nvm 安装curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.0/install.sh |bashsource ~/.bashrc nvm install22 nvm use 22
💡 小白提示:输入 node --version 后如果显示 v22.x.x,说明安装成功。

三、安装 OpenClaw

3.1 一键安装

macOS / Linux:

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

Windows (PowerShell):

iwr-useb https://openclaw.ai/install.ps1 |iex

安装完成后验证:

openclaw --version

看到版本号(如 2026.3.2)就说明安装成功了。

3.2 手动安装(备选)

如果一键脚本有问题,也可以用 npm 安装:

npminstall-g openclaw 
⚠️ 踩坑预警:如果遇到 EACCES: permission denied 错误,不要用 sudo npm install -g!正确做法是:

四、初始配置(onboard 向导)

安装完后,运行引导向导:

openclaw onboard --install-daemon 

向导会引导你配置:

  1. AI 模型密钥 — 输入你的 Anthropic / OpenAI / Google API Key
  2. Gateway 设置 — 默认端口 18789,一般不用改
  3. 聊天渠道 — 这里先跳过,我们后面单独配飞书
💡 --install-daemon 参数会把 Gateway 安装为系统服务,开机自动启动。

配置完后检查 Gateway 状态:

openclaw gateway status 

如果显示 running,基础安装就完成了 ✅

此时你已经可以通过 Web UI 聊天了:

openclaw dashboard 

浏览器会自动打开 http://127.0.0.1:18789,这就是 OpenClaw 的控制面板。


五、飞书机器人配置全流程

这是本文的重头戏。飞书机器人配置分 三大步:飞书侧建应用 → OpenClaw 侧配置 → 联调测试。

5.1 安装飞书插件

OpenClaw 的飞书支持是通过插件提供的,先安装:

openclaw plugins install @openclaw/feishu 

安装完后重启 Gateway:

openclaw gateway restart 

5.2 飞书开放平台:创建应用

Step 1:登录飞书开放平台

打开 https://open.feishu.cn/app,用你的飞书账号登录。

⚠️ 如果你用的是 Lark(国际版),地址是 https://open.larksuite.com/app
Step 2:创建企业自建应用
  1. 点击 「创建企业自建应用」
  2. 填写应用名称(比如 “我的AI助手”)
  3. 填写应用描述
  4. 选一个图标
Step 3:获取凭证(重要!)

进入应用后,在 「凭证与基础信息」 页面,复制两个东西:

  • App ID(格式:cli_xxxxxxxxx
  • App Secret
🔐 App Secret 务必妥善保管,不要泄露给任何人,不要提交到 Git。
Step 4:配置权限

进入 「权限管理」,点击 「批量开通」,粘贴以下 JSON:

{"scopes":{"tenant":["im:message","im:message.group_at_msg:readonly","im:message.p2p_msg:readonly","im:message:readonly","im:message:send_as_bot","im:resource","im:chat.access_event.bot_p2p_chat:read","im:chat.members:bot_access","contact:user.employee_id:readonly"],"user":["im:chat.access_event.bot_p2p_chat:read"]}}
💡 上面是最基本的权限集。如果后续需要操作飞书文档、多维表格等,可以追加更多权限(如 docx:documentbitable:app 等)。
Step 5:开启机器人能力

进入 「应用能力」→「机器人」

  1. 开启机器人能力
  2. 设置机器人名称
Step 6:配置事件订阅(⚠️ 这步容易翻车!)

进入 「事件与回调」

  1. 选择「使用长连接接收事件」(WebSocket 方式)
  2. 添加事件:搜索并勾选 im.message.receive_v1(接收消息 v1)
🚨 大坑警告一定要选「长连接」而不是「Webhook」!长连接不需要公网 IP,不需要域名,不需要配置 HTTPS,对个人开发者友好得多。配置事件订阅之前,OpenClaw Gateway 必须在运行! 否则飞书检测不到长连接端,可能导致保存失败。先跑 openclaw gateway status 确认 Gateway 在线,再来配这一步。
Step 7:发布应用
  1. 进入 「版本管理与发布」
  2. 创建一个版本
  3. 提交审核并发布
  4. 等待管理员审批(企业自建应用一般秒批)
⚠️ 不发布 = 不生效! 很多人配完权限和机器人就以为搞定了,结果发消息没反应——因为应用还没发布。

5.3 OpenClaw 侧配置

方式一:交互式向导(推荐)
openclaw channels add

选择 Feishu,然后按提示输入 App ID 和 App Secret。

方式二:手动编辑配置文件

编辑 ~/.openclaw/openclaw.json,添加飞书配置:

