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

            企业级招聘数据采集实战:基于 Bright Data AI Studio 的自动化爬虫方案

            企业级招聘数据采集实战:基于 Bright Data AI Studio 的自动化爬虫方案

            🤵‍♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 目录 一、 引言 二、Bright Data AI Studio 概览 2.1 AI Studio 是什么 2.2 AI Studio 的核心能力拆解 2.3 为什么说 AI Studio 更适合企业级场景 三、实战部分 3.1 实战目标与采集场景说明 3.2 准备工作 3.3 采集数据 3.4 扩展采集任务

            AI 驱动游戏:鸿蒙生态的机会在哪里?

            AI 驱动游戏:鸿蒙生态的机会在哪里?

            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、

            揭秘AI大模型通信机制:深入理解流式传输与数据封装逻辑

            揭秘AI大模型通信机制:深入理解流式传输与数据封装逻辑

            文章目录 * 前言 * 一、 核心数据传输格式详解 * 1. 请求格式 * 2. 响应格式:非流式 * 3. 响应格式:流式 * 二、 流程图分析:从输入到输出 * 1. 流程逻辑描述 * 2. 流程图 (Mermaid 代码表示) * 三、 原理架构图分析 * 1. 架构层级说明 * 2. 架构图 (Mermaid 代码表示) * 四、 关键技术原理深度解析 * 1. 为什么选择 SSE 而不是 WebSocket? * 2. Token 与数据传输的关系 * 3. 数据压缩 * 五、 总结 前言 Ai聊天工具(如ChatGPT、Claude、文心一言等)的数据传输是核心功能的基石。要深入理解其背后的机制,

            人工智能:自然语言处理在社交媒体分析领域的应用与实战

            人工智能:自然语言处理在社交媒体分析领域的应用与实战

            人工智能:自然语言处理在社交媒体分析领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在社交媒体分析领域的应用场景和重要性 💡 掌握社交媒体分析的核心技术(如情感分析、话题检测、用户画像构建) 💡 学会使用前沿模型(如BERT、GPT-3)进行社交媒体文本分析 💡 理解社交媒体分析的特殊挑战(如数据量大、噪声多、实时性要求高) 💡 通过实战项目,开发一个社交媒体话题检测应用 重点内容 * 社交媒体分析的主要应用场景 * 核心技术(情感分析、话题检测、用户画像构建) * 前沿模型(BERT、GPT-3)在社交媒体分析中的使用 * 社交媒体分析的特殊挑战 * 实战项目:社交媒体话题检测应用开发 一、社交媒体分析的主要应用场景 1.1 情感分析 1.1.1 情感分析的基本概念 情感分析是对社交媒体文本中情感倾向进行分析和判断的过程。在社交媒体分析领域,情感分析的主要应用场景包括: * 品牌声誉管理:分析用户对品牌的情感倾向(如“正面评价”、“负面评价”