Jetson + OpenClaw + 飞书机器人：构建一个让边缘设备成为 AI Agent 助手的远程交互系统

优质文章学习记录

10 Apr 2026 — 11 min read

1. 背景

最近我希望在 Jetson 上部署一个本地 Openclaw，并通过飞书机器人进行远程交互，从而让闲置的边缘设备秒变我的高级AI助手。整体目标很简单：

在 Jetson 上运行 OpenClaw
接入自己的模型 API(我使用的是阿里的Coding Plan)
通过飞书群聊 @机器人 或者私聊机器人直接调用本地 Agent

最终希望实现这样的工作流：

Feishu Group ↓ Feishu Bot ↓ OpenClaw Gateway (Jetson) ↓ Agent ↓ LLM API ↓ 返回飞书消息

这篇文章记录一下从源码部署 OpenClaw，到接通飞书机器人的完整过程，以及过程中踩到的几个关键坑。

2. 环境信息

本文使用环境如下：

Jetson 环境

uname -a # 输出 Linux agx229-desktop 5.10.216-tegra #1 SMP PREEMPT Tue Mar 4 01:35:16 PST 2025 aarch64 aarch64 aarch64 GNU/Linux lsb_release -a # 输出 Distributor ID: Ubuntu Description: Ubuntu 20.04.6 LTS Release: 20.04 Codename: focal nvcc --version # 输出 Cuda compilation tools, release 11.4, V11.4.315

说明

当前平台为：

Jetson ARM64
Ubuntu 20.04
CUDA 11.4

这点很重要，因为后续某些依赖在 ARM64 + Ubuntu 20.04 上会遇到额外兼容性问题。

3. 安装 Node.js 与 pnpm

OpenClaw 是一个 Node.js 项目，因此首先需要准备 Node 环境。

建议使用 Node 22。

# 安装 nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.3/install.sh | bash # 重新加载 shell 配置 source ~/.bashrc # 如果使用 zsh source ~/.zshrc # 配置镜像加速下载（可选，建议中国用户使用） nvm node_mirror https://npmmirror.com/mirrors/node/ nvm npm_mirror https://npmmirror.com/mirrors/npm/ # 安装并使用 Node.js 20 nvm install 20 nvm use 20 # 设为默认版本 nvm alias default 20 # 配置 npm 镜像加速 npm config set registry https://registry.npmmirror.com # 验证安装 node --version npm --version

还需要安装 pnpm：

npm install -g pnpm

安装后检查：

pnpm -v

4. 配置 pnpm 环境变量

这一步非常重要。

如果不配置 PNPM_HOME，后面可能出现这些问题：

pnpm link --global 报错
OpenClaw 自动构建 UI 时提示找不到 pnpm
全局命令不可用

建议将下面内容加入 ~/.bashrc：

# pnpm export PNPM_HOME="/home/agx229/.local/share/pnpm" case ":$PATH:" in *":$PNPM_HOME:"*) ;; *) export PATH="$PNPM_HOME:$PATH" ;; esac # pnpm end

保存后执行：

source ~/.bashrc

再验证：

echo $PNPM_HOME which pnpm

5. 克隆 OpenClaw 源码

cd ~ git clone https://github.com/openclaw/openclaw.git cd openclaw

6. 解决 Jetson 上 CMake 版本过低的问题

在 Jetson Ubuntu 20.04 上，系统自带的 CMake 往往版本较低。
而 OpenClaw 的某些依赖在编译时要求更高版本的 CMake。

我在安装过程中遇到的典型报错是：

CMake 3.19 or higher is required. You are running version 3.16.3

因此需要手动升级 CMake。

安装新版 CMake

cd ~ wget https://github.com/Kitware/CMake/releases/download/v3.31.6/cmake-3.31.6-linux-aarch64.sh chmod +x cmake-3.31.6-linux-aarch64.sh sudo ./cmake-3.31.6-linux-aarch64.sh --skip-license --prefix=/usr/local

