OpenClaw 安装 + 接入飞书机器人完整教程

OpenClaw 安装 + 接入飞书机器人完整教程

OpenClaw 曾用名:ClawdBot → MoltBot → OpenClaw(同一软件,勿混淆)
适用系统:Windows 10/11
最后更新:2026年3月

一、什么是 OpenClaw?

OpenClaw 是一款 2026 年爆火的开源个人 AI 助手,GitHub 星标已超过 10 万颗。

与普通 AI 聊天机器人的核心区别:

  • 真正的执行能力:不只回答问题,能实际操作你的电脑
  • 24/7 全天候待命:睡觉时也能主动完成任务
  • 完全开源免费:数据完全掌控在自己手中
  • 支持国内平台:飞书、钉钉等均已支持接入

二、安装前准备:安装 Node.js

建议提前手动安装 Node.js(版本 v22.x 以上),可加快后续安装速度并减少意外。

官方下载地址:https://nodejs.org/zh-cn/download


三、安装 OpenClaw

1. 设置 PowerShell 执行权限

管理员身份运行 PowerShell(Win 键搜索 → 右键 → 以管理员身份运行),依次执行:

Set-ExecutionPolicy RemoteSigned -Scope CurrentUser Set-ExecutionPolicy-Scope Process-ExecutionPolicy Bypass 

2. 执行一键安装命令

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

安装过程会自动完成:检测系统环境、安装依赖、下载核心文件、配置环境变量,并进入配置向导。


四、初始配置向导

1. 风险告知

左方向键 ← 选择 Yes,回车确认继续。

2. 选择 QuickStart 模式

3. 配置 AI 模型 API Key

推荐使用国内智谱 GLM 模型,成本低且门槛低。

4. 选择模型

选择 GLM-4.7(智谱当前旗舰模型)或其他你已有 Key 的模型。

5. 跳过通讯平台配置

飞书配置较复杂,此处选择 Skip,后续单独配置。

6. 跳过 Skills 配置

选择 No,后续通过 UI 界面配置。

7. 开启 Hooks

空格键选中,再按回车确认。

8. 启动服务并打开 UI 界面

服务启动后,约等待 30 秒,选择 Open the Web UI,浏览器自动打开管理界面:

http://127.0.0.1:18789 

五、接入飞书机器人

第一步:创建飞书应用

  1. 打开飞书开放平台:https://open.feishu.cn
  2. 点击右上角进入开发者后台
  3. 点击创建应用,填写应用名称和描述
  4. 进入应用详情,记录下 App IDApp Secret

第二步:添加机器人能力

在应用详情页,找到添加应用能力,选择并添加机器人

第三步:配置权限

权限管理页面,开通以下权限(即时通讯相关权限全部开通):

  • 获取与发送单聊、群组消息
  • 读取用户基本信息
  • 获取通讯录基本信息

第四步:创建版本并发布

  1. 版本管理中创建新版本
  2. 提交发布,状态为在线应用
  3. 前往飞书客户端完成审批

第五步:安装飞书插件

打开 PowerShell,执行:

openclaw plugins install @m1heng-clawd/feishu 

第六步:配置飞书插件

安装完成后,新开一个 PowerShell 窗口,执行:

openclaw config 

按照向导依次完成:

步骤操作
选择渠道选择飞书
选择配置链接选择对应链接
填写凭证输入 App ID 和 App Secret
选择域名选择中国区域
接受群组聊天确认开启
完成配置选择 Yes → Open → 继续

配置完成后重启服务使配置生效:

openclaw gateway stop openclaw gateway start

第七步:飞书后台设置事件回调

  1. 回到飞书开放平台 → 应用详情 → 事件订阅
  2. 选择使用长连接接收事件
  3. 点击添加事件,添加接收消息事件
  4. 重新发布版本(步骤同上)

第八步:开始使用

打开飞书客户端,找到你创建的机器人,直接发消息即可指挥 OpenClaw 干活!


六、常用命令速查

命令功能
openclaw onboard重新进入配置向导
openclaw status查看运行状态
openclaw health健康检查
openclaw gateway start启动服务
openclaw gateway stop停止服务
openclaw update更新到最新版本
openclaw doctor诊断问题
openclaw uninstall卸载 OpenClaw

七、常见问题

Q:安装飞书插件提示 spawn npm ENOENT

这是 OpenClaw 在 Windows 上的已知 bug。找到以下文件:

C:\Users\你的用户名\AppData\Roaming\fnm\node-versions\v22.x.x\installation\node_modules\openclaw\dist\process\exec.js 

找到 runCommandWithTimeout 函数中的 spawn 调用,在其前面添加 Windows npm 兼容处理:

let command = argv[0];let useShell =false;if(process.platform ==="win32"&& path.basename(command)==="npm"){ useShell =true;}const child =spawn(command, argv.slice(1),{ stdio, cwd,env: resolvedEnv,shell: useShell,});

Q:提示"openclaw 命令找不到"

