OpenClaw（Clawdbot）插件更新，新增支持在面板一键QQ和飞书机器人

优质文章学习记录

— 4 min read
OpenClaw（Clawdbot）插件更新，新增支持在面板一键QQ和飞书机器人

这次，OpenClaw 插件迎来了一次重要更新。
现在，你可以直接在插件中配置 飞书机器人或 QQ 机器人，让 OpenClaw 真正走出 Web 界面，进入你日常使用的消息工具中。
无需额外部署服务，配置完成后即可开始对话。

在这里插入图片描述

重要提示：由于官方更改包名，不支持直接升级，如需更新请卸载旧版插件，安装新版OpenClaw插件，已有数据会丢失，请您评估是否需要更新，新安装不受影响。
配置QQ机器人1. 打开QQ开放平台，注册账号，如已注册可直接登陆

在这里插入图片描述

点击编辑 IP 白名单，填写服务器 IP 并保存

在这里插入图片描述

点击开发管理，获取APPID、AppSecret

在这里插入图片描述

创建完成后点击刚刚创建的机器人

在这里插入图片描述

填写机器人基础信息

在这里插入图片描述

登录后点击机器人，创建机器人

在这里插入图片描述

按提示完成登录

在这里插入图片描述

8.将获取到的信息填写到插件，并保存启用

在这里插入图片描述

添加后即可在群聊中进行对话

在这里插入图片描述

在此处添加完成后回到QQ-群管理-添加机器人，在其他页面找到机器人

在这里插入图片描述

选择需要使用的群聊

在这里插入图片描述

回到QQ机器人平台，点击沙箱配置

在这里插入图片描述

等待安装插件

在这里插入图片描述

点击保存配置

在这里插入图片描述

到这里，Clawdbot 已经成功接入 QQ，
从配置文件里的一个服务，变成了可以在群聊中响应消息的机器人。

  1. 回到面板插件，将appid和secret填写到插件页面，并点击确定保存

在凭证与基础信息页面，获取应用凭证

在这里插入图片描述

在权限管理页面，允许以下权限

在这里插入图片描述


在这里插入图片描述


![在这里插入图片描述](https://i-blog.ZEEKLOGimg.cn/direct/17ef658d381e4cb9a59c5d2b5e4a0918.png

在这里插入图片描述


建议同步放通可选权限

在这里插入图片描述


在这里插入图片描述

应用能力，选择机器人

在这里插入图片描述

打开飞书开放平台创建企业自建应用

在这里插入图片描述


2.填写基本信息点击创建

在这里插入图片描述
在这里插入图片描述


6. 点击保存配置，安装飞书插件

在这里插入图片描述


7. 安装配置完成后，在事件与回调配置中，选择事件配置，订阅方式选择长连接，保存

在这里插入图片描述


8. 点击添加事件，添加以下订阅事件

在这里插入图片描述


9. 开通后点击创建版本，完成发布
10.现在就可以对话

在这里插入图片描述

Read more

Qwen3-TTS部署教程：Qwen3-TTS与Whisper ASR构建双向语音对话系统

Qwen3-TTS部署教程：Qwen3-TTS与Whisper ASR构建双向语音对话系统 想象一下，你对着电脑说一句话，电脑不仅能听懂，还能用自然、有感情的声音回答你，整个过程流畅得就像在和朋友聊天。这听起来像是科幻电影里的场景，但现在，通过Qwen3-TTS和Whisper ASR这两个强大的开源模型，我们完全可以自己动手搭建这样一个系统。 今天，我就带你一步步实现这个目标。无论你是想做一个智能语音助手，还是想为你的应用增加语音交互功能，这篇教程都会给你一个清晰的路线图。我们会从最基础的部署开始，到最终实现一个能听会说的双向对话系统。 1. 准备工作与环境搭建 在开始之前，我们先来了解一下今天要用到的两个核心工具。 Qwen3-TTS 是一个强大的文本转语音模型。它最吸引人的地方在于，它支持10种主要语言，包括中文、英文、日文等，还能生成多种方言和语音风格。更厉害的是，它能理解你文本里的情感和意图，自动调整说话的语调、语速，让生成的声音听起来特别自然。 Whisper ASR 则是OpenAI开源的语音识别模型，它的识别准确率非常高，支持多种语言，而且对带口音、有噪声

