OpenClaw 飞书机器人配置教程｜一键对接飞书，实现聊天下达 AI 指令

优质文章学习记录

— 10 min read
OpenClaw 飞书机器人配置教程｜一键对接飞书，实现聊天下达 AI 指令

适配版本：OpenClaw v2.3.12/v2.4.1（小龙虾）前置要求：已部署 OpenClaw Windows 端（Win10/Win11 均可），未部署可先下载一键部署包完成安装核心效果：配置完成后，可在飞书聊天窗口直接向机器人发送自然语言指令，OpenClaw 自动拆解任务、操控电脑完成操作，实现飞书远程下达 AI 任务

📌 OpenClaw Windows 一键部署包下载地址🔗 OpenClaw Windows 一键部署包 v2.3.12✅ 免配置、免命令行、解压即用，内置所有运行依赖，部署完成后再进行飞书配置即可

（此教程配合这个安装包使用）

一、配置前必看

  1. 需拥有飞书账号，个人 / 企业账号均可，企业账号需确保有应用开发权限
  2. OpenClaw 需保持正常运行（Gateway 在线），配置过程中无需关闭
  3. 飞书开放平台操作全程按步骤执行，权限导入、事件订阅缺一不可，否则机器人无法响应
  4. 配置完成后需重启 OpenClaw，确保凭证生效

二、第一步：进入飞书开放平台并登录开发者后台

  1. 打开飞书开放平台官方地址：https://open.feishu.cn

使用飞书账号扫码 / 密码登录，进入开发者后台（首次登录无需额外认证，个人账号可直接使用）

1.png

三、第二步：创建企业自建应用

  1. 在开发者后台首页，点击创建应用按钮
  2. 应用类型选择企业自建应用（仅本企业 / 个人可使用，无需上架审核，快速生效）

进入应用创建页面，准备填写基础信息

2.png

四、第三步：填写应用基础信息

按要求填写以下信息，填写完成后点击创建：

  • 应用名称：自定义（如：OpenClaw 机器人、小龙虾 AI、虾壳云），建议便于识别
  • 应用描述：简要说明（如：OpenClaw AI 智能体，飞书聊天下达指令），字数≤120

应用图标：自定义上传（JPEG/PNG/SVG/BMP 格式，2MB 以内，分辨率≥240*240px），可使用 OpenClaw 龙虾 Logo，便于飞书内识别✅ 注：信息可后续修改，创建后进入应用配置主界面

3.png

五、第四步：为应用添加「机器人」能力

  1. 进入应用配置页，左侧菜单栏找到添加应用能力选项并点击
  2. 在能力列表中选择机器人，点击右侧添加按钮

添加完成后，左侧菜单栏会出现「机器人」相关配置项，说明能力添加成功

4.png

六、第五步：批量导入机器人核心权限（关键步骤）

OpenClaw 需调用飞书消息、文档、表格等接口，需提前开通对应权限，批量导入可一次性完成，避免手动添加遗漏

  1. 左侧菜单栏进入权限管理，找到批量导入 / 导出权限按钮并点击
  2. 选择应用身份权限，将以下 JSON 代码完整粘贴至输入框，点击格式化 JSON（避免格式错误）
  3. 点击下一步，确认新增权限，再点击申请开通，等待权限开通成功（个人账号免审核，立即生效；企业账号需管理员审核）

完整权限 JSON 代码（直接复制）

 { "scopes": { "tenant": [ "aily:message:read", "aily:message:write", "base:app:copy", "base:app:create", "base:app:read", "base:app:update", "base:collaborator:create", "base:collaborator:delete", "base:collaborator:read", "base:dashboard:copy", "base:dashboard:read", "base:field:create", "base:field:delete", "base:field:read", "base:field:update", "base:form:read", "base:form:update", "base:record:create", "base:record:delete", "base:record:read", "base:record:retrieve", "base:record:update", "base:role:create", "base:role:delete", "base:role:read", "base:role:update", "base:table:create", "base:table:delete", "base:table:read", "base:table:update", "base:view:read", "base:view:write_only", "bitable:app", "bitable:app:readonly", "board:whiteboard:node:create", "board:whiteboard:node:delete", "board:whiteboard:node:read", "board:whiteboard:node:update", "cardkit:card:write", "contact:contact.base:readonly", "contact:user.base:readonly", "contact:user.employee_id:readonly", "contact:user.employee_number:read", "contact:user.id:readonly", "docs:doc", "docs:doc:readonly", "docs:document.comment:create", "docs:document.comment:read", "docs:document.comment:update", "docs:document.comment:write_only", "docs:document.content:read", "docs:document.media:download", "docs:document.media:upload", "docs:document.subscription", "docs:document.subscription:read", "docs:document:copy", "docs:document:export", "docs:document:import", "docs:event.document_deleted:read", "docs:event.document_edited:read", "docs:event.document_opened:read", "docs:event:subscribe", "docs:permission.member", "docs:permission.member:auth", "docs:permission.member:create", "docs:permission.member:delete", "docs:permission.member:readonly", "docs:permission.member:retrieve", "docs:permission.member:transfer", "docs:permission.member:update", "docs:permission.setting", "docs:permission.setting:read", "docs:permission.setting:readonly", "docs:permission.setting:write_only", "docx:document", "docx:document.block:convert", "docx:document:create", "docx:document:readonly", "drive:drive", "drive:drive.metadata:readonly", "drive:drive.search:readonly", "drive:drive:readonly", "drive:drive:version", "drive:drive:version:readonly", "drive:export:readonly", "drive:file", "drive:file.like:readonly", "drive:file.meta.sec_label.read_only", "drive:file:download", "drive:file:readonly", "drive:file:upload", "drive:file:view_record:readonly", "event:ip_list", "im:app_feed_card:write", "im:chat", "im:chat.members:read", "im:chat:read", "im:message", "im:message.group_msg", "im:message:send_as_bot", "im:message:readonly", "im:message:update", "sheets:spreadsheet", "sheets:spreadsheet:create", "sheets:spreadsheet:read", "space:folder:create", "wiki:node:create", "wiki:node:read", "wiki:node:update", "wiki:space:read" ], "user": [] } }

