用OpenClaw做qq ai办公机器人(支持群聊关键词触发+自定义域名发送任意邮件)

用OpenClaw做qq ai办公机器人(支持群聊关键词触发+自定义域名发送任意邮件)

1.OpenClaw对接QQ(qq账号当机器人使用)

在任意文件夹创建项目文件夹napcat及需要的文件夹,并创建docker-compose.yml

mkdir -p napcat && cd napcat
mkdir -p config .config logs

docker-compose.yml内容参考

services: napcat: image: mlikiowa/napcat-docker:latest container_name: napcat restart: unless-stopped environment: - NAPCAT_UID=${NAPCAT_UID:-1000} - NAPCAT_GID=${NAPCAT_GID:-1000} - MESSAGE_POST_FORMAT=string # 网络服务(根据需求启用) - HTTP_ENABLE=true - HTTP_HOST=0.0.0.0 - HTTP_PORT=3000 - WS_ENABLE=true - WS_HOST=0.0.0.0 - WS_PORT=3001 ports: - "3000:3000" - "3001:3001" - "6099:6099" volumes: # 1. NapCat 配置(网络设置、WebUI token) - ./config:/app/napcat/config # 2. QQ 数据(登录凭证、持久化登录状态) # 官方路径是 /app/.config/QQ, - ./.config:/app/.config/QQ # 3. 日志(可选) - ./logs:/app/napcat/logs # 注意:没有 network_mode: bridge,与 ports 冲突 stdin_open: true tty: true

启动docker,并执行以下命令

NAPCAT_UID=$(id -u) NAPCAT_GID=$(id -g) docker-compose up -d
命令拆解含义
NAPCAT_UID=$(id -u)设置环境变量 NAPCAT_UID 为当前用户的用户 ID
NAPCAT_GID=$(id -g)设置环境变量 NAPCAT_GID 为当前用户的组 ID
docker-compose up -d在后台启动 Docker Compose 服务

因为NapCat 容器内以 NAPCAT_UID 用户运行,需要与宿主机用户权限匹配,所以动态获取当前用户 ID,环境变量传递给 Docker Compose

启动完成

执行docker-compose logs -f,手机qq扫描登录日志的二维码登录

也可以根据日志的token打开http://127.0.0.1:6099/webui?token=你的token,输入账号和密码

如果提示需要验证码,暂时不支持的话就扫码登录,登录后只要日志没有显示离线就可以退出手机qq

点击网络配置,添加http server(可选)和websocket server

复制websocket server的token

两个插件选一个即可,建议用openclaw_qq,因为目前@izhimu/qq插件似乎群里有人发消息就一定会回复且不支持/model等命令(可能要自己研究怎么配置或修改源码?),而openclaw_qq在群@机器人的名字或设置关键词触发

插件1(推荐):

在另一个终端执行cd ~/.openclaw/extensions && git clone https://github.com/constansino/openclaw_qq.git qq命令给openclaw安装插件,然后执行cd ~/.openclaw/extensions/qq && pnpm install 2>&1 | tail -20编译安装

插件2:

执行pnpm openclaw plugins install @izhimu/qq给openclaw安装插件,如果你的openclaw不是通过pnpm安装则去掉pnpm,下同

输入pnpm openclaw gateway restart重启,然后打开http://127.0.0.1:18789/channels,粘贴websocket的token,点击保存,过一会看到yes即成功连接

如果qq机器人回复出现Connection error(这里已经换成小号当QQ机器人,防止主号乱发消息被封),去用户目录的.opneclaw里,比如/Users/Zhuanz/.openclaw,打开openclaw.json,找到channels,再找qq,将enable改为true;如果还是这样,看看agents.defaults.model.primary是不是本地 ollama 模型且此时没启动ollama(注意在网页或tui输入/model等命令要在对应的qq聊天session执行才对qq机器人有效)

