免费部署openClaw龙虾机器人(经典)

免费部署openClaw龙虾机器人(经典)

前几天出了个免费玩龙虾的详细教程,很多小伙伴觉得不错,但是还有一些新手留言反馈内容不够详细,这次我将重新梳理一遍,做一期更细致的攻略,同时扩展补充配置好之后的推荐(我认为是必要)操作,争取一篇文章让大家可以收藏起来,随时全套参照复用。

先看效果测试

部署完成基础运行效果测试,你可以直接问clawdbot当前的模型:

1.Token平台准备

首先,还是准备好我们可以免费撸的API平台

这里我找到了两个可以免费使用的API,测试之后执行效率还可以,下面将分别进行细致流程拆解。

1.1 硅基流动获取ApiKey (相对免费方案 推荐)

硅基流动地址:https://cloud.siliconflow.cn/i/6T57VxS2

如果有账号的直接登录,没有的注册一个账号,这个认证就送16元,可以直接玩收费模型,真香。认证完成后在API秘钥地方新建秘钥。

硅基流动里面很多模型原来是免费的,有了16元注册礼,很多收费的模型也相当于免费用了,我体验一下了原来配置免费模型还能用,也是值得推荐的。建议使用截图的第一个模型体验一下,我一直用它。

1.2 推理时代Api  (绝对免费方案 纯免费但没有上面的好用)

推理时代地址:https://aihubmix.com/?aff=DJ5f

注册之后也是创建自己的key备用,如果已经搭建好的龙虾可以直接用这个key,后面会讲如何在可视化搭建龙虾中应用。

推理时代有很多模型是直接免费的,我认为以后会越来越卷,免费的也会越来越多。

准备好key之后,可以回到首页看一下免费的模型有哪些,推理时代的模型还是很友好的,免费的后面都会给你标注一个-free这在我们配置的时候很容易识别。

2.必要软件及下载安装配置

cherry-studio 下载地址:https://www.cherry-ai.com/download

node.js 下载地址:https://nodejs.org/zh-cn/download/

git 官方下载地址:https://git-scm.com/

其中git比较慢,我在评论区把下载好的网盘地址分享给大家。

Cherry的安装没有太多技巧,直接下一步即可,但要根据自己的系统情况进行下载。

Node.js下载的时候千万别选错芯片类型:

然后安装时勾选自动安装依赖:

几个必要的安装包安装完成之后,下面就是一键安装clawbot。

先确认自己的cherry设置导航栏是在左侧的。

图片

点左侧龙虾机器人图标,开始安装:

装完成之后,就可以进行模型配置了。

3.模型配置

打开cherryStudio的设置,然后将刚才准备的key填入对应的平台地址。

图片

注意一定要先添加免费模型:

还是当前操作界面,翻到最下面点管理,然后将免费模型加一些进来。这个是支持gemini和chatGPT的,很香。

图片

添加完测试一下, 选国内的模型厂商一般都是通的:

这样就可以开始体验clawdbot了。

回到clawdbot小图标,然后选择对应的模型启动。

图片

启动之后,我们就可以给自己的龙虾派任务了,你也拥有了直接免费的龙虾,当然,免费不是目的,如果你的投入产出理想的话也可以使用更强大的模型。

对于小白现在就可以用了,下面是进阶应用,需要懂点命令行的。

================================================

4. 推荐操作(建议全文保存)

4.1 安装clawhub并更换clawhub源到阿里云国内镜像

安装clawhub命令:

    npm i -g clawhub

    配置国内镜像源命名:

      openclaw config set --global registry https://openclaw.registry.aliyuncs.com

      4.2 安装必要skill

      安装skill的命令

        clawhub install <技能名称>

        推荐安装的基础技能

        序号

        技能名称

        必装理由

        1

        tavily-search

        联网实时搜索,支持精准问答/热点查询,解决AI信息滞后问题

        2

        self-improving-agent

        让Agent记录错误并自我优化,交互越久越智能

        3

        find-skills

        AI自动检索ClawHub并推荐适配技能,解决「装什么」痛点

        4

        clawhub-update

        一键更新所有已装技能,同步官方最新版本

        5

        session-manager

        管理OpenClaw会话,支持一键保存/恢复对话内容

        5.连接飞书或钉钉远程调度机器人

        很多人推荐安装飞书,可能出于办公自动化需要,但是我实际测试发现飞书限流,很多语句会丢包,所以最终选择了钉钉,基本上面配置很简单。

        先安装钉钉依赖插件:

          openclaw plugins install https://github.com/soimy/clawdbot-channel-dingtalk.git

          (如果访问不了,直接问一下找一找内地镜像下载下来,告诉你openclaw自己装,然后把必要的key直接发给机器人,机器人可以自己装)

          然后:

          登录钉钉开放平台(https://open.dingtalk.com),切换到你的企业。

          创建企业内部应用

          获取应用凭证

          添加并配置机器人

          发布应用与机器人

          (可选)开启 AI 卡片流式输出

          效果:

          这样,你就可以远程指挥自己的机器人了,随时随地给他发命令让他干活儿。

          6.记忆增强(节省Token消耗)

