用 OpenClaw 搭建企业微信 AI Agent:从零到自动化客服只需 30 分钟

本教程将指导您使用 OpenClaw 搭建一个企业微信 AI 客服,实现 7×24 小时自动回复。以阿里云为例,其他云服务商(如腾讯云)的流程也基本一致。

🎯 整体流程概览

  1. 准备账号:注册企业微信,并获取阿里云百炼大模型 API Key。
  2. 部署 OpenClaw:在云服务器上部署 OpenClaw 并接入大模型。
  3. 配置企业微信:创建应用或机器人,获取 CorpID、AgentID、Secret 等凭证。
  4. 打通连接:将企业微信的回调地址指向 OpenClaw 服务。
  5. 测试优化:在微信中测试对话,并通过优化知识库提升准确率。

🛠️ 一、准备工作 (约 5 分钟)

  1. 企业微信
    • 注册并认证企业微信(个人也可免费创建用于测试)。
    • 记录管理员账号,后续操作均需在管理后台进行。
  2. 阿里云账号
    • 注册并完成实名认证。
    • 开通「百炼大模型」服务,并创建一个 API Key,保存备用。
  3. 云服务器
    • 推荐配置:2核CPU、2GB内存及以上,系统盘40GB+。
    • 镜像选择:在轻量应用服务器中,搜索并选择 OpenClaw (原 Clawdbot/Moltbot) 官方镜像
    • 地域建议:选择中国香港、新加坡等免备案地域,方便外网访问。
    • 安全组:创建实例后,在安全组规则中放行 TCP 18789​ 端口。

🚀 二、部署 OpenClaw (约 10 分钟)

方式一:使用官方镜像(推荐)
  1. 登录服务器通过 SSH 工具(如 FinalShell)连接到您的云服务器。
  2. 配置环境变量执行以下命令,编辑配置文件:bashcd /opt/openclawcp .env.example .envvim .env在 .env文件中填入以下内容(API Key 替换为您的百炼 Key):envALIYUN_BAILIAN_API_KEY=你的百炼APIKeyALIYUN_BAILIAN_MODEL=qwen3-maxPORT=18789

启动服务执行以下命令启动 OpenClaw:bash

安装依赖

npm install --production

后台启动

nohup npm run start > openclaw.log 2>&1 &检查服务是否正常运行:bashcurl http://127.0.0.1:18789/health若返回 {"status":"ok"},则表示部署成功。

方式二:Docker 部署(生产推荐)

bash

docker run -d \

--name openclaw \

-p 18789:18789 \

-e ALIYUN_BAILIAN_API_KEY=你的APIKey \

-e ALIYUN_BAILIAN_MODEL=qwen3-max \

--restart always \

openclaw/openclaw:2026-stable


🏢 三、配置企业微信

方案 A:自建应用 (功能更全)
  1. 创建应用登录企业微信管理后台 → 应用管理​ → 自建应用​ → 创建应用。填写名称(如“AI 客服中心”)、上传头像并设置可见范围。
  2. 获取凭证在应用详情页,记录以下三个关键信息:
    • CorpID​ (企业 ID):位于「我的企业 → 企业信息」。
    • AgentID​ (应用 ID)
    • Secret​ (应用密钥):点击“查看”后,在企业微信客户端中复制。
  3. 设置回调进入应用详情 → 接收消息​ → 设置 API 接收
    • URLhttp://你的服务器公网IP:18789/wecom/app
    • 点击“随机获取” Token 和 EncodingAESKey,并保存。
方案 B:智能机器人 (配置简单)
  1. 创建机器人登录企业微信管理后台 → 安全与管理​ → 管理工具​ → 智能机器人​ → 创建机器人​ → API 模式创建
  2. 获取凭证填写机器人名称、简介和可见范围。点击“随机获取” Token 和 EncodingAESKey,并保存。
  3. 设置回调
    • URLhttp://你的服务器公网IP:18789/wecom/bot
    • 同样,先不要点击“创建”。

🔗 四、打通 OpenClaw 与企业微信

方式一:命令行配置(推荐)
  1. 安装插件bashopenclaw plugin install @openclaw/channel-wecom
  2. 配置参数根据您选择的方案,执行相应命令。
    • 自建应用配置bashopenclaw config set wecom.enabled trueopenclaw config set wecom.corpId 你的CorpIDopenclaw config set wecom.agentId 你的AgentIDopenclaw config set wecom.secret 你的Secretopenclaw config set wecom.token 你的Tokenopenclaw config set wecom.encodingAESKey 你的EncodingAESKey
    • 智能机器人配置bashopenclaw config set wecom.enabled trueopenclaw config set wecom.botToken 你的Tokenopenclaw config set wecom.botEncodingAESKey 你的EncodingAESKey
  3. 重启服务bashopenclaw gateway restart
方式二:Web 控制台配置
  1. 访问 http://你的服务器IP:18789/admin
  2. 进入 Channels → 企业微信
  3. 根据您选择的方案,填入对应的 CorpID、AgentID、Secret、Token、EncodingAESKey 等信息。
  4. 启用通道并保存,然后重启网关服务。