检查版本：

/usr/local/bin/cmake --version

如果系统仍然找不到新版本，可临时加入 PATH：

export PATH=/usr/local/bin:$PATH hash -r cmake --version

必要时可以加入 ~/.bashrc。

7. 安装依赖并编译 OpenClaw

在项目目录执行：

cd ~/openclaw pnpm install pnpm build

如果安装过程中出现原生模块编译问题，优先检查：

CMake 版本
build-essential 是否安装
pnpm 是否在 PATH 中

8. 配置模型 API

OpenClaw 通过 ~/.openclaw/openclaw.json 进行配置。

如果目录不存在，先创建：

mkdir -p ~/.openclaw nano ~/.openclaw/openclaw.json

我使用阿里的Coding Plan，个人体验觉得挺不错的，速度快，模型也多，非广告！这部分配置教程可以参考阿里官方的教程
大模型服务平台百炼控制台

9. 配置 Gateway Token

这是本文里一个非常关键的坑。

OpenClaw 的架构不是“CLI 直接调用模型”，而是：

CLI / TUI / Logs ↓ Gateway ↓ Agent ↓ Model

所以 CLI 其实是 Gateway 的客户端。
既然是客户端连接服务端，就涉及认证。

为什么要加 token

如果只配置服务端 token，而没有配置客户端 token，就会出现：

unauthorized: gateway token mismatch

因此需要让 gateway 服务端 和 客户端连接配置 使用同一个 token。

通过 ~/.openclaw/openclaw.json 进行知道如下，推荐配置如下：

{ "gateway": { "mode": "local", "auth": { "mode": "token", "token": "Yours Token" }, "remote": { "token": "Yours Token" } } }

解释

gateway.auth.token：Gateway 服务端认证 token
gateway.remote.token：CLI / TUI / logs 等客户端连接 Gateway 时使用的 token

