2026年5月，xAI公司正式发布了Grok 4.3。这款模型被业界称为“实时推理之王”，核心在于它不再依赖训练时固定的知识截止日期。传统大模型在训练完成后，知识库就冻结了，遇到最新事件只能靠猜测或编造。Grok 4.3改变了这一局面，它能够实时接入X平台的海量推文、专家讨论和突发新闻，在推理过程中动态更新上下文信息。

这种设计带来的直接好处是，当询问一个刚刚发生的事件时，Grok 4.3可以基于真实的最新信息进行推理，而不是依靠几个月前的训练数据。对于需要跟踪最新政策、科技动态或市场舆情的团队来说，这个特性价值非常突出。

Grok 4.3的技术基础

混合专家架构与测试时计算

Grok 4.3采用了更先进的MoE（混合专家架构）。简单来说，MoE架构将模型拆分成多个“专家”子网络，每次推理时只激活其中一部分专家。Grok 4.3的激活参数比例进一步降低，这意味着在保持顶级性能的同时，推理成本大幅下降。对于中小企业和个人开发者，这种“高性能低成本”的平衡极具吸引力。

更关键的是强化测试时计算机制。当模型面对复杂问题时，它能够主动进行多轮自我验证与路径探索。比如解决数学证明题时，Grok 4.3会先尝试一种解法，然后自动检查逻辑漏洞，发现错误后重新规划路径，最终输出完整且可解释的推理链。这种机制让它的输出不仅准确率高，而且逻辑链完整，被国际评测广泛认为“最接近人类专家思考方式”。

与国际顶尖模型的全面对比

为了清晰展示Grok 4.3的定位，下面从六个核心维度对比2026年全球主流旗舰模型。

从表格可以看出，Grok 4.3在实时知识深度和开放工具调用能力上形成明显领先优势。传统学术基准上与Claude Opus 4.7、GPT-5.5保持同一梯队，综合实力位居全球第一梯队前列。

成本方面，Grok 4.3的MoE路由机制让实际激活参数控制在极低水平。在相同硬件条件下，推理速度与成本表现优于同级密集模型。对国内开发者而言，这种平衡非常实用。

国产模型与Grok 4.3的真实差距

2026年5月，国内“基模五强”已经实现了历史性突破。中国模型与国际顶尖模型的平均性能差距缩小至2.7%左右，部分基准甚至实现反超。但在三个核心维度上，Grok 4.3仍保持明显优势。

实时信息获取方面，Qwen3.6-Max的全模态与智能体编程能力极强，成本极低，但实时知识更新速度落后于Grok 4.3。复杂多步Agent执行方面，DeepSeek-V4在国产昇腾深度适配下表现优异，但长上下文复杂逻辑链表现稍逊。跨领域综合推理方面，GLM-5.1的SWE-Bench Pro国产第一，Agent框架成熟，但实时数据融合能力仍有差距。

文心5.0在视频理解与多模态生成上领先，但开放工具调用与实时性仍需加强。差距正在快速缩小，但Grok 4.3在“实时+推理+开放”三维度的综合平衡上，目前仍是国内开发者最值得重点体验的顶级选项。

值得注意的是，在成本控制、国产算力适配、特定垂直领域上，部分国产模型已实现对Grok 4.3的反超。例如DeepSeek-V4在华为昇腾平台上的推理效率与Qwen3.6在长视频理解上的表现，均达到或超过国际同级水平。国内开发者完全可以采用“国产模型主力 + Grok 4.3关键场景补充”的混合策略，实现最优性价比。

实战场景中的真实表现

在真实开发与研究场景中，Grok 4.3的实力得到充分验证。某国内互联网公司使用Grok 4.3一次性分析百万行微服务代码仓库，3小时内完成原有架构的全面优化建议，代码审查通过率提升47%。这个案例说明，Grok 4.3处理超大上下文的能力不是摆设，而是能直接产生商业价值。