{"channels":{"feishu":{"enabled":true,"dmPolicy":"pairing","accounts":{"main":{"appId":"cli_xxxxxxxxx","appSecret":"你的AppSecret"}}}}}

配置完后重启 Gateway:

openclaw gateway restart 

5.4 首次联调

  1. 在飞书里找到你的机器人,发一条消息(比如 “你好”)
  2. 机器人会回复一个 配对码(Pairing Code)
  3. 在终端执行配对确认:
openclaw pairing approve feishu <配对码>
  1. 配对成功后,再次发消息,AI 就会正常回复了 🎉

六、踩坑实录 & 避坑指南

以下是我们实际配置过程中踩过的坑,排列按「痛苦指数」从高到低 😂

🕳️ 坑 1:事件订阅保存失败

现象:在飞书开放平台配置长连接事件订阅时,点保存没反应或报错。

原因:OpenClaw Gateway 没有在运行,飞书检测不到 WebSocket 连接。

解决

# 先确保 Gateway 在跑 openclaw gateway start openclaw gateway status # 确认是 running# 然后再去飞书平台配置事件订阅

🕳️ 坑 2:机器人不回复消息

现象:飞书里发消息,机器人完全没反应。

排查清单(按顺序检查):

  1. ✅ 应用有没有 发布?(最常见原因!)
  2. ✅ 事件订阅里有没有添加 im.message.receive_v1
  3. ✅ 是否选择了 「长连接」 方式?
  4. ✅ 权限是否已经全部开通?
  5. ✅ Gateway 是否在运行?
# 实时查看日志,发消息后观察输出 openclaw logs --follow

🕳️ 坑 3:群聊里机器人不回复

现象:私聊正常,群聊里 @机器人 没反应。

原因:默认配置下,群聊需要 @mention 机器人才会响应。而且机器人必须被 添加到群里

解决

  1. 确认机器人已加入群聊
  2. 发消息时 @机器人
  3. 如果想不 @也能回复,修改配置:
{"channels":{"feishu":{"groups":{"oc_你的群ID":{"requireMention":false}}}}}
💡 群 ID 怎么获取?启动 Gateway 后在群里 @机器人,然后 openclaw logs --follow 里找 chat_id

🕳️ 坑 4:权限不足导致各种奇怪问题

现象:消息发送失败、无法读取文件、操作飞书文档报错。

原因:飞书权限是细粒度的,缺什么权限就报什么错。

解决:回到飞书开放平台 → 权限管理,按需补充权限。常用的:

场景需要的权限
收发消息im:message, im:message:send_as_bot
读取群消息im:message.group_at_msg:readonly
操作文档docx:document, docx:document:readonly
操作多维表格bitable:app
云盘操作drive:drive, drive:file
⚠️ 添加新权限后,需要 重新发布应用版本 才能生效!

🕳️ 坑 5:配对码(Pairing)一直等不到

现象:发消息后机器人没有回复配对码。

原因:Gateway 没有成功连接飞书 WebSocket。

解决

# 查看详细日志 openclaw logs --follow# 看看有没有 feishu 连接成功的日志# 如果有 error,根据错误信息排查(通常是 App ID/Secret 填错了)

🕳️ 坑 6:Node.js 版本太低

现象:安装 OpenClaw 报错,或启动后各种奇怪问题。

原因:OpenClaw 要求 Node.js 22+,很多系统默认装的是 18 或 20。

解决

node--version# 检查版本 nvm install22# 升级到 22 nvm use 22 openclaw gateway restart # 重启

七、验证一切正常

跑完整个流程后,用这个清单逐项确认:

# 1. OpenClaw 安装正常 openclaw --version# 2. Gateway 在运行 openclaw gateway status # 3. 飞书插件已安装 openclaw plugins list # 应该能看到 @openclaw/feishu# 4. 飞书连接正常 openclaw status # 应该显示 feishu: connected# 5. 在飞书里发一条消息测试# → 收到 AI 回复 = 全部搞定 ✅

八、进阶:常用命令速查

命令用途
openclaw gateway status查看 Gateway 状态
openclaw gateway restart重启 Gateway
openclaw logs --follow实时查看日志
openclaw channels add添加聊天渠道
openclaw pairing list feishu查看飞书配对请求
openclaw pairing approve feishu <CODE>确认配对
openclaw dashboard打开 Web 控制面板
openclaw skills list查看已安装技能
openclaw doctor健康检查 + 快速修复

