OpenClaw这么火，用它做个飞书助手怎么样？

发布时间：2026-03-20 17:46:17

OpenClaw凭借出众的能力爆火出圈，如果将它集成到飞书中做成专属智能助手，能大幅提升日常办公效率，让文档总结、消息处理、任务协同更智能高效。想要稳定落地这一场景，一块靠谱的边缘硬件平台必不可少。

飞凌嵌入式OK1126B-S开发板作为一款基于瑞芯微RK1126B处理器打造的边缘AI视觉板卡，集成4个ARM Cortex-A53高性能核心，具备3TOPS@INT8的AI计算能力，可轻松完成端侧轻量化AI模型实时推理，性能高、功耗低、私密性强的特性，让它非常适合作为本地AI Agent的运行平台。

系统方面，推荐使用Debian/Ubuntu等完整Linux发行版，方便通过apt安装依赖库与AI相关组件；不建议使用精简Linux（如Buildroot），否则在开发和部署过程中会增加环境搭建成本。

在本文中，小编将为大家介绍本地私有化模型部署以及访问云端模型API的方法。

1、安装 OpenClaw

curl-fsSL https://openclaw.ai/install.sh | bash

安装完成后进入引导界面，如果没有出现下述界面，可以在终端输入 :

openclaw onboard--install-daemon

进入引导界面后，依次选择：yes → QuickStart → Use existing values

如果您有带NVIDIA GPU的服务器，可以跳转到1.2适配本地模型章节，在您的服务器上部署免费的模型。

1.1 接入云端付费模型

然后进入到模型选择界面，此处我们选择Qwen免费模型进行体验，如果您拥有付费模型的API，此处选择相应的模型即可。

以接入Qwen模型为例，此处点击链接登录后即可免费体验Qwen模型：

1.2 接入本地模型（选择云端模型API，跳过此章节）

1.2.1 服务器端安装Ollama

最低配置：

内存：4GB（跑1B-3B小模型）

存储：10GB空闲空间

系统：Linux/macOS 12 /Windows 10

推荐配置：

内存：16GB （跑7B-14B模型）

显卡：NVIDIA 8GB 显存（GPU加速）

存储：50GB SSD

curl-fsSL https://ollama.com/install.sh | sh

上述脚本会下载最新版本的Ollama并且自动创建系统服务、启动后台进程，安装完成后，执行下述命令，如果出现版本号，则说明安装成功：

ollama--version

1.2.2 修改Ollama service服务

Ollama service服务默认运行在 127.0.0.1 上，无法满足远程调用的需求，因此需要修改对应的 service 服务。

vi/etc/systemd/system/ollama.service

在[Service]区域添加：

Environment="OLLAMA_HOST=0.0.0.0"

添加后如下所示：

然后重启服务即可：

sudo systemctl daemon-reload sudo systemctl restart ollama

1.2.3 下载并运行指定模型

执行下述命令后，会自动下载指定模型并运行，此处我们选择qwen3.5-9b 模型，请根据实际服务器情况选择模型下载。

注：在https://ollama.com/library目录下，你可以看到 Ollama支持的所有模型。

ollamarun qwen3.5:9b

此时，可以使用如下命令，在OK1126B-S上测试对话，正常情况下执行该命令后，会得到一长串的输出：

curl http://${服务器IP地址}:11434/api/chat -d '{ "model": "qwen3.5:9b", "messages": [ {"role": "user", "content": "你是谁"} ] }'