✅ 五、测试与优化

  1. 完成配置返回企业微信后台,点击之前未完成的“保存”或“创建”按钮。如果提示“已成功”,则表示打通成功。
  2. 开始对话
    • 自建应用:在企业微信客户端「工作台」找到并打开“AI 客服中心”应用。
    • 智能机器人:在「通讯录」中找到机器人并进入聊天窗口。发送消息如“你好”、“你们支持退款吗?”,测试 AI 是否回复。
  3. 优化知识库如果 AI 回答不准确,可以创建知识库文件(如 faq.md),放入常见问题与标准答案,然后同步到 OpenClaw。AI 将优先从知识库中检索答案,大幅提升准确率。
  4. 设置人工兜底在知识库或系统提示词(SOUL.md)中设定,当 AI 无法回答或用户明确要求人工时,回复“正在为您转接人工客服,请稍候…”,并通知人工客服介入。

Read more

Whisper模型部署翻车?预置镜像帮你绕过90%的坑

Whisper模型部署翻车?预置镜像帮你绕过90%的坑 你是不是也经历过这样的场景:兴冲冲地想用OpenAI的Whisper做个语音转文字的小项目,查资料、装环境、配CUDA、下模型,结果卡在某个报错上整整一周都跑不起来?版本冲突、驱动不兼容、权限问题、依赖缺失……每一个都不是大问题,但凑在一起就是一场“部署灾难”。 别慌,我不是来给你讲一堆理论安慰你的——我是来告诉你:这些问题,其实早就有现成的解决方案了。 ZEEKLOG星图平台提供了一个预置Whisper环境的稳定镜像,里面已经集成了最新版的faster-whisper、whisper-large-v3-turbo模型支持、CUDA驱动、PyTorch框架和必要的Python依赖库。你不需要再手动折腾任何东西,一键部署后几分钟就能开始语音转录。 这篇文章就是为你写的——如果你是第一次接触Whisper,或者曾经被它的部署过程“毒打”过,那今天这篇内容会彻底改变你的体验。我会带你从零开始,一步步用这个预置镜像快速跑通语音识别任务,还会告诉你哪些参数最关键、常见问题怎么解决、如何提升识别准确率和速度。 学完之后,你不仅能顺利

Qwen3-VL+ComfyUI保姆级教程:小白3步搞定AI绘画反推

Qwen3-VL+ComfyUI保姆级教程:小白3步搞定AI绘画反推 引言:为什么你需要这个组合方案? 每次看到别人用AI生成精美画作时,你是不是也跃跃欲试?但面对复杂的提示词编写又望而却步?今天我要介绍的Qwen3-VL+ComfyUI组合,就像给你的AI绘画装上了"自动翻译机"——它能看懂你上传的任何图片,自动生成专业级提示词描述,让你彻底告别"词穷"困境。 这个方案特别适合两类人: - 设计爱好者:想快速复现喜欢的艺术风格但不懂技术细节 - 内容创作者:需要批量处理图片/视频素材生成文字描述 传统方法需要自己搭建Python环境、处理依赖冲突,光是安装就可能耗掉半天时间。而现在通过预置镜像,你只需要3步就能获得完整的反推能力,整个过程比点外卖还简单。 1. 环境准备:5分钟极速部署 1.1 选择适合的镜像 在ZEEKLOG算力平台的镜像广场搜索"Qwen3-VL+ComfyUI",你会看到一个预装好所有依赖的专用镜像。这个镜像已经配置好: - Qwen3-VL多模态模型(

论文AI率太高?八个方法教你30分钟降低AIGC,90%到2.4%亲测有效!

现在写论文的人越来越多,一写就会出现AI率过高的问题,特别是在研究生论文中,使用AI辅助写作已经非常普遍了,但是只要查重一下就会“凉了”,导师直接打回去说AI味太浓,没有自己的想法。 去年我自己也犯过同样的错误,初稿的时候AI率是66%,查重35%,导师说我全是机器的味道,那时候真的很难受。 经过一周的努力之后,一边手动修改一边测试各种工具,最后将AI率从90%以上降到了2.4%,顺利提交并通过了。 今天就来分享一下效果比较好的8个实用方法,在三十分钟内就可以把AI率降低到可以接受的程度,不管是论文、报告还是文案都可以轻松摆脱AI腔。 降AI率的核心是什么? 降AI不是简单的换词,而是去除机器的痕迹,保留主要信息。 很多人以为降低AI率就是用同义词替换,但是结果反而变得很奇怪,专业性也不强了。 其实是在打破AI所固有的模式:固定的句式、过于严谨的逻辑、表达含糊不清没有实质内容。 不用这些套路的话,AI率就会下降,学术上的严谨性也不会受到影响。 方法一:变换语态,长短句交替使用 AI经常使用被动语态以及较长的句子,如“实验数据经过分析后得到的结果”,显得很机械。短

开源分享:AI Agent Skills 资源合集,一键安装 Cursor/Claude Code/Copilot 技能包

前言 最近在使用 Cursor 和 Claude Code 进行开发,发现 Agent Skills 这个功能非常强大——它可以让 AI 更专业地完成特定任务,比如代码审查、生成 Git Commit、自动生成测试用例等。 但网上的资源比较零散,于是我整理了一个开源合集分享给大家。 项目地址 GitHub:https://github.com/JackyST0/awesome-agent-skills 什么是 Agent Skills? Agent Skills 是 AI Agent 可以发现和使用的指令、脚本和资源包。 简单来说,就是给 AI 一套「技能说明书」,让它知道如何更专业地帮你完成工作。 比如: * 代码审查 Skill:AI 按照最佳实践审查代码,给出改进建议