在飞书里可以发的命令

命令用途
/status查看机器人状态
/reset重置对话
/model查看/切换 AI 模型

写在最后

OpenClaw + 飞书机器人的配置确实有不少坑,但只要按照本文的流程走,应该能少走很多弯路。核心要记住的就是:

  1. 先装插件,后配飞书
  2. 先跑 Gateway,后配事件订阅
  3. 配完权限,别忘了发布应用
  4. 有问题先看日志:openclaw logs --follow

如果本文对你有帮助,欢迎点赞收藏 👍

有问题可以在评论区交流,也欢迎加入 OpenClaw Discord 社区 一起讨论。


本文基于 OpenClaw 2026.3.2 版本,飞书开放平台截至 2026 年 3 月。如有版本差异请以官方文档为准:https://docs.openclaw.ai

Read more

AI可解释性:LIME解释

AI可解释性:LIME解释

AI可解释性:LIME解释 📝 本章学习目标:本章聚焦性能优化,帮助读者提升模型效率。通过本章学习,你将全面掌握"AI可解释性:LIME解释"这一核心主题。 一、引言:为什么这个话题如此重要 在人工智能快速发展的今天,AI可解释性:LIME解释已经成为每个AI从业者必须掌握的核心技能。Python作为AI开发的主流语言,其丰富的生态系统和简洁的语法使其成为机器学习和深度学习的首选工具。 1.1 背景与意义 💡 核心认知:Python在AI领域的统治地位并非偶然。其简洁的语法、丰富的库生态、活跃的社区支持,使其成为AI开发的不二之选。掌握Python AI技术栈,是进入AI行业的必经之路。 从NumPy的高效数组运算,到TensorFlow和PyTorch的深度学习框架,Python已经构建了完整的AI开发生态。据统计,超过90%的AI项目使用Python作为主要开发语言,AI岗位的招聘要求中Python几乎是标配。 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 → 原理推导 → 代码实现 → 实战案例 → 最佳

别再把 AI 当聊天机器人了!手把手教你搭建“人机共生”的赛博办公室

别再把 AI 当聊天机器人了!手把手教你搭建“人机共生”的赛博办公室

目录 先说结论:10 分钟搭起“人机共管”的赛博办公室 一、整体部署与使用流程(先看全貌) 二、项目背景:DeskClaw 在解决什么问题? 三、环境准备:Docker Desktop 是唯一核心 步骤 1:安装 Docker Desktop 步骤 2:准备代码目录与项目文件 四、一键启动:Docker Compose 部署 步骤 1:启动服务 步骤 2:获取初始账号密码 步骤 3:浏览器访问平台 五、安装完成后的基本操作 六、实战示例:让 AI 同事每天帮你整理行业情报 场景设定 步骤 1:

AI 原生架构:鸿蒙App的下一代形态

AI 原生架构:鸿蒙App的下一代形态

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名) 大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。 我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案, 在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。 技术方向:前端 / 跨端 / 小程序 / 移动端工程化 内容平台:掘金、知乎、ZEEKLOG、简书 创作特点:实战导向、源码拆解、少空谈多落地 文章状态:长期稳定更新,大量原创输出 我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、

当AI成为开发伙伴,我们的代码架构该向何处去?

当AI成为开发伙伴,我们的代码架构该向何处去?

当AI成为开发伙伴,我们的代码架构该向何处去? 过去三年,我一直在维护一套内部的后台管理系统。从最初几个人快速搭建的MVP,到现在支撑着公司六个业务线的核心运营,这个系统经历了一次彻底的重构。 重构的原因很简单:代码变得“不可爱”了。 不是不能跑,而是每次加新功能都像在雷区里跳舞。改一行代码,影响三个不相关页面;想引入一个新思路,发现老架构处处掣肘;团队成员越来越多,但代码的可理解性却在直线下降。 这让我开始思考一个更本质的问题: 当我们的代码不再只被人阅读,AI也将成为日常协作者时,架构应该为什么而设计? 这不是一个遥远的技术幻想。Cursor、Copilot、Windsurf已经深度嵌入到我的日常开发中。它们读代码的速度比我快百倍,但它们“理解”代码的方式和人截然不同。 这篇文章,我想聊聊在这个AI与人类混合编程的时代,我对代码架构的一些重新思考。 先回顾一下:我们曾经追求过什么 在谈未来之前,有必要理清我们走过的路。这里以我熟悉的React/Vue生态下的中后台项目为例。 第一阶段:能跑就行 最朴素的诉求是: * 别让我从零配置webpack/vite