高校科研团队借助Grok 4.3的X平台实时数据流，在模型发布后24小时内完成对最新AI安全论文的综述与实验设计，效率提升超过3倍。对于需要快速跟进前沿研究的团队，这种能力非常关键。

某fintech公司将Grok 4.3接入内部风控系统，实现从舆情监控、数据抓取、风险评估到报告生成的端到端自动化，人工介入率下降至12%以下。这些案例充分证明，Grok 4.3不是“玩具级模型，而是真正能产生商业价值的生产力工具。

国内开发者如何合规体验

面对地理与监管限制，国内开发者可通过专业聚合网关服务实现安全、稳定、低延迟访问。推荐直接使用浏览器端镜像站，无需任何额外配置即可完整体验Grok 4.3的全部能力，包括实时X数据调用与长上下文对话历史保存。

具体操作步骤如下：

第一步，打开浏览器，访问镜像站地址。镜像站通常提供与官方相同的界面，无需安装任何软件。

第二步，注册账号并登录。建议新用户先开通短期会员验证实际效果，再根据项目需求决定长期方案。

第三步，在对话界面输入问题。可以直接询问最新新闻事件，测试实时数据能力。也可以上传长文档或代码仓库，测试长上下文处理能力。

该平台已完成智能协议转换与结果加密回传，全面符合国内互联网管理要求，同时支持多模型一键切换，方便开发者进行横向对比测试。

未来演进与选型建议

展望2026年下半年，Grok 4.3系列有望在多模态原生能力与端侧部署上进一步突破。xAI团队已公开表示将持续强化实时数据管道与Agent自主执行深度。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

最近整理 GPT Image 2 提示词时，发现这类图像提示词最有参考价值的地方，不只是“复制一句话去生成图片”，而是看它怎么描述画面结构、风格、构图和细节。

这里有一个比较完整的 GPT Image 2 提示词图库，可以搜索和按分类浏览。

下面直接挑 15 个偏中国元素、中国城市、国风审美、中文语境的提示词案例。每个案例都可以当作模板用，里面的城市、标题、人物、场景都可以按自己的需求替换。

1. 中国水墨风西安海报

适合：城市宣传、文旅海报、国风旅游视觉。

一张精致的中国文化旅游海报，背景为纹理质感的米白色宣纸，留白充裕。画面采用优雅的水墨笔触构图，从左下角向右上角呈对角线向上蜿蜒，宛如一条流动的墨色长河。在最左侧边缘，展示 1 支正在入画的传统中国毛笔，笔尖仿佛正在勾勒出整幅场景。在流动的笔触中，描绘西安的微缩历史景观：沿曲线路径排列 3 座主要建筑地标，包括左下方 1 座古老的城门，拥有灰色石墙、拱形入口、城垛和双层歇山顶城楼；中间 1 座宏伟的传统亭台或宫殿，配有绿瓦、红木梁、高台基和台阶；以及右上角 1 座矗立在阶梯式基座上、周围点缀稀疏树木的高耸砖塔。画面中穿插一条狭窄的蓝绿色河流或水渠，辅以尘土色调、散落的岩石、蜿蜒的小路、细小的灌木以及点点柔和的秋叶红。整个地标小景呈现出一种手工 3D 微缩模型与中国水墨画及浮雕艺术相结合的质感，笔触边缘带有细腻的喷溅墨点。在画面左下方的水墨场景下方，放置 1 行醒目的黑色粗体毛笔书法“西安”。下方配有 2 行整齐的中文小字：“春风得意马蹄疾，一日看尽长安花”和“十三朝古都·丝路起点”。在文字附近添加 1 枚红色印章。整体风格：诗意、高端、博物馆级城市宣传艺术品、中国传统美学、柔和暖光、高细节、构图平衡、竖版海报布局。

2. 手绘城市美食地图览

适合：城市攻略、美食地图、本地生活内容。

手绘地图信息图，复古羊皮纸上的水彩墨水手绘插画。标题为“成都 吃货暴走地图”，搭配戴着墨镜并竖起大拇指的卡通红辣椒。边框装饰为绿叶与红辣椒藤蔓。背景为带有黄色道路、蓝色河流和绿色公园区域的纹理米色羊皮纸。

