简介:本文围绕 OpenClaw 搭建私人 AI 助手,讲清飞书与纸飞机(Telegram)接入流程、模型 API 配置、技能与记忆设置,并给出常见问题排查思路,帮助你从零完成可对话、可执行任务的助手部署。
OpenClaw 最近热度很高,本质上是一个开源的 AI 助手网关。它可以把 Claude、GPT 或其他大模型能力接入飞书、纸飞机(通常指 Telegram)、微信等聊天工具,让你不用打开网页,也能随时给 AI 发消息、让它执行任务。对于想搭建“小龙虾 AI 私人助手”的用户来说,OpenClaw 的价值在于把模型、渠道、技能和记忆整合到一个可运行的服务里。
如果你刚开始准备动手,建议先完成三件事:准备运行环境、接入聊天渠道、配置模型 API。若你还在犹豫 OpenClaw 后面接哪个模型更合适,可以先通过 百度智能云词元所 了解模型发现、价格对比和统一 API 接入方式,再决定底层模型服务。
OpenClaw 的核心能力可以概括为四类:
换句话说,OpenClaw 不是一个单纯的大模型网页,而是一个可部署、可接入、可扩展的 AI 助手运行框架。
在开始接入飞书和纸飞机之前,建议先准备以下环境:
在部分开发机场景中,可以通过 SSH 端口转发访问 OpenClaw 的本地管理端口。例如,将开发机的 18789 端口映射到本地后,可以通过带 token 的本地地址进入管理界面。这种方式适合本地调试,但如果要接入飞书或 Telegram 的公网回调,仍然需要保证对应服务具备公网访问能力。
另外,OpenClaw 本身通常不提供底层大模型,而是连接外部模型服务。因此你需要提前确认模型接口是否兼容 OpenAI 格式,以及调用地址是否需要拼接 /v1 路径。在部署模型服务时,调用地址、鉴权方式和模型名称是最容易出错的三个点。
飞书接入是很多用户搭建私人助手的第一步。整体流程如下:
创建企业自建应用
登录飞书开放平台,创建一个企业自建应用,获取 App ID 和 App Secret。
开启机器人能力
在应用能力中添加机器人,配置机器人名称、头像和描述。
配置事件订阅
飞书需要将用户消息事件推送到 OpenClaw 的回调地址。因此你需要填写一个公网可访问的 URL,并配置对应的验证信息。
申请必要权限
常见权限包括读取消息、发送消息、获取群信息、上传或下载文件等。建议按照最小权限原则开通,避免后续发布审核时遇到权限不足问题。
发布应用并测试
应用配置完成后,发布版本,并将机器人添加到群聊或开启单聊。随后在 OpenClaw 中填写飞书渠道配置,发送一条测试消息,确认是否能正常回复。
飞书接入最常见的问题是回调地址不可访问。如果你使用的是本地开发机,直接填写 127.0.0.1 通常无法被飞书访问,需要通过公网地址、反向代理或内网穿透工具暴露服务。
“纸飞机”一般指 Telegram。接入步骤相对简单:
@BotFather。/newbot 创建一个新的 Bot。如果使用 Webhook 模式,需要提供一个公网 HTTPS 地址。例如可以通过类似下面的命令设置回调地址:
curl "https://api.telegram.org/bot<你的Token>/setWebhook?url=https://你的域名/openclaw/telegram"
如果暂时没有公网 HTTPS 环境,也可以先使用长轮询模式进行本地测试。不过需要注意,Telegram 对网络环境有一定要求,若服务器所在网络无法稳定访问 Telegram API,可能会出现消息收发失败的问题。
接入完成后,可以在 Telegram 中向 Bot 发送 /start 或一条普通消息,观察 OpenClaw 是否能收到并返回结果。
OpenClaw 接入聊天工具后,还需要连接一个模型服务。大多数模型服务会提供 OpenAI 兼容接口,因此配置时通常会涉及以下字段:
base_url:模型服务地址。api_key:调用密钥。model:模型名称。一个典型的调用请求可以写成:
curl https://你的模型服务地址/v1/chat/completions \-H "Authorization: Bearer $API_KEY" \-H "Content-Type: application/json" \-d '{"model": "你的模型名称","messages": [{"role": "user", "content": "你好"}]}'
如果调用失败,可以按以下顺序排查:
api_key 是否正确,是否带有 Bearer 前缀。base_url 是否需要拼接 /v1。model 字段是否与模型服务提供的名称一致。在模型选型时,不建议只看单价。实际使用中还要综合考虑上下文长度、响应速度、稳定性、并发能力和任务适配程度。如果你需要对比不同模型的能力和调用成本,可以通过 词元所模型服务 做进一步了解和选型评估。
OpenClaw 比普通聊天机器人更强的地方,在于它可以扩展技能和记忆。
你可以把常用能力封装成技能,例如:
技能设计的关键是输入输出清晰。一个技能最好只负责一个明确任务,这样更容易调试,也方便后续复用。
如果任务比较复杂,可以把不同职责拆给不同 Agent。例如:
多 Agent 的优势是职责清晰,但也要注意上下文传递和权限隔离,避免不同 Agent 之间互相干扰。
长期记忆可以让助手记住用户偏好,例如常用称呼、工作习惯、项目背景等。不过记忆并不是越多越好。建议设置记忆容量、过期时间和清理策略,否则历史上下文会不断膨胀,导致 Token 消耗增加、响应变慢。
优先检查:
优先检查:
优先检查:
base_url 是否正确。/v1 路径。api_key 是否有效。可以从三个方向优化:
如果你需要统一管理多个模型调用,也可以借助 大模型 API 服务平台 进行模型接入、调用管理和成本评估。
OpenClaw 的保姆级搭建思路并不复杂:先部署运行环境,再接入飞书和纸飞机,随后配置模型 API,最后逐步添加技能、多 Agent 和长期记忆。真正决定助手体验的,不只是 OpenClaw 本身,还包括模型选择、提示词设计、工具调用稳定性和上下文管理。
对于初学者,建议先用一个简单模型跑通“飞书或 Telegram 收发消息”的最小闭环,再逐步扩展技能。这样既能快速看到效果,也方便定位问题。