Moltbot接入飞书机器人

Moltbot接入飞书机器人

Moltbot接入飞书机器人

安装 clawdbot-feishu

clawdbot plugins install @m1heng-clawd/feishu 

重启生效

clawdbot daemon restart 

在飞书开放平台创建自建应用

权限 范围 说明 contact:user.base:readonly 用户信息 获取用户基本信息 im:message 消息 发送和接收消息 im:message.p2p_msg:readonly 私聊 读取发给机器人的私聊消息 im:message.group_at_msg:readonly 群聊 接收群内 @机器人 的消息 im:message:send_as_bot 发送 以机器人身份发送消息 im:resource 媒体 上传和下载图片/文件 
事件 说明 im.message.receive_v1 接收消息(必需) im.message.message_read_v1 消息已读回执 im.chat.member.bot.added_v1 机器人进群 im.chat.member.bot.deleted_v1 机器人被移出群 

添加机器人

通过审核

clawdbot config set channels.feishu.appId "cli_xxxxx" clawdbot config set channels.feishu.appSecret "your_app_secret" clawdbot config set channels.feishu.enabled true
在这里插入图片描述

参考

  1. clawdbot-feishu
  2. 使用「Moltbot + 飞书」

Read more

吃透 AM32 无人机电调:从源码架构到工作原理的全方位解析(附实践指南)(上)

开篇:为什么要深度剖析 AM32 电调? 作为多旋翼无人机的 “动力心脏”,电调(电子调速器)的性能直接决定了无人机的飞行稳定性、响应速度和续航能力。而 AM32 系列电调凭借开源性、高性价比、适配性强三大优势,成为了开源无人机社区的热门选择 —— 从入门级的 2204 电机到专业级的 2306 电机,从 3S 锂电池到 6S 高压电池,AM32 都能稳定驱动。 但很多开发者和爱好者在接触 AM32 源码时,常会陷入 “看得懂代码,看不懂逻辑” 的困境:为什么 FOC 算法要做坐标变换?DShot 协议的脉冲怎么解析?保护机制是如何实时触发的? 这篇博客将从硬件基础→源码架构→模块解析→工作原理→实践操作五个维度,逐行拆解 AM32 电调固件源码,帮你彻底搞懂

【选型】地瓜机器人RDK系列选型指南:X3 vs X5 vs S100 vs S100P(含资源对比图)

【选型】地瓜机器人RDK系列选型指南:X3 vs X5 vs S100 vs S100P(含资源对比图)

在机器人开发领域,地瓜机器人(D-Robotics)凭借其“RDK(Robot Developer Kit)”系列开发套件,已成为众多开发者和创业团队的首选平台。从轻量级边缘计算到高性能具身智能,地瓜机器人已构建了覆盖多场景的完整产品线,致力于为开发者提供高性价比、高集成度、高扩展性的解决方案。其核心芯片“旭日®”系列持续迭代,推动AI与机器人深度融合,助力实现从感知到控制的全链路自主化。 本文将深入对比当前主流的四款RDK开发套件:RDK X3、RDK X5、RDK S100、RDK S100P,并提供详细的资源对比图与应用场景分析,帮助你快速完成技术选型,降低开发门槛,提升项目落地效率。 一、产品定位概览 在深入参数前,先明确每款产品的核心定位,以便根据项目阶段、预算和性能需求做出合理选择。 ● RDK X3:轻量级边缘AI计算模组,适合入门级机器人、智能摄像头、无人机等低功耗、小体积场景。是初学者和教育项目的理想起点,具备基础AI推理能力,可快速搭建视觉识别系统。 ● RDK

面向无人机和智能手机的YOLOv8模型改进实战—棉叶病虫害多尺度目标检测

面向无人机和智能手机的YOLOv8模型改进实战—棉叶病虫害多尺度目标检测

一、引言        YOLO(You Only Look Once)作为一种非常流行的目标检测算法,以其高效和准确性而闻名。YOLOv8作为这一系列算法较新颖的版本,相较于其前身在准确性、速度和模型大小方面都有所改进。博主将分享1篇发表在《Industrial Crops and Products》(中科院1区TOP)的“CPD-YOLO: A cross-platform detection method for cotton pests and diseases using UAV and smartphone imaging”,说明YOLOv8模型在跨平台(无人机+手机)场景下的棉花病虫害多尺度目标检测中的应用。主要改进点如下: (1)特征融合改善:构建Bi-FPN +RepTransformer网络,实现多尺度特征的高效融合与推理加速。 (2)检测头增加:设计4头动态检测网络,赋予模型多维动态感知能力。 (3)损失函数优化:

一键部署 Qwen-Image-Lightning:AI绘画从未如此简单

一键部署 Qwen-Image-Lightning:AI绘画从未如此简单 你是否曾经被复杂的AI绘画工具劝退?需要安装各种依赖、配置环境参数、还要担心显存爆炸?现在,这一切都将成为历史。Qwen-Image-Lightning的出现,让AI绘画变得像使用手机APP一样简单——只需一键部署,输入文字,就能获得惊艳的高清图像。 这个基于Qwen旗舰底座的文生图镜像,集成了最新的Lightning加速技术,将传统的50步推理压缩到仅需4步,同时彻底解决了显存不足的痛点。无论你是设计师、内容创作者,还是只是想体验AI绘画乐趣的普通用户,都能在几分钟内开始创作属于自己的艺术作品。 1. 为什么选择Qwen-Image-Lightning? 在AI绘画工具百花齐放的今天,Qwen-Image-Lightning凭借几个核心优势脱颖而出,真正做到了"简单易用"和"专业效果"的完美结合。 1.1 极速生成,告别漫长等待 传统的文生图模型通常需要20-50步推理过程,生成一张图片往往需要几分钟时间。Qwen-Image-Lightning采用了ByteDance/HyperSD等前沿加速技