地图中包含地标建筑、美食地点和图例。地标建筑包括传统凉亭、传统寺院、带有攀爬熊猫的现代摩天大楼、高耸的电视塔、传统牌坊和工业建筑，标签包括人民公园、文殊院、IFS、339电视塔、宽窄巷子、东郊记忆。

美食地点共 12 个，包括麻婆豆腐、红油水饺、冷锅串串、三大炮、蛋烘糕、九宫格火锅、肥肠粉、钵钵鸡、冒菜、盖碗茶、冰粉、兔头。每个地点配有编号、插画和中文标签。

画面中心是一只坐着吃竹子的大熊猫。右下角加入复古罗盘和红辣椒图标提示语：“温馨提示：吃辣需谨慎，肠胃要保护~”。整体风格活泼、复古、信息密集，但保持清晰可读。

3. 致敬郑问的水墨风格海报

适合：文化人物、艺术家介绍、展览视觉。

创作一张印在陈年宣纸上的复古编辑海报，以纪念 CHEN UEN。设计风格融合了博物馆信息图表、中国水墨插画与书法。海报为单幅竖构图，背景为风化的羊皮纸，带有墨迹飞溅、褪色的手写批注、红色印章，营造出一种学术性的档案氛围。

在最上方，放置醒目的黑色书法字体“郑问”，后接斜杠及大号衬线体罗马拼音 CHEN UEN，旁边配有一枚小红章。标题下方，添加副标题“The Taiwanese Master Who Turned Comics into Ink-Born Epic”，使用优雅的红褐色衬线字体。

画面中心展示一幅充满戏剧性的写意场景：1 位男性艺术家身着宽松白衬衫坐在桌前，手持毛笔悬于纸上，面部被柔和的矩形模糊处理。在他身后，环绕着一圈如同光环般的单色水墨武士与历史人物：共 9 个可见人物，包括披甲将军、剑客和骑兵，从爆发式的黑色笔触和烟雾状墨迹中浮现。

左侧为“Life & Milestones”时间线区域，列出 6 条重要年份。右侧为“Visual Method”视觉方法区域，包含 Brush as blade、Ink as atmosphere、Anatomy as fate、History as theatre、Speed lines become calligraphy 等图文研究。底部为“Why He Matters”说明区域。整体色调采用棕褐色、水墨黑、米白色、柔和灰，并点缀深红色和少许蓝色，呈现精致的文化致敬海报感。

4. 唐代妆容步骤提示词

适合：古风妆容、历史科普、教程图。

六步还原杨玉环的唐代宫廷妆容：花钿 → 斜红 → 面靥 → 点唇 → 画眉 → 贴花。

5. 中国传统艺术与瓷器花瓶

适合：中式产品图、文创产品、包装设计。

一款灵感源自《千里江山图》的丝巾，环绕着王希孟笔下的青绿山水，呈现丝滑质感与柔和光影。

一款绘有杨贵妃赏花图的粉彩瓷瓶，融合了御窑风格的牡丹与蝴蝶纹饰。

6. 梦幻东方女性肖像

适合：头像、人像写真、东方美学视觉。

梦幻东方女性肖像，成年女性，特写肖像，精致的五官，白皙透亮的皮肤，细腻而干净的皮肤纹理，翡翠绿色的双眼，柔和迷人的目光，棕色波浪卷发自然垂落；米白色蕾丝头饰，点缀着绿松石蝴蝶和珍珠装饰；身着精致的蕾丝礼服，结构清晰，纹理简洁而不繁复，搭配翡翠首饰；光影采用柔和的暖金色侧逆光，轮廓光清晰但不曝光过度，皮肤带有微弱高光但无过度反光，整体光感通透干净，背景柔焦虚化，浅景深效果；高端肖像摄影品质，细节清晰且内敛，无颗粒感，无噪点，真实物理光影，8K，商业级画质。长宽比：9:16。

