# OpenClaw QQ 机器人接入完整指南

作者: 星期五助手
创建时间: 2026-03-05
适用版本: OpenClaw 2026.2.26+


📖 目录

  1. 项目概述
  2. 环境准备
  3. 安装 NapCat QQ 机器人
  4. 配置 OpenClaw QQ 插件
  5. 网络配置(关键)
  6. 测试与验证
  7. 常见问题

项目概述

本指南介绍如何将 OpenClaw 接入 QQ,实现通过 QQ 与 OpenClaw 智能助手对话。

架构说明

┌─────────────┐ ┌──────────────┐ ┌─────────────┐ │ QQ 用户 │ ──→ │ NapCat │ ──→ │ OpenClaw │ │ (发消息) │ │ (QQ 机器人) │ │ (星期五) │ └─────────────┘ └──────────────┘ └─────────────┘ ↓ (OneBot WebSocket) 

技术栈

  • NapCat: QQ 机器人框架(基于 OneBot v11 协议)
  • OpenClaw QQ 插件: OpenClaw 官方 QQ 频道插件
  • Docker: NapCat 容器化部署
  • Host 网络模式: 解决 WSL2 与 Docker 网络互通问题

环境准备

系统要求

  • ✅ Linux / WSL2 (Windows Subsystem for Linux)
  • ✅ Docker 20.10+
  • ✅ Docker Compose 2.0+
  • ✅ OpenClaw 2026.2.26+
  • ✅ Node.js 18+ (OpenClaw 运行环境)

检查环境

# 检查 Dockerdocker--versiondocker compose version # 检查 OpenClaw openclaw --version# 检查 Node.jsnode--version

安装 NapCat QQ 机器人

步骤 1: 创建部署目录

mkdir-p /home/gaof/.openclaw/extensions/qq/deploy/napcat cd /home/gaof/.openclaw/extensions/qq/deploy/napcat 

步骤 2: 创建 Docker Compose 配置

创建 docker-compose.yml

version:"3"services:napcat:environment:- NAPCAT_UID=${ NAPCAT_UID}- NAPCAT_GID=${ NAPCAT_GID}container_name: napcat network_mode: host # ⚠️ 关键:使用 host 网络模式restart: always image: mlikiowa/napcat-docker:latest 

重要:必须使用 network_mode: host,否则 WSL2 无法访问容器!

步骤 3: 启动 NapCat

cd /home/gaof/.openclaw/extensions/qq/deploy/napcat docker compose up -d

步骤 4: 扫码登录 QQ

查看日志获取二维码:

docker logs napcat 2>&1|tail

Read more

机器人笔记——轨迹规划

机器人笔记——轨迹规划

前言 之前的文章讲过到了关节是持续运动的,雅可比矩阵正是描述关节运动与机器人末端运动映射关系的有力工具。然而有了如何映射的工具仅仅是分析机器人运动的开始,要知道空间两点间的运动轨迹是多样的,因此就产生了轨迹规划的概念。这里讲的轨迹规划可以理解为寻求最优路径的过程,下文对其展开介绍。  前序内容 * 机构自由度的计算 * 齐次变换与齐次变换矩阵的计算 * 机器人正运动学——学习笔记 * 机器人正运动学实例——PUMA560机械臂(附Matlab机器人工具箱建模代码) * 机器人逆运动学——以六自由度机器人为例(详解、易懂,附全部Matlab代码) * 双平行四边形码垛机械臂的运动学正逆解——简化方法(附完整Matlab代码、解析过程) * 机器人笔记——关于atan2与atan的区别 * 雅可比矩阵——机器人笔记(简化、易懂) 1. 什么是机器人轨迹规划? 想要解答这个问题,我们先来看什么是轨迹。 轨迹:就是机器人手臂(末端点或操作点)的位置、速度、加速度对于时间的历程; 我们在意的其实是,机器人末端轨迹对于工件的状态或相对关系,就像下面右侧图一样

突破机器人动态控制瓶颈:重力补偿技术实战指南

突破机器人动态控制瓶颈:重力补偿技术实战指南 【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator. 项目地址: https://gitcode.com/GitHub_Trending/mu/mujoco 问题:为何移动机器人在斜坡上总是"力不从心"? 当配送机器人满载货物行驶在15°斜坡时,即使电机全力输出,速度仍会逐渐下降;当手术机器人的机械臂在不同姿态下执行缝合任务时,相同的控制指令却导致不同的操作精度。这些现象背后隐藏着同一个核心挑战——重力场对机器人动力学的非线性影响。在多关节机器人系统中,每个关节的重力负载会随位形变化而呈现复杂的耦合关系,就像人类搬运重物时,手臂角度不同会明显感受到负载的变化。 传统控制方法往往将重力影响视为干扰量,通过PID反馈调节进行抑制,但这种方式在高速动态场景下会导致明显的滞后误差。据国际机器人学研究期刊(2023)统计,未进行重力补偿的机器人系统在垂直平面内的轨迹跟踪误差平均可达3.2mm,而经过补偿的系统误差可降低至0.

智能家居视觉升级:集成阿里模型实现物品自动识别

智能家居视觉升级:集成阿里模型实现物品自动识别 随着智能家居系统从“被动响应”向“主动理解”演进,视觉感知能力正成为家庭AI中枢的核心竞争力。传统基于规则或简单分类的图像识别方案在面对真实家庭环境中的多样化物品时,往往因语义泛化能力弱、中文标签支持不足而难以落地。本文将介绍如何集成阿里开源的万物识别-中文-通用领域模型,构建一套高准确率、强语义理解能力的家庭物品自动识别系统,并完成从环境配置到推理部署的全流程实践。 为什么选择“万物识别-中文-通用领域”模型? 在众多图像识别方案中,阿里云推出的“万物识别-中文-通用领域”模型具备三大核心优势: 1. 原生中文标签体系:不同于大多数英文预训练模型需额外映射中文标签,该模型直接输出如“保温杯”、“儿童积木”、“电饭煲”等贴近中国家庭日常表达的中文类别,极大降低应用层语义解析成本。 2. 细粒度分类能力:支持超过10万类常见物体识别,涵盖家电、日用品、食品、玩具等多个家庭高频场景,能够区分“马克杯”与“玻璃杯”、“电动牙刷”与“普通牙刷”等易混淆对象。 3. 轻量化设计适配边缘设备:模型经过蒸馏压缩,在保持高精度的同时可在消

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