2025终极指南：whisper.cpp跨平台语音识别部署全流程

2025终极指南：whisper.cpp跨平台语音识别部署全流程 【免费下载链接】whisper.cppOpenAI 的 Whisper 模型在 C/C++ 中的移植版本。 项目地址: https://gitcode.com/GitHub_Trending/wh/whisper.cpp 还在为语音转文字服务的网络延迟和高成本烦恼？whisper.cpp作为开源语音识别解决方案，提供了本地化部署的完美选择。本文将带你深入了解如何在不同平台上快速部署和使用这个强大的离线语音识别工具。 通过本文，你将掌握： * 多平台环境配置的一键安装方法 * 模型下载与优化的性能调优技巧 * 常见部署问题的快速解决方案 * 监控与维护的最佳实践 平台选择：找到最适合你的方案 平台类型安装难度推理速度内存占用适用场景Windows桌面⭐⭐1.2x1.1GB个人使用Linux服务器⭐⭐⭐1.5x0.9GB企业部署macOS开发⭐2.0x0.7GB移动应用Android设备⭐⭐⭐⭐0.8x0.5GB边缘计算 环境搭建：快速启动的完整步骤 基础环境准备
AIGC 新势力：探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

AIGC 新势力：探秘海螺 AI 与蓝耘 MaaS 平台的协同创新之旅

探秘海螺AI：多模态架构下的认知智能新引擎 在人工智能持续进阶的进程中，海螺AI作为一款前沿的多功能AI工具，正凭借其独特的多模态架构崭露头角。它由上海稀宇科技有限公司（MiniMax）精心打造，依托自研的万亿参数MoE大语言模型ABAB6.5以及MiniMax语音大模型，展现出非凡的技术实力与应用潜力。MiniMax的核心团队源自商汤科技等业内知名企业，在多模态大模型研发领域深耕细作，为海螺AI的诞生奠定了坚实基础。 在这里插入图片描述 一、核心模型架构剖析 （一）基础模型：abab - 6.5 海螺AI的基础模型abab - 6.5采用了创新的混合专家系统设计，借助动态路由机制，即Sparse Gating Network，可依据输入内容智能激活8 - 12个子专家模型。这些子专家模型涵盖代码专家、多语言专家、逻辑推理专家等，各司其职，协同作业。在参数规模上，abab - 6.5总参数量高达1.2万亿，同时通过巧妙的设计，将活跃参数量控制在2000亿/query，有效平衡了模型的高容量与低推理成本。在训练优化环节，

Llama-Factory微调Qwen2.5-VL从数据集制作到部署记录

Llama-Factory微调Qwen2.5-VL从数据集制作到部署记录 电脑环境配置： 1.ubuntu24 2.3090(24G) 3.Cuda==12.9 一、数据集制作 我的数据集主要是对图像内容进行描述 1.Label-studio制作数据集 这是最原始的从零开始制作数据集的方法，不建议这样做！ 安装完label-studio后，输入指令启动 label-studio start 进入浏览器界面 创建项目：Create Project，引入图片后，选择图像描述数据集制作（Image Captioning） 2.利用Qwen2.5-VL半自动制作数据集 既然qwen本身具有较好的图像描述能力，那我们可以先使用qwen进行图像描述，在此基础上进行复核修改，这样做可以减少人力成本。 我这编写的脚本如下： import torch from modelscope import Qwen2_5_VLForConditionalGeneration, AutoTokenizer, AutoProcessor from