OpenClaw联网工具完全指南:让AI获取实时信息的能力最大化

OpenClaw联网工具完全指南:让AI获取实时信息的能力最大化

手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!
最近很多人都在玩OpenClaw(就是那个挺火的AI助理,大家都叫它“龙虾”),部署完后就兴冲冲地给它派活。
比如有位朋友让小助理查查AI硬件的最新进展,结果折腾半天,AI最后回了一句:办不到。甚至查一些国内的信息也经常碰壁。

Image


我也吃过这种亏,这几天花时间钻研了一下,总算把这事搞明白了。今天就来跟大家唠唠,OpenClaw的联网搜索能力到底是怎么一回事?
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

一、自带的工具(其实挺鸡肋)

OpenClaw出厂自带了三个联网工具:web_search、web_fetch和browser。
web_search这玩意儿本质是个搜索接口
,但它非得要Brave的API KEY才能动。这KEY特别难搞,所以大部分人的小助理搜不到东西,主要是因为有枪没子弹。
web_fetch是用来读网页的。你直接甩给它一个链接,它能把里面的内容抓出来。这个功能倒还算靠谱,能正常干活。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image


至于那个browser工具,虽然号称能像真人一样操作浏览器,登录、点按钮什么的,但实际用起来挺拉胯,连读个网页都经常翻车。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image


如果真要玩浏览器自动化,我更推荐agent-browser这个技能。如果是腾讯云部署版基本都自带了,没有的话可以去clawhub装一个。这玩意儿才是真的强,能让AI真正上手浏览器,不管是填表、截图还是抠数据,样样精通。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image

二、更好用的搜索插件(Skill或MCP)

给大家推荐几个亲测好用的搜索方案,大家按需认领:

Tavily Search是专门给AI定制的搜索服务。它不像普通搜索引擎给你一堆乱七八糟的链接,而是直接把网页内容精简、整理好后再喂给AI,非常干净。
它分通用搜索和新闻模式,还能做深度调研。如果你想让AI自动化工作流跑得更顺溜,选这个准没错。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image

2. Multi Search Engine

Multi Search Engine简直是个大杂烩,一口气集成了17个搜索引擎。国内的百度、微信、头条,国外的Google、Brave全都有。
它支持各种高级玩法,比如限定文件类型或者特定时间段。像DuckDuckGo这种不跟踪隐私的引擎也在里面。最关键的一点是:不用申请API Key,拿来就能用,特别适合需要多方比对信息的时候。

Image

3. ddgr

ddgr是一个在终端里跑的DuckDuckGo搜索工具。你不用打开浏览器,也不需要API,就能实现纯净搜索,而且隐私保护做得很好。
想装的话一行命令搞定:
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

brew install ddgr 

虽然它不算严格意义上的Skill,但真的挺好用,真心推荐。

秘塔在咱们国内AI搜索圈里算是天花板级别了,虽然现在还没现成的Skill,但它支持API调用。

Image


接通之后,查国内的信息那叫一个丝滑。不过秘塔API是要收费的,好在价格非常良心,花不了几个钱。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image

5. 智谱web-search和web-reader

智谱官方出的MCP工具也很好用。我之前在Claude Code里就一直拿它当主力联网工具。

Image


不过在OpenClaw里装MCP挺折腾的,因为它走的是mcporter机制。如果你直接让OpenClaw装,它可能会把自己配置文件改坏。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!
我特意弄了个mcp-installer技能来解决这个问题。你先装好这个Skill,然后丢给它这段提示词就行:

使用 mcp-installer 这个skill 安装一下这个mcp:--- { "mcpServers": { "zhipu-web-search-sse": { "url": "https://open.bigmodel.cn/api/mcp-broker/proxy/web-search/mcp?Authorization=Your Zhipu API Key" } } } --- 我的api key是:XXXXXXXXXXXXXXXX 

记得去智谱官网弄个API Key填进去。虽然也是收费项目,但用起来确实很稳。

Image

6. deep-research-pro

这个Deep Research Pro厉害了,它是专门为做深度研究设计的。它能自动查好几十个信源,自己分析、核对,最后给你整出一份带引用文献的专业报告。最牛的是,它是完全免费的,不需要任何API Key
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Image


它的原则很硬核:没来源的话不说,多方验证后再写,而且只用最近一年的新资料。如果你想让AI帮你写行业调研或者技术分析,用这个就对了。
因为它底层用的是DuckDuckGo,所以得先装下那个ddgr:

brew install ddgr 

装完之后直接让OpenClaw把这个Skill收了就行,体验极佳。

Image

三、搜索工具的“指挥部”

工具装多了,AI该翻谁的牌子?这时候你就得去Memory.md里设个优先级了。
这个文件就在/root/.openclaw/workspace/MEMORY.md。它相当于AI的长效记忆,每次对话前AI都会先瞄一眼。你在这里写清楚什么任务用哪个工具,AI就能按部就班地帮你干活了。
手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定!