之后执行pnpm openclaw gateway restart或其他命令重启,测试效果,如果你的openclaw不是通过pnpm安装则去掉pnpm,下同

用@izhimu/qq插件的情况

已经成功回复,但如果是用@izhimu/qq插件不会对聊天中直接发/model等命令执行且给结果,只有让对话中强调执行这个命令才有效,但在openclaw_qq可以直接执行命令给结果(下图)

openclaw_qq配置参考

插件功能差异对比(原因:目前这个QQ 插件缺少 CommandAuthorized 参数)

插件finalizeInboundContext 参数命令支持
飞书包含 CommandAuthorized: commandAuthorized✅ 支持
QQ缺乏 CommandAuthorized 参数❌ 不支持

两个 QQ 插件功能对比

1)配置项对比

功能@izhimu/qqopenclaw_qq说明
wsUrlWebSocket 地址
accessToken访问令牌
enable启用开关
requireMention✅ 默认 true群聊需要 @ 才触发
keywordTriggers关键词唤醒
admins管理员列表
adminOnlyChat仅管理员可触发
allowedGroups群白名单
blockedUsers用户黑名单
systemPrompt自定义人设
historyLimit历史消息注入
autoApproveRequests自动通过好友 / 群邀请
enableTTS语音回复
enableGuildsQQ 频道支持
rateLimitMs✅ 默认 1000ms发送限速防风控
antiRiskModeURL 风控规避
maxMessageLength✅ 默认 4000消息分片
formatMarkdownMarkdown 转纯文本
showProcessingStatus群名片显示 "输入中"
sharedMediaHostDir跨容器媒体共享

2)核心功能差异

功能@izhimu/qqopenclaw_qq原因
群聊 @ 触发❌ 所有消息都回复✅ 默认仅 @ 触发新插件有 requireMention 配置
关键词唤醒✅ 如 "小助手"新插件有 keywordTriggers
管理员命令✅ /model, /status 等新插件实现了命令处理
/model 命令✅ 仅管理员新插件支持模型切换
群白名单新插件有 allowedGroups
用户黑名单新插件有 blockedUsers
风控优化✅ 限速、URL 规避新插件针对 QQ 风控设计
戳一戳响应新插件处理 poke 事件
自动通过请求新插件有 autoApproveRequests
消息去重新插件有 enableDeduplication
空回复兜底新插件有 enableEmptyReplyFallback

2.自定义域名发送邮件

打开https://resend.com/signup注,密码需要至少12位,注册完需去邮箱验证

打开邮箱进行验证

添加API key,并复制

查找能发邮件的skills(find-skills安装可见教程https://blog.ZEEKLOG.net/weixin_55221858/article/details/158179110

可执行npx skills add resend/resend-skills@send-email -g -y安装

测试成功,默认只能发注册resend账户的邮箱,要发送任意邮箱需添加域名

添加自己的域名,地区随便选,然后点击Add domain

点击允许接收,再点击添加记录

需要添加的全部记录清单

从这个界面可以看到需要添加以下记录:

类型主机记录(Name)记录值(Content)优先级用途
TXTresend._domainkeyp=MIGfMA0GCSqG[...]-DKIM 签名(必需)
MXsendfeedback-smtp.[...]amazonses.com10退信处理(必需)
TXTsendv=spf1 include[...]nses.com ~all-SPF 验证(必需)
TXT_dmarcv=DMARC1; p=none;-DMARC 策略(可选但强烈建议)
MX@inbound-smtp.e[...]amazonaws.com10接收邮件(可选,如果你不需要收邮件可以不填)

以阿里云为例

验证通过,由Pending变成Verified

成功接收邮件

参考教程:

1.https://blog.ZEEKLOG.net/qq_14956715/article/details/157942635

2.https://blog.ZEEKLOG.net/m0_60046831/article/details/157696672

3.https://napneko.github.io/

创作不易,禁止抄袭,转载请附上原文链接及标题

Read more

Claude Code安装与使用完全指南:2026 年最前沿的 AI 编程助手

Claude Code安装与使用完全指南:2026 年最前沿的 AI 编程助手

文章目录 * 前言 * 一、什么是 Claude Code? * 1.1 定义与定位 * 1.2 技术优势 * 二、安装前的环境准备 * 2.1 系统要求 * 2.2 前置依赖 * 三、Claude Code 全平台安装教程 * 3.1 安装方式对比 * 3.2 Windows 系统安装 * 3.3 macOS 系统安装 * 3.5 安装后初始化 * 四、配置与优化 * 4.1 配置文件位置 * 4.2 跳过新手引导 * 4.3 接入国产大模型(免翻墙方案)