7. 微缩城市天气海报

适合：天气 App、城市主题视觉、社交媒体海报。

一张适用于智能手机的竖版天气海报，主题为成都，设计风格为梦幻般、超精细的微缩立体模型城市景观，背景为明亮的蓝天。在顶部中心位置，放置醒目的白色粗体中文城市名称，带有柔和的 3D 深度感和轻微的投影效果。在名称正下方，居中放置一个由圆润造型构成的蓬松白色云朵图标。图标下方，添加一行较小的白色文本显示“2026-04-22 星期三”，接着是一行较大的白色粗体温度文本“28° / 18°”，最后再添加一行居中的白色天气状况文本“多云”。

在下半部分，打造一个融合中国传统水乡建筑与现代天际线的迷人城市：平静的绿松石色运河环绕着小岛，前景有 2 座小型拱形石桥，左侧岛屿上有一座凉亭，右侧中心附近有一座高大的多层宝塔，错落有致的灰瓦传统民居和店面，摆放着遮阳伞的户外茶桌，茂密的柳树、灌木、花卉以及水面上几艘小船。

远景处展示现代化天际线，包含许多玻璃摩天大楼和 1 座显眼的针状观光塔。采用温暖晨光、电影级空气透视感、浅景深、移轴微缩摄影美学、高度逼真的材质、水面细腻倒影，以及精致且充满奇趣的旅游海报氛围。

8. 高端谷物粉电商项目

适合：电商主图、详情页、食品饮品广告。

中国电商产品营销项目。产品为速溶谷物粉饮品，品牌为“五谷磨房”，产品名为“核桃芝麻黑豆粉”。包装为哑光黑色零售包装盒，配有金色中文字体，正面印有大型漩涡状碗图案，内含独立黑色小袋，净含量 320g（32g×10袋）。

整体风格为高端深色食品广告排版，色彩包括黑色、深棕色、暖金色、米色、核桃棕。灯光为戏剧性的摄影棚灯光，带有光泽高光和暖色轮廓光。氛围奢华、滋养、健康、诱人。

版式为单个长幅复合项目，分为 5 个主要部分及底部故事板表格，包括主图、详情页、香浓细腻卖点区、冲泡方式、生活场景、独立小袋展示和视频广告分镜脚本。

画面中包含黑芝麻、黑豆、黑米、核桃、谷物粉、透明玻璃杯中的浓稠灰褐色饮品、金属勺、散落食材、深色桌面、食材碗、产品盒与独立小袋。标题字体为金属金色粗体中文字体，正文为简洁无衬线中文字体，搭配细金色分割线和圆形食材边框。整体为超细节商业设计样机，精美电商主视觉图、详情页及广告故事板，4K。

9. 怀旧中国校园小卖部场景

适合：怀旧影像、生活化照片、年代感内容。

一张极具写实感的纪录片风格街头照片，拍摄于中国的一座老旧小镇，展现了斑驳的灰泥墙和裸露砖墙映衬下的怀旧小学小卖部。主体是一家极小的路边店铺，挂着一块褪色的红色招牌，上面写着“小卖部 便民商店”，屋顶是风化的黏土瓦片，配有生锈的金属支架。右侧背景中，一座混凝土校门上方悬挂着醒目的红色标语“好好学习 天天向上”，校门为紧锁的铁门。

小卖部前，4 名身穿蓝白相间中国校服的小学生排成松散的队列，主要以背影和四分之三侧后方视角呈现，每人背着不同素色书包，放学后正在挑选玩具和零食。店主坐在昏暗的店铺内，被商品部分遮挡。

店面挂满了琳琅满目的零食包装袋、糖果、泡泡糖、小型玩具扭蛋、塑料球、棒棒糖、廉价文具、儿童读物和盒装商品。环境应呈现出真实的生活气息：开裂的油漆、剥落的海报、布满灰尘的人行道、不平整的混凝土路面、老墙、柔和的午后阳光、温暖的泥土色调、浅景深、自然瑕疵、真实纹理，以及来自 21 世纪初的记忆视觉感。