关闭所有 PowerShell 窗口,重新打开后重试。如仍不行,重启电脑。


Q:安装卡住不动

Ctrl+C 中断,执行 openclaw doctor 检查问题,确认防火墙设置是否阻止了网络请求。


Q:端口 18789 被占用

openclaw gateway --port 18790 

换用其他端口启动服务。


八、费用说明

  • OpenClaw 软件本身:完全免费
  • 主要费用来源:AI 模型 API 调用(推荐使用智谱 GLM 等国内模型,成本更低)

Read more

多模态学习(五):基于可变形注意力的无人机可见光-红外图像配准算法解析

1. 引言:当无人机“双眼”看到的世界不一样 大家好,我是老张,一个在AI和无人机视觉领域摸爬滚打了十来年的工程师。今天想和大家聊聊一个听起来有点专业,但实际上非常“接地气”的问题:怎么让无人机上的“两只眼睛”看到同一个东西? 想象一下,你操控的无人机上装了两台相机:一台是我们日常用的可见光相机,能拍出色彩斑斓的画面;另一台是红外热成像相机,能在黑夜或雾霾中“看见”物体散发的热量。这本来是件好事,相当于给无人机开了“天眼”。但现实很骨感,由于这两台相机安装位置、镜头视角不可能完全一致,它们拍下的同一场景,在图像上往往是错位的。这就好比你的左眼和右眼看到的画面对不上,不仅看着头晕,更严重的是,当你用这些错位的图像去做目标检测、跟踪或者融合时,结果会一塌糊涂。 这就是“可见光-红外图像配准”要解决的核心问题。简单说,就是通过算法计算,把红外图像“掰正”,让它和可见光图像在空间上严丝合缝地对齐。过去,学术界很多研究都默认这两幅图是已经对齐好的,直接拿来做后续分析。但实际飞过无人机的朋友都知道,这纯属理想情况。

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

无人机遥感航拍巡检数据集 无人机遥感图像识别 无人机视角山区泥石流和滑坡图像识别数据集-数据集第10067期

滑坡检测数据集核心信息介绍 ** 这个滑坡检测数据集主要用于目标检测任务,整体数据规模和细节都比较明确。从数量上看,数据集总共包含 1660 张图像, 往期热门主题 主题搜两字"关键词"直达 代码数据获取: 获取方式:***文章底部卡片扫码获取*** 覆盖了YOLO相关项目、OpenCV项目、CNN项目等所有类别, 覆盖各类项目场景(包括但不限于以下----欢迎咨询定制): 项目名称项目名称基于YOLO+deepseek 智慧农业作物长势监测系统基于YOLO+deepseek 人脸识别与管理系统基于YOLO+deepseek 无人机巡检电力线路系统基于YOLO+deepseek PCB板缺陷检测基于YOLO+deepseek 智慧铁路轨道异物检测系统基于YOLO+deepseek 102种犬类检测系统基于YOLO+deepseek 人脸面部活体检测基于YOLO+deepseek 无人机农田病虫害巡检系统基于YOLO+deepseek 水稻害虫检测识别基于YOLO+deepseek 安全帽检测系统基于YOLO+deepseek 智慧铁路接触网状态检测系统基于YOLO+

VLM Unlearning 有关论文阅读总结与梳理

VLM Unlearning 有关论文阅读总结与梳理

文章目录 目录 前言 一、什么是 Unlearning 二、AUVIC 三、Neuron Pruning 四、 Neuron Path Editing 五、 MLLM Eraser 前言 本文整理了当前多模态大模型(VLM)中常见的 Unlearning 技术路线,主要包括: * AUVIC * Neuron Pruning * Neuron Path Editing * MLLM Eraser 这些方法的核心目标都是: 让模型“遗忘”指定知识,同时尽量不影响其它知识。 一、什么是 Unlearning 在多模态大模型(Vision-Language Model / VLA)中,我们经常需要: * 删除隐私数据 * 移除不安全知识 * 删除特定人物或敏感概念

龙虾机器人(OpenClaw)本地部署完全技术指南

龙虾机器人(OpenClaw)本地部署完全技术指南

龙虾机器人(OpenClaw)本地部署完全技术指南 前言:什么是“龙虾机器人”? 在开始部署之前,我们需要明确部署的对象。通常所说的“龙虾机器人”指的是开源项目 OpenClaw(曾用名:Clawdbot、Moltbot)。它由程序员彼得·斯坦伯格开发,是一个开源的、可本地部署的通用型AI代理系统。与ChatGPT等对话式AI不同,OpenClaw被赋予了操作系统的权限:它可以执行终端命令、读写文件、操控浏览器、安装软件,甚至通过MCP协议调用外部工具。 由于其强大的系统操控能力,安全性是部署时需关注的首要问题。官方及社区普遍建议:不要在主力机或存有敏感数据的生产环境直接裸奔部署,最好使用虚拟机、Docker容器或专用硬件(如Mac Mini或AI开发盒子)进行隔离。 第一章:环境准备与核心依赖 在安装OpenClaw之前,必须准备好运行环境。OpenClaw的核心由TypeScript编写,因此Node.js是必不可少的运行环境。此外,根据安装方式的不同,可能还需要Git、Docker或Python环境。 1.1 硬件建议与系统选择 * Linux