openclaw配置飞书(Feishu)机器人(2026.03.07)

openclaw配置飞书(Feishu)机器人(2026.03.07)

前提:你已经安装好openclaw,配置好了大模型。
可借鉴我另一篇博文:https://mp.ZEEKLOG.net/mp_blog/creation/editor/157513751

一、配置openclaw channel

打开终端,输入:

openclaw config

开始安装,需要等一会,安装好需要你填飞书的App ID和App Secret,先放着,等执行下面的步骤

二、配置飞书机器人 , 获取App ID和App Secret


安装流程如下链接,太长了,不想编辑了,完成版本发布。
https://www.feishu.cn/content/article/7613711414611463386

1.配置事件长连接时,需要在openclaw上安装飞书SDK(如果步骤一没执行会长连接失败)
2.当然以上配还是有问题的,缺了一点东西

一定把这些加进来,不然跟机器人聊天没反应(很多教程故意不说)
关键词如下:

im.chat.member.bot.deleted_v1 im.chat.member.user.added_v1 im.message.message_read_v1 im.message.receive_v1

3.找到App ID、App Secret(一会配置openclaw channel feishu需要用到)

3.打开飞书。

3.配置DM 

先与机器人对话,出现如下Pairing code,复制

在终端执行命令:

openclaw pairing approve feishu <配对码> --notify

飞书机器人弹出:

然后就可以正常对话了。

Read more

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成

SenseVoice Small多场景落地:博物馆导览语音→多语种AR字幕实时生成 你有没有在博物馆里,一边盯着珍贵文物,一边手忙脚乱翻手机查讲解词?或者站在异国展馆前,听不懂导览员的外语解说,只能靠猜?更别提那些中英混杂、带方言口音的现场录音——传统语音转写工具要么卡住不动,要么识别错得离谱。 今天要聊的,不是又一个“理论上能用”的AI模型,而是一个真正跑在本地、开箱即用、专为真实场景打磨过的语音转文字服务。它不靠云端API,不依赖稳定网络,不挑音频格式,甚至能在没有外网的展厅设备上安静运行。它的名字叫SenseVoice Small——但这次,我们把它从实验室搬进了博物馆的玻璃柜之间。 1. 为什么是SenseVoice Small?轻量不等于将就 很多人一听“Small”,下意识觉得是阉割版、凑数款。但SenseVoice Small恰恰相反:它是阿里通义千问团队针对边缘部署和实时交互场景,专门精简优化的语音识别模型。参数量仅约2亿,却在保持95%以上主流语种识别准确率的同时,把单次推理耗时压到300毫秒以内(RTF < 0.15)。 关键不在“

华为OD机试双机位C卷-机器人活动区域(Py/Java/C/C++/Js/Go)

华为OD机试双机位C卷-机器人活动区域(Py/Java/C/C++/Js/Go)

机器人活动区域 2026华为OD机试双机位C卷 - 华为OD上机考试双机位C卷 100分题型 华为OD机试双机位C卷真题目录点击查看: 华为OD机试双机位C卷真题题库目录|机考题库 + 算法考点详解 题目描述 现有一个[机器人],可放置于 M × N 的网格中任意位置,每个网格包含一个非负整数编号,当相邻网格的数字编号差值的绝对值小于等于 1 时,机器人可以在网格间移动。 问题: 求机器人可活动的最大范围对应的网格点数目。 说明:网格左上角坐标为 (0,0) ,右下角坐标为(m−1,n−1),机器人只能在相邻网格间上下左右移动 输入描述 第 1 行输入为 M 和 N * M 表示网格的行数 * N 表示网格的列数 之后 M 行表示网格数值,每行 N 个数值(

基于分布式光纤声波传感(DAS)的无人机入侵探测技术与应用

基于分布式光纤声波传感(DAS)的无人机入侵探测技术与应用

一、背景概述 随着无人机技术的普及,其在航拍、巡检、物流等领域发挥积极作用的同时,也带来了“低空入侵”与“非法飞行”等安全隐患。在机场、军事设施、能源基础设施及重要园区等重点区域,传统的雷达、视频或无线电监测手段在低空、隐身性、小目标**场景下仍存在一定局限。 分布式光纤声波传感系统(Distributed Acoustic Sensing,DAS)作为一种被动式、长距离、连续监测的感知技术,为无人机入侵预警提供了新的技术路径。 二、DAS 在无人机入侵监测中的基本原理 DAS 系统利用相干光时域反射原理,将普通通信光纤转化为沿线连续分布的振动与声波传感单元。当无人机在目标区域低空飞行、起降或悬停时,会在地面及周围结构中产生可被感知的物理扰动,包括: * 旋翼气流引起的地面微振动 * 无人机起降过程中的冲击与共振 * 低空飞行产生的特征性声波信号 这些信号通过光纤传导至 DAS 主机,经过高速采集与数字信号处理,可实现实时感知与精确定位。 三、无人机入侵场景下的 DAS 监测模式

Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测

Yolo11 基于DroneVehicle数据集的无人机视角下车辆目标检测

1、关于DroneVehicle数据集介绍 DroneVenicle数据集是由天津大学收集、标注的大型无人机航拍车辆数据集。 DroneVehicle 数据集由无人机采集的共 56,878 幅图像组成,其中一半为 RGB 图像,其余为红外图像。我们对五个类别进行了带有方向性边界框的丰富标注。其中,汽车car 在 RGB 图像中有 389,779 个标注,在红外图像中有 428,086 个标注;卡车truck 在 RGB 图像中有 22,123 个标注,在红外图像中有 25,960 个标注;公交车bus 在 RGB 图像中有 15,333 个标注,在红外图像中有 16,590 个标注;面包车van 在