七、第六步：配置事件订阅，实现飞书消息接收

  1. 左侧菜单栏进入事件与回调，选择事件配置
  2. 订阅方式修改为：使用长连接接收事件（推荐，无需配置公网域名，个人账号首选），点击保存
  3. 点击添加事件，在搜索框输入接收消息，选择接收消息 v2.0（im.message.receive_v1）

勾选事件后点击添加，完成消息订阅配置（飞书发送的消息将通过长连接推送给 OpenClaw）

10.png

 

11.png

 

12.png

 

13.png

八、第七步：发布应用，使所有配置生效

  1. 左侧菜单栏进入版本管理与发布，点击创建版本
  2. 填写版本信息：
    • 应用版本号：自定义（如：1.0.0，按常规版本号填写即可）
    • 更新说明：简要填写（如：OpenClaw 飞书机器人初始配置）
    • 移动端 / 桌面端默认能力：均选择机器人

滑动至页面底部，点击保存，再点击确认发布✅ 注：个人未认证账号发布后免审核，立即生效；企业认证账号需进入飞书管理后台完成应用审核后生效

14.png

 

15.png

 

16.png

 

17.png

九、第八步：获取应用凭证，配置至 OpenClaw

  1. 左侧菜单栏进入凭证与基础信息，找到应用凭证板块
  2. 复制App ID和App Secret（需完整复制，不含空格，建议手动复制避免粘贴错误）
  3. 打开已运行的 OpenClaw 主界面，点击右上角设置，选择左侧聊天渠道
  4. 在渠道列表中找到Feishu（飞书），点击进入配置页
  5. 将复制的App ID和App Secret分别粘贴至对应输入框

点击页面底部保存渠道配置，OpenClaw 将自动重启，等待 Gateway 重新在线即配置完成

18.png

 

20.png

十、第九步：飞书端使用 OpenClaw 机器人（最终步骤）

  1. 打开飞书 PC / 手机端，在顶部搜索栏输入你创建的应用名称（如：OpenClaw 机器人）
  2. 点击进入机器人聊天窗口，发送任意测试指令（如：“你好”、“帮我整理桌面文件”）

若机器人正常回复 / 执行指令，说明配置成功；若无响应，按下方问题排查检查

19.png

十一、常见问题排查（机器人无响应 / 指令执行失败）

  1. 飞书应用未发布：返回飞书开放平台，确认版本已发布且审核通过（个人账号检查是否点击 “确认发布”）
  2. 权限未开通：进入权限管理，检查是否所有权限均显示 “已开通”，未开通则重新批量导入并申请
  3. App ID/Secret 复制错误：检查 OpenClaw 飞书配置页的凭证是否与飞书开放平台一致，有无多字 / 少字 / 空格
  4. OpenClaw 未重启：配置完成后需确保 OpenClaw 自动重启，若未重启，手动点击右上角重启Gateway
  5. 长连接未生效：返回飞书事件与回调，确认订阅方式为 “长连接”，重新保存后再测试
  6. OpenClaw 未正常部署：检查 Gateway 是否显示 “在线”，若离线，重新运行 OpenClaw 一键启动程序

十二、附：OpenClaw 飞书机器人常用指令示例

配置成功后，可在飞书聊天窗口直接发送以下指令，AI 自动操控电脑完成：

  • 办公类：「帮我打开 Excel，制作一份本周工作汇报表格，保存到 D 盘」
  • 文件类：「整理 D 盘下载文件夹，按文件类型分类创建文件夹」
  • 浏览器类：「打开浏览器，搜索 2026 年 AI 智能体发展趋势，整理成文档」
  • 消息类：「帮我给飞书备注 “同事 A” 发送消息，内容是 “工作汇报已发至你邮箱”」

📌 再次附上 OpenClaw Windows 一键部署包下载地址🔗 OpenClaw Windows 一键部署包 v2.3.12✅ 未部署的用户先下载安装，部署完成后按本教程配置，全程 10 分钟即可实现飞书对接 OpenClaw！