10. 中国小学生在街角小店

适合：街头纪实、生活化影像、真实场景参考。

一张写实风格的街头纪录片式抓拍照片，展现了三名小学生在中国一家老式社区便利店购买零食的场景，采用柔和的自然光拍摄。画面以店面视角平视构图，带有轻微的日常快照压缩感，纹理真实，富有层次。

左侧，一名女学生侧身站立，身穿浅粉色拉链外套、深色牛仔裤，佩戴红领巾，扎着马尾辫并戴着白色发带，正低头看着手中的硬币或小物件。中间，一名男学生背对镜头，穿着亮蓝色校服运动套装，背着印有卡通图案的深蓝红色双肩包，身体微微前倾靠向柜台。右侧，一名扎着两个浅粉色发圈低马尾的年幼女学生靠在大型冰柜旁，身穿白色长袖上衣和蓝色运动裤，身旁放着一个粉色书包。

柜台后昏暗的店内，一名身穿印有卡通图案粉色上衣的店主半掩在阴影中。柜台上堆满包装零食、透明塑料袋装糖果、色彩鲜艳的饼干盒、罐子和各类小商品。店面陈旧朴素，米色墙面略有剥落，左侧墙上贴着日历或通知单，配有金属框窗户和开放式服务窗口。人物面部应进行柔和处理或背对镜头，强调写实感与隐私，而非肖像细节。

11. 中国水墨笔触上海海报

适合：上海城市宣传、海派文化、旅游海报。

一张精致的中国城市宣传海报，背景为暖色调的米白色纹理纸。画面左下角伸出一支巨大的传统毛笔，向上挥洒出一道极具张力的笔触，并幻化为一座微缩的雕塑感城市景观。笔触呈现出水墨、水彩与浮雕结合的质感，边缘流畅，形状如浪潮般动感十足。

在笔触内部，描绘上海，将其打造为融合中国艺术风格的优雅微缩景观：东方明珠塔、上海中心大厦以及外滩历史悠久的钟楼建筑，作为精细的建筑模型从笔触中升起。前景加入一条蜿蜒的蓝色河流，点缀 2 艘小船、梯田状堤岸，以及环绕建筑的写意传统云纹，并融入纹理岩石与秋色树木。

配色采用柔和的青蓝色、石米色、浅灰色、铁锈红与水墨黑。整体风格融合中国水墨画、纸雕、浅浮雕微缩建筑与高端旅游海报设计。左下角附近放置醒目的黑色中国书法字“上海”，下方添加 2 行较小的中文宣传文案：“申江潮起千帆竞，海上风来万象新”以及“海派都会・东方门户”。竖构图，艺术作品居中，留白充裕，布局极简，细节丰富。

12. 复古中国美食地图海报

适合：地方美食、文旅攻略、城市地图。

一张手绘复古中国旅游美食地图海报，采用水彩与水墨画风格，以俯瞰视角呈现云雾缭绕的山区县城景观。构图为一张风格化的缙云插画地图，带有淡雅的宣纸纹理，背景为柔和的米色，点缀着青灰色山脉、蜿蜒河流、乡村公路、古镇、奇石、竹叶，四角以粉色花卉装裱。

左上角为醒目的艺术书法标题“缙云 山野美食暴走地图”，下方配有小型副标题丝带，写着“黄帝缙云·人间仙都”。中心位置为标注“缙云县城”的县城主城区，周围环绕着连接各个景点与当地美食的插画路线。

包含 12 个带编号的美食站点，每个站点在地图对应位置旁配有一份写实风格的食物手绘图，并带有橙色圆形数字、中文标签及一行简短描述。地图上标注新建镇、壶镇镇、大洋镇、仙都景区、河阳古民居、岩宕书房、蛟龙大峡谷以及缙云县城。右下角添加小型图例框和装饰性罗盘。整体氛围优雅、匠心独运、怀旧且高级，像一张结合地方美食指南与风景地图插画的文化旅游海报。