Read more

轮腿机器人代码调试补充

轮腿机器人代码调试补充

* @Author: 星夜雨夜 * @brief: 轮腿基础代码编写调试补充,移植自达妙开源代码 * @attention:笔者默认读者已经熟练掌握机甲大师RoboMaster c型开发板例程代码的底盘代码和INS_task.c陀螺仪代码、熟练掌握各电机can协议和遥控器dbus协议。默认读者已能看懂轮腿圣经和玺佬的五连杆运动学解算与VMC。建议读者仔细研读轮腿圣经3~5遍,边看MATLAB文件和达妙开源代码,掌握轮腿调试和编写大致思路。一定要注意各状态变量的单位和正负号是否正确,轮腿调试过程中,最难之处在于极性是否正确。本车所有电机均为逆时针旋转为正方向。 !!!强烈建议读者在开发轮腿之前,先运用LQR算法完成一阶倒立摆的平衡小车(即板凳模型)的实现 !!!如果时间紧,其实完全可以不搞仿真,直接实机开调。仿真不疯,实物不一定不疯;但实物疯,仿真必疯。 调试成果展示视频链接(抖音):轮腿机器人 一阶倒立摆平衡小车参考资料: 1.本科毕设 轮腿式双足机器人 开源文件演示_哔哩哔哩_bilibili(资料在视频评论区) 2.达妙平衡小车开源:[达妙科技开源系列-平衡小车] 第一弹_哔哩

【GitHub项目推荐--AI-Goofish-Monitor:闲鱼智能监控机器人完全指南】

简介 AI-Goofish-Monitor 是一个基于 Playwright 和 AI 技术的闲鱼(Goofish)多任务实时监控与智能分析工具。该项目由 dingyufei615 开发,通过先进的浏览器自动化技术和多模态大语言模型,为用户提供智能化的闲鱼商品监控解决方案。该工具不仅具备强大的数据采集能力,还配备了功能完善的 Web 管理界面,让用户能够轻松管理和配置监控任务。 🔗 GitHub地址 : https://github.com/dingyufei615/ai-goofish-monitor ⚡ 核心价值 : AI智能分析 · 多任务监控 · 实时通知 · Web管理界面 技术特色 : * AI驱动 :集成多模态大语言模型(GPT-4o、Gemini等),深度分析商品信息 * Web管理 :完整的可视化界面,无需命令行操作 * 多平台通知 :支持 ntfy.sh、企业微信、Bark 等多种通知方式 * 智能过滤 :基于自然语言的任务创建和AI分析标准生成 * 云原生支持 :提供

采摘机器人毕业设计实战:从机械控制到感知决策的全栈实现

最近在指导几位同学完成采摘机器人相关的毕业设计,发现大家普遍在从理论到实践的转化过程中遇到不少共性问题。比如算法在电脑上跑得好好的,一上实机就各种延迟、丢帧;机械臂的运动规划和视觉感知像是两个独立的系统,难以协同;还有系统集成后调试困难,牵一发而动全身。结合这些实际痛点,我梳理了一套基于ROS 2和STM32的全栈实现方案,希望能为正在或即将进行类似毕设的同学提供一个清晰、可复现的参考路径。 1. 毕业设计常见痛点深度剖析 在开始技术选型之前,我们先明确要解决哪些核心问题。很多同学的毕设停留在仿真或单个模块演示阶段,难以形成完整的闭环系统,主要痛点集中在以下几个方面: 1. 算法与执行器严重脱节:这是最常见的问题。同学们往往在Jupyter Notebook或OpenCV的窗口中完成了漂亮的果实识别,识别框画得精准,但识别结果如何转换成机械臂末端执行器的空间坐标?这个坐标转换涉及相机标定、手眼标定、坐标系变换等一系列步骤,任何一个环节出错都会导致“看得见但抓不着”。更复杂的是,视觉算法输出的频率(如10Hz)与底层电机控制频率(可能高达100Hz)不匹配,如果没有良好的中间层进