转载请注明出处，后续将更新 OpenClaw 微信 / 钉钉等渠道对接教程，持续关注获取更多干货！

Read more

AI安全工具：AI供应链安全检测工具的使用

AI安全工具：AI供应链安全检测工具的使用

AI安全工具：AI供应链安全检测工具的使用 📝 本章学习目标：本章介绍实用工具，帮助读者掌握AI安全合规治理的工具使用。通过本章学习，你将全面掌握"AI安全工具：AI供应链安全检测工具的使用"这一核心主题。 一、引言：为什么这个话题如此重要 在AI技术快速发展的今天，AI安全工具：AI供应链安全检测工具的使用已经成为每个AI从业者和企业管理者必须了解的核心知识。随着AI应用的深入，安全风险、合规要求、治理挑战日益凸显，掌握这些知识已成为AI时代的基本素养。 1.1 背景与意义 💡 核心认知：AI安全、合规与治理是AI健康发展的三大基石。安全是底线，合规是保障，治理是方向。三者相辅相成，缺一不可。 近年来，AI安全事件频发，合规要求日益严格，治理挑战不断升级。从数据泄露到算法歧视，从隐私侵犯到伦理争议，AI发展面临前所未有的挑战。据统计，超过60%的企业在AI应用中遇到过安全或合规问题，造成的经济损失高达数十亿美元。 1.2 本章结构概览 为了帮助读者系统性地掌握本章内容，我将从以下几个维度展开：

Whisper-medium.en：769M参数实现英语语音高效转写

Whisper-medium.en：769M参数实现英语语音高效转写 【免费下载链接】whisper-medium.en 项目地址: https://ai.gitcode.com/hf_mirrors/openai/whisper-medium.en OpenAI推出的Whisper-medium.en模型凭借769M参数实现了英语语音识别的高精度与高效率平衡，在主流语音识别基准测试中展现出优异性能。 行业现状：语音识别进入规模化应用新阶段 随着远程办公、智能交互和内容创作需求的爆发，语音转文字技术正从实验室走向规模化应用。据市场研究机构数据，全球自动语音识别（ASR）市场规模预计2025年将突破200亿美元，年复合增长率保持在15%以上。当前行业面临的核心挑战在于如何在保证识别 accuracy 的同时，兼顾模型大小、计算效率和部署成本，特别是在边缘设备和实时场景中的应用需求日益增长。 Whisper系列模型的出现改变了传统ASR模型需要大量领域数据微调的局面。OpenAI通过68万小时的大规模弱监督训练数据，使模型具备了强大的泛化能力，其中英语专用模型在保持高性能的同时

Ollama模型家族大比拼：Llama、Mistral、Gemma谁更适合你？

Ollama模型家族深度横评：Llama、Mistral、Gemma，谁才是你的“本命模型”？ 最近几个月，我身边不少技术朋友都在折腾本地大模型。有人用MacBook Air跑起了70亿参数的模型，兴奋地跟我分享他的“私人AI助手”；也有人在公司服务器上部署了数百亿参数的庞然大物，结果发现响应速度慢得让人抓狂。这让我意识到一个问题：选择模型，远比安装模型更重要。 Ollama的出现，确实让本地运行大语言模型变得像安装普通软件一样简单。但当你打开模型库，看到琳琅满目的选项——Llama、Mistral、Gemma、Qwen、Phi……每个系列还有不同参数版本，那种感觉就像走进了一家高级自助餐厅，每道菜看起来都很诱人，但你只有一个胃。 我花了近两个月时间，在多种硬件配置上系统测试了Ollama支持的主流模型家族。从搭载M1芯片的MacBook Air，到配备RTX 4090的台式工作站，再到只有集成显卡的轻薄本，我记录了每个模型在不同场景下的真实表现。今天这篇文章，我想和你分享的不仅仅是冷冰冰的基准测试数据，更是那些在实际使用中才会遇到的细节和坑。 1. 模型家族全景图：理解每个

GPU资源不够也能跑Llama 3 70B？Dify量化部署实战分享，省下80%成本

第一章：GPU资源不够也能跑Llama 3 70B？Dify量化部署实战分享，省下80%成本 在显存有限的环境下部署大语言模型（LLM）一直是企业落地AI应用的痛点。Llama 3 70B 参数量巨大，常规部署需多张高端GPU，但通过模型量化与Dify平台的高效集成，仅用单张24GB显存的消费级显卡即可运行。 量化原理与优势 量化技术将模型权重从FP16或FP32压缩至INT4甚至更低精度，大幅降低显存占用和推理延迟。以Llama 3 70B为例： * 原始FP16版本需约140GB显存 * INT4量化后模型体积压缩至约35GB * 配合内存卸载（offload）技术，可运行于单卡RTX 4090 Dify中配置量化模型 Dify支持自定义模型接入，结合llama.cpp或vLLM等后端实现轻量化部署。以下为基于GGUF格式的INT4量化模型启动命令： # 使用 llama.cpp 启动量化后的 Llama 3 70B ./server -m ./models/llama-3-70b.Q4_K_M.gguf