# 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

Neo4j 知识讲解与在线工具使用教程

图数据库领域的核心工具 ——Neo4j,同时详细拆解其在线预览控制台(https://console-preview.neo4j.io/)的使用方法,以及查询工具(https://console-preview.neo4j.io/tools/query)的模块功能。 一、Neo4j 核心知识铺垫 在使用工具前,我们需要先理解 Neo4j 的本质和核心概念,这是后续操作的基础。 1. 什么是 Neo4j? Neo4j 是世界上最流行的原生图数据库(Native Graph Database),专门用于存储、查询和分析 “实体之间的关联关系”。它与我们熟悉的 MySQL 等关系型数据库的核心差异的是: * 关系型数据库(MySQL):用 “表 + 行 + 外键” 间接表示关联,查询多表关联时需频繁 JOIN,效率低; * 图数据库(Neo4j)

源码交付!AI 无人机智慧巡检平台,20+AI场景智能识别,赋能低空一网通飞新引擎!

源码交付!AI 无人机智慧巡检平台,20+AI场景智能识别,赋能低空一网通飞新引擎!

01 项目简介      平台以 “无人机全场景智能系统服务体系” 为核心,构建了 “三大服务平台 + 两层支撑体系” 的完整架构。通过无人机统管、GIS 地理信息、AI 算法三大核心服务平台,连接终端层硬件设备(无人机、机场、负载)与应用层行业场景,形成覆盖 “任务调度 - 飞行作业 - 数据采集 - 智能分析 - 报告输出” 全流程的一体化解决方案。       平台打破传统巡检的信息孤岛,整合智能调度、指挥大屏、AI 识别、三维建模、设备上云、多端协同等核心功能模块,实现从单设备管理到多场景协同、从人工操作到自主作业、从经验判断到智能分析的全面升级,适配低空经济下多行业、多场景的巡检需求,为用户提供 “看得见、管得住、用得好” 的智能巡检服务。 02 核心功能

Flutter 三方库 bavard 的鸿蒙化适配指南 - 实现语义化的聊天消息协议、支持机器人自动回复逻辑与分布式通讯元数据封装

Flutter 三方库 bavard 的鸿蒙化适配指南 - 实现语义化的聊天消息协议、支持机器人自动回复逻辑与分布式通讯元数据封装

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 bavard 的鸿蒙化适配指南 - 实现语义化的聊天消息协议、支持机器人自动回复逻辑与分布式通讯元数据封装 前言 在进行 Flutter for OpenHarmony 的社交或客户支持类应用开发时,除了核心的 WebSocket 传输,如何规范化定义“消息(Message)”的数据结构以及处理复杂的对话逻辑状态,往往决定了项目的后期维护性。bavard 是一个专为高度语义化聊天交互设计的协议封装库。它能让你在鸿蒙端以极具逻辑感的对象模型来驱动对话流。本文将带大家了解如何利用 bavard 构建标准化的聊天架构。 一、原理解析 / 概念介绍 1.1 基础原理 bavard 将一次对话拆解为“参与者(Participants)”、“话题(Topics)”和“原子消息(Discrete Messages)”。它提供了一套完整的状态机,用于驱动从“

AR+YOLO26 离线全实战:垃圾分类识别完整落地流程(模型训练→TFLite极致转换→Three.js AR标注叠加)

AR+YOLO26 离线全实战:垃圾分类识别完整落地流程(模型训练→TFLite极致转换→Three.js AR标注叠加)

本次实战是 「纯离线、轻量化、无网络依赖」的AR垃圾分类识别最优解,精准解决垃圾分类的核心痛点:居民对细分垃圾品类识别不准、户外投放点无网络、移动端/浏览器轻量化部署、识别结果直观可视化。整套方案是 全链路闭环:基于YOLO26(2026最新轻量化YOLO)训练垃圾分类专属模型 → 转换为TFLite(谷歌轻量化离线推理格式,移动端/浏览器原生支持) → 结合Three.js(纯前端3D/AR引擎) 实现「垃圾目标实时识别+AR三维标签精准叠加」,全程无网络、无后端、无第三方SDK依赖,可直接在手机浏览器/PC端离线运行,垃圾分类识别准确率≥92.3%,AR标注无偏移、无卡顿。 ✅ 核心落地价值(垃圾分类场景专属,刚需拉满) 1. 纯离线全流程:模型推理、图像采集、AR渲染全部本地完成,无网络环境也能正常使用(户外垃圾投放点、地下室、偏远小区等核心场景完美适配); 2.