          节省token的最佳方式是增强机器人的记忆,所以我这里使用的是memOS,key是免费的,我还是觉得有key的更好一点。

          安装命令(也可以把你的密钥丢给机器人让他自己装)

            openclaw plugins install github:MemTensor/MemOS-Cloud-OpenClaw-Plugin

            这样你的Token消耗就可以大幅节省,据说可以达到75%以上的账单压缩。

            后续相关新的小技巧就在本页评论区更新了,大的玩法攻略会单独更新到AI Agent专题中。

            Read more

            Midjourney MCP 集成指南

            在当今的人工智能发展中,MCP(模型上下文协议)由 Anthropic 推出,为 AI 模型(如 Claude、GPT 等)提供了通过标准化接口调用外部工具的能力。借助 AceData Cloud 提供的 Midjourney MCP 服务器,您可以在 Claude Desktop、VS Code、Cursor 等 AI 客户端中直接生成和编辑 AI 图像。 功能概述 Midjourney MCP 服务器提供以下核心功能: * 图像生成(Imagine) — 从文本提示生成高质量图像 * 图像编辑 — 对生成的图像进行本地修改 * 图像转换 — 放大、缩小和移动现有图像 * 图像融合(Blend) — 将多张图像合并为一张新图像 * 参考图像生成 — 使用参考图像指导生成 * 图像描述(

            Stable-Diffusion-3.5资源消耗分析:FP8版GPU使用实测报告

            Stable-Diffusion-3.5资源消耗分析:FP8版GPU使用实测报告 1. 引言:为什么关注FP8版SD 3.5? 如果你正在使用或者考虑使用Stable Diffusion 3.5来生成图片,那么有一个问题你肯定绕不开:它到底有多“吃”显卡? 最近,Stable Diffusion 3.5的FP8版本镜像在ZEEKLOG星图镜像广场上线了。这个版本最大的卖点,就是通过一种叫做“量化”的技术,在保证图片质量基本不变的前提下,大幅降低了模型对GPU显存的需求,并且提升了生成速度。 听起来很美好,对吧?但实际效果到底怎么样?用起来到底能省多少显存?速度能快多少?生成的图片质量会不会打折扣? 为了回答这些问题,我进行了一次详细的实测。这篇文章,就是一份关于Stable-Diffusion-3.5-FP8镜像的GPU资源消耗实测报告。我会用最直白的数据和对比,告诉你这个优化版本的真实表现,帮你判断它是否值得一试。 2. 测试环境与方法 在展示结果之前,我先交代一下测试的“考场”和“考题”,确保结果的参考价值。

            Stable Diffusion + kohya_ss 的安装教程

            Stable Diffusion + kohya_ss 的安装教程

            工具简介 * Stable Diffusion (SD): 开源的文本到图像生成模型,支持通过提示词生成高质量图像,内置自动标注功能(如BLIP、DeepBooru等)。 * kohya_ss (KS): 基于SD的轻量级微调工具,支持LoRA、DreamBooth等训练方法,优化显存占用与训练效率。 一.SD的安装 对于SD大家可以通过github链接来下载 https://git-scm.com/ Automatic 1111:https://github.com/AUTOMATIC1111 这里提供的链接,下载的SD是最基础的,如果大家想要让他有其他的扩展功能就需要下载相关的插件(后面会写一个关于下载插件的教程请大家持续关注)。 1.准备 Conda 环境 1.1 创建并激活 Conda 环境 # 创建名为 sd-webui 的环境(Python 3.10 推荐,需匹配仓库要求) conda

            宏智树 AI:重构学术创作流程 ——ChatGPT 学术版驱动的 AI 5.0 智能写作平台

            宏智树 AI:重构学术创作流程 ——ChatGPT 学术版驱动的 AI 5.0 智能写作平台

            在这个信息爆炸与学术竞争白热化的时代,论文写作不再仅仅是思想的表达,更演变成了一场对效率、规范与数据处理能力的综合考验。 面对海量文献的筛选、枯燥的数据清洗、以及反复的格式调整,传统的写作方式显得愈发沉重。宏智树 AI(官网:www.hzsxueshu.com)应运而生,它不是一个简单的文字生成器,而是一款由ChatGPT 学术版模型深度驱动、基于AI 5.0 技术架构构建的专业学术智能解决方案平台。 我们致力于打破工具间的壁垒,为科研工作者和高校师生提供从大纲构思到定稿答辩的一站式学术写作服务。 一、 核心引擎:源于顶尖,专于学术 宏智树 AI 的强大,源于其底层核心的技术基因。我们深知学术写作对准确性、逻辑性和专业性的极致要求,因此选择了目前最强大的语言模型之一进行深度定制。 * ChatGPT 学术版驱动:不同于通用的聊天机器人,宏智树 AI 搭载的是经过海量学术语料微调的 ChatGPT 学术版。它不仅拥有惊人的语言理解能力,更具备深厚的学术逻辑推理能力。无论是晦涩的理科公式推导,还是严谨的社科理论综述,它都能以符合学术规范的语言进行表达,杜绝口语化和废话文学。