这两个必须一致。

10. 启动 Gateway 服务

先安装 gateway service：

openclaw gateway install

然后启动：

systemctl --user start openclaw-gateway.service

检查状态：

openclaw gateway status

正常情况下会看到类似输出：

Runtime: running RPC probe: ok Listening: 127.0.0.1:18789

如果配置修改过，需要重启：

systemctl --user restart openclaw-gateway.service

12. 验证 TUI 是否可用

如果配置正确，可以直接运行：

openclaw tui

若成功，界面会显示已连接，并能直接与模型对话。

如果出现 token mismatch，基本就是 auth.token 和 remote.token 不一致。

13. 配置飞书机器人

第一步：创建飞书应用

进入飞书开放平台https://open.feishu.cn/?lang=zh-CN，创建一个企业自建应用。

第二步：启用机器人能力

在应用后台启用机器人。

第二步：配置权限

在左侧目录树选择“开发配置 > 权限管理”，单击“批量导入/导出权限”按钮。

加入如下内容：

{ "scopes": { "tenant": [ "contact:contact.base:readonly", "docx:document:readonly", "im:chat:read", "im:chat:update", "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message.pins:read", "im:message.pins:write_only", "im:message.reactions:read", "im:message.reactions:write_only", "im:message:readonly", "im:message:recall", "im:message:send_as_bot", "im:message:send_multi_users", "im:message:send_sys_msg", "im:message:update", "im:resource", "application:application:self_manage", "cardkit:card:write", "cardkit:card:read" ], "user": [ "contact:user.employee_id:readonly", "offline_access","base:app:copy", "base:field:create", "base:field:delete", "base:field:read", "base:field:update", "base:record:create", "base:record:delete", "base:record:retrieve", "base:record:update", "base:table:create", "base:table:delete", "base:table:read", "base:table:update", "base:view:read", "base:view:write_only", "base:app:create", "base:app:update", "base:app:read", "board:whiteboard:node:create", "board:whiteboard:node:read", "calendar:calendar:read", "calendar:calendar.event:create", "calendar:calendar.event:delete", "calendar:calendar.event:read", "calendar:calendar.event:reply", "calendar:calendar.event:update", "calendar:calendar.free_busy:read", "contact:contact.base:readonly", "contact:user.base:readonly", "contact:user:search", "docs:document.comment:create", "docs:document.comment:read", "docs:document.comment:update", "docs:document.media:download", "docs:document:copy", "docx:document:create", "docx:document:readonly", "docx:document:write_only", "drive:drive.metadata:readonly", "drive:file:download", "drive:file:upload", "im:chat.members:read", "im:chat:read", "im:message", "im:message.group_msg:get_as_user", "im:message.p2p_msg:get_as_user", "im:message.send_as_user", "im:message:readonly", "search:docs:read", "search:message", "space:document:delete", "space:document:move", "space:document:retrieve", "task:comment:read", "task:comment:write", "task:task:read", "task:task:write", "task:task:writeonly", "task:tasklist:read", "task:tasklist:write", "wiki:node:copy", "wiki:node:create", "wiki:node:move", "wiki:node:read", "wiki:node:retrieve", "wiki:space:read", "wiki:space:retrieve", "wiki:space:write_only" ] } }

在弹窗中确认权限无误后，单击“申请开通”按钮，完成操作。

第三步：发布应用

到此就可以回来Jetson去连接我们的飞书机器人了

第四步：配置 Feishu Channel

运行：

openclaw channels add

选择：

Feishu / Lark

然后输入：

App ID
App Secret

具体过程可以选项可以参考我的

到此就基本完成了openclaw与飞书机器人的连接了，但是要实现聊天还得再继续配置。

第五步：重启Gateway

openclaw gateway restart

第六步：配置事件与回调

选择：

使用长连接接收事件

然后添加事件：

im.message.receive_v1

这是机器人接收消息所必需的事件。

继续配置回调

添加回调

第七步：发布应用版本

这一步非常关键。（这里参考第三步）

很多时候飞书应用配置改了但机器人无效，就是因为没有发布版本。

进入：

版本管理与发布

创建版本并发布。

第八步：配置私聊飞书机器人

在飞书APP中找到开发者小助手

之后给机器人发送任何信息

将Pairing code复制然后在Jetson终端输入

openclaw pairing approve feishu NHMC7CRG

到此，基本就实现了在飞书中直接召唤我们边缘设备干活了，回到飞书，与我们小助手聊天即可。

14. 常见坑总结

坑 1：Jetson 上 CMake 版本过低

会导致依赖编译失败。

坑 2：没有配置 pnpm PATH

会导致全局命令或 UI 构建异常。

坑 3：误以为需要单独安装 Feishu 插件

源码版已经内置，不需要重复安装。

坑 4：没有配置 `gateway.remote.token`

会导致 CLI 连接 Gateway 时出现 token mismatch。

坑 5：App ID / App Secret 使用了旧应用凭证

这是我这次飞书始终接不通的根因。

坑 6：飞书应用修改后未发布版本

会导致机器人看似配置好了，但实际不生效。

15. 最终效果

完成上述配置后，可以实现：

在 Jetson 上运行 OpenClaw Gateway
接入自己的模型 API
在飞书群中 @机器人
机器人调用本地 Agent 并返回回复

这为后续扩展提供了很好的基础，例如：

远程查询 Jetson 状态
执行自动化任务
调用机器人系统接口
通过飞书统一管理实验设备

16. 总结

这次在 Jetson 上部署 OpenClaw 并接入飞书机器人的过程，整体并不算复杂，但有几个坑非常容易卡住：

ARM 平台的依赖编译问题
pnpm 环境变量问题
Gateway token 机制

只要把这些关键点处理好，OpenClaw + 飞书这套链路其实是很顺的。

如果你也想在 Jetson 上搭一个可远程交互的本地 Agent，这套方案很值得尝试。