开箱即用的AI绘画工具:Z-Image-Turbo UI界面实测

开箱即用的AI绘画工具:Z-Image-Turbo UI界面实测 你是否试过下载一堆依赖、配置环境变量、反复调试端口,只为让一个AI绘图工具跑起来?又或者,刚点开网页就弹出“登录”“注册”“开通会员”,结果生成一张图要等三分钟,还带水印?今天要聊的这个工具,没有这些烦恼——它不联网、不传图、不注册,双击启动后,浏览器里输入一个地址,三秒进界面,五秒写提示词,十秒出高清图。它就是Z-Image-Turbo_UI界面镜像,一个真正意义上“开箱即用”的本地AI绘画方案。 这不是概念演示,也不是简化版Demo,而是完整可用的生产级UI:支持中文提示词理解、实时预览、多尺寸输出、历史图库管理,所有操作都在浏览器里完成,模型全程运行在你自己的设备上。接下来,我会带你从零开始,不跳步骤、不绕弯子,真实还原一次完整的使用过程——包括怎么启动、怎么调参、怎么保存、怎么清理,甚至怎么避开新手最容易踩的三个小坑。 1. 启动服务:

AI 研发提效指南:Copilot与Cursor在敏捷开发中的实战技巧

1. 敏捷开发新搭档:Copilot与Cursor的定位与分工 在敏捷开发的快节奏世界里,每个迭代周期都像是一场与时间的赛跑。需求变更频繁,交付压力巨大,传统的开发工具和流程有时会显得力不从心。我自己在团队里就经历过无数次这样的场景:为了赶一个功能上线,加班加点写代码、做测试,最后发现还是漏掉了一些边界情况。直到我开始系统性地使用 GitHub Copilot 和 Cursor,整个开发体验才发生了质的变化。 简单来说,你可以把 Copilot 看作是你 IDE 里一个经验丰富的“结对编程”伙伴。它深度集成在 Visual Studio Code、IntelliJ IDEA 这些你熟悉的编辑器里,能根据你写的注释或者已有的代码上下文,实时给出下一行甚至下一段代码的建议。我实测下来,在编写一些模板化的代码,比如工具函数、DTO对象、枚举类时,效率提升非常明显,基本上敲完注释,按一下 Tab 键,完整的代码就出来了。它的核心优势在于 “实时、无缝、

Fun-ASR模型替换实践:自定义训练模型接入步骤详解

Fun-ASR模型替换实践:自定义训练模型接入步骤详解 1. 引言 如果你用过Fun-ASR WebUI,可能会觉得它的语音识别效果已经相当不错了。但有时候,你可能会遇到一些特殊场景——比如你的业务里有大量行业术语,或者你需要识别带地方口音的方言,又或者你对识别速度有极致要求。这时候,通用的预训练模型可能就不够用了。 这时候,一个很自然的想法就出现了:能不能把我自己训练的模型,替换到Fun-ASR WebUI里用呢? 答案是肯定的。今天我就来详细讲讲,怎么把你自己训练的语音识别模型,无缝接入到Fun-ASR WebUI系统中。整个过程其实没有想象中那么复杂,只要你跟着步骤走,大概半小时就能搞定。 2. 准备工作:了解Fun-ASR的模型结构 在开始替换之前,咱们先花几分钟了解一下Fun-ASR的模型是怎么组织的。这能帮你少走很多弯路。 2.1 Fun-ASR模型的基本组成 Fun-ASR的模型通常包含三个核心部分: 1. 声学模型:负责把音频信号转换成音素或字符的概率分布 2. 语言模型:负责根据上下文预测最可能的文字序列 3. 解码器:把声学模型和语言模型