1.2.4 OpenClaw配置

使用本地模型时，需要对OpenClaw的配置文件进行手动配置，配置方法如下：

Step1：编辑OpenClaw配置文件

vi ~/.openclaw/openclaw.json

Step2：将下述内容粘贴进入openclaw.json，并按照步骤三的说明进行修改适配

{ "meta": { "lastTouchedVersion": "2026.3.8", "lastTouchedAt": "2026-03-12T01:44:37.610Z" }, "wizard": { "lastRunAt": "2026-03-12T01:44:37.566Z", "lastRunVersion": "2026.3.8", "lastRunCommand": "onboard", "lastRunMode": "local" }, "auth": { "profiles": {} }, "models": { "providers": { "ollama-remote": { "baseUrl": "http://192.168.1.111:11434/v1", "apiKey": "sk-no-key-required", "api": "openai-completions", "models": [ { "id": "qwen3.5:9b", "name": "Qwen 3.5 9B (Remote Ollama)", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 32768, "maxTokens": 8192 } ] } } }, "agents": { "defaults": { "model": { "primary": "ollama-remote/qwen3.5:9b" }, "models": { "ollama-remote/qwen3.5:9b": { "alias": "qwen" } }, "workspace": "/root/.openclaw/workspace", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } } }, "tools": { "profile": "coding" }, "messages": { "ackReactionScope": "group-mentions" }, "commands": { "native": "auto", "nativeSkills": "auto", "restart": true, "ownerDisplay": "raw" }, "session": { "dmScope": "per-channel-peer" }, "gateway": { "port": 18789, "mode": "local", "bind": "loopback", "auth": { "mode": "token", "token": "4893303352c56f5e9acbb076cc47c5398bb8df525fed4699" }, "tailscale": { "mode": "off", "resetOnExit": false }, "nodes": { "denyCommands": [ "camera.snap", "camera.clip", "screen.record", "contacts.add", "calendar.add", "reminders.add", "sms.send" ] } }, "plugins": { "entries": {} } }

Step3：配置字段修改适配

（1）models.providers 下面的 key 可以自定义填写，比如我这里填写的是 "ollama-remote"；

（2）baseUrl 字段需要填写服务器的地址，即1.3中使用 curl 进行测试时的地址，比如我此处的地址 "http://192.168.1.111:11434/v1"；

（3）apiKey 字段可以随便填写，但不能不写；

（4）api 字段需要根据模型的输出接口形式确定，ollama 输出的是标准的 openai 形式，故此处就是 openai-completions；

（5）models 字段下的 id 需要严格匹配 ollama 中的模型名，而 name 字段则可以随便写；

（6）agents 字段注意修改 primary 字段以及 models 字段的 key 值，修改为 " models.providers 下面的 key / models.id", 即我此处设置的 "ollama-remote/qwen3.5:9b"

配置完成后，重新在命令行输入"openclaw onboard" 进入引导界面。

1.2.5 选择本地模型

选择模型阶段，直接跳过即可。

然后选择 All providers

如果您在此之前没有配置过，直接点击此处的Keep current即可，后面括号中会自带刚才配置中写的模型。

1.3 基础配置

以下基础配置仅适用于初次验证，没有集成额外功能，按照图中依次选择即可。

如果您是第一次安装, 会自动安装 Gateway service，如果不是，选择 Rstart 即可。

如果是第一次安装，会出现启动方式，其中 TUI 是终端命令行输入，Web UI则是在OK1126B-S开发板连接的显示器上跳出Web界面进行操作。

如果没有上述选择启动方式的界面，也可以手动输入下述命令进入终端。

openclawtui

然后就可以正常对话啦：

2、打造自己的飞书智能助手

2.1 创建飞书应用

进入飞书开发者后台：https://open.feishu.cn/app，点击"创建企业自建应用"

填写"应用名称"和"应用描述"后，点击"创建"按钮：

在"凭证与基础信息"一栏中，复制 App ID 以及 App Secret, 后续配置时需要使用：

2.2 配置OpenClaw

在OK1126B-S开发板上输入下述命令安装并查看飞书插件

openclaw plugins enable feishu openclaw plugins list

Feishu 一栏显示 Loaded 即代表启动成功

然后进入 OpenClaw 配置界面，并选择 Yes

openclaw channelsadd

然后再选择 "Feishu/Lark（飞书）"

选择 "Enter App Secret"：

依次输入 2.1 步骤中复制的 App Secret 以及 App ID

然后设置连接模式为 "WebSocket"，并使用国内域名：

此处选择"Open"策略，响应所有群聊，注意： Allowlist 策略只响应白名单中的群聊。

点击 "Finished" 后其他选项选择默认配置即可

2.3 配置飞书机器人

回到我们飞书创建的应用界面，依次点击：添加应用能力→机器人，点击"添加"按钮，开启机器人能力：

然后依次点击：权限管理→批量导入/导出权限：

批量导入/导出权限界面，粘贴以下json，启用权限：

{ "scopes": { "tenant": [ "aily:file:read", "aily:file:write", "application:application.app_message_stats.overview:readonly", "application:application:self_manage", "application:bot.menu:write", "cardkit:card:read", "cardkit:card:write", "contact:user.employee_id:readonly", "corehr:file:download", "event:ip_list", "im:chat.access_event.bot_p2p_chat:read", "im:chat.members:bot_access", "im:message", "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource" ], "user": ["aily:file:read", "aily:file:write", "im:chat.access_event.bot_p2p_chat:read"] } }

然后依次点击：下一步，确认新增权限→申请开通