13. 传统中国青绿山水

适合：国风插画、山水背景、文化封面。

传统中国青绿山水风格，新中式奇幻插画，月下仙境，竖构图。

层峦叠嶂的青绿山峰，山体呈现出宝石般通透发光的质感，青绿色渐变，山脊边缘带有精致的金箔勾勒与金色点缀，山间云雾缭绕。

远景处，一轮巨大的明月高悬于天际，月光洒满山川河流。

近景处，一座精致的古典中式凉亭内透出暖光，四周环绕着苍劲的松树、金色的树木、溪流、瀑布、烟雾及发光粒子，一条河流蜿蜒穿过山谷。

左上角添加竖排手写书法字：东方美学，字号与间距适中。

层次丰富，留白优雅，空灵静谧，梦幻唯美，重彩工笔风格，细节精致，柔和光影，电影级氛围，高端国风插画，超精细，8K，强烈的艺术感，诗意仙境，9:16 比例。

14. 中国城市水墨笔触海报

适合：南京、苏州、杭州等城市宣传海报。

一张极简主义的高端中国城市旅游海报，背景为米白色纹理纸张，留白广阔。一支传统书法毛笔从左下角切入，其一气呵成的笔触幻化为南京的精致微缩景观。

在修长的墨迹形状内，构建一个细腻的立体模型式中国古城场景，包含层叠的山峦、风格化的卷云、淡绿色的水系、石墙以及古典建筑。在笔触左下方，展示 1 座带有灰砖墙和传统屋顶的坚固城门，城垛上插着微小的红旗。在右下方，展示 6 栋紧凑的传统临水建筑，配有深色瓦片屋顶和红色木结构。在右上角，展示 1 条穿过树林通往 1 座宏伟古城楼的宏大阶梯，城楼配有蓝灰色瓦片。

采用墨黑、石灰、柔和青色、淡玉色、米色和柔和土红色的精致配色，融合水墨画、纸雕浮雕和超精细微缩模型的美学风格。笔触边缘呈现干笔擦拭的有机质感，仿佛城市是从笔墨中生长出来的一般。

在笔触下方放置醒目的大字黑色中国书法“南京”。下方添加两行较小的印刷体中文文本：“江南佳丽地，金陵帝王州”和“六朝古都·山水金陵”。整体构图诗意、优雅、高端且富有文化底蕴。

15. 中国五一铁路旅行信息图

适合：小红书旅行攻略、路线规划、假期出行内容。

创作一张精致的小红书风格中国旅行信息图海报，采用柔和的水彩地图美学，方形格式，展示一条穿越中国的五天高铁旅行路线。左上角为醒目的毛笔书法标题：五一出行计划。其正下方添加一条带有白色中文字符的绿色丝带副标题：广州→湖南→武汉→北京。副标题下方添加一行较小的中文文字：“一路向北·发现中国之美”。

背景为米色和浅鼠尾草绿色的中国中北部淡彩插画地图，带有淡淡的山脉纹理、柔和的河流以及角落处微妙的花卉装饰。一条垂直弯曲的铁路线从底部中心向上延伸至顶部中心，连接 4 个城市，并配有橙红色定位针和醒目的红色中文城市名称。从下到上依次为：广州、湖南、武汉、北京。沿途在轨道上放置白色小型高铁图标，并标注 3 个绿色旅行时间标签：“广州→湖南 高铁约 2.5 小时”、“湖南→武汉 高铁约 1.5 小时”以及“武汉→北京 高铁约 4.5 小时”。

在每个城市附近，包含一个风景拼贴画或地标插画群：广州配以现代天际线和广州塔；湖南配以青山和人文景观；武汉配以黄鹤楼和历史建筑；北京配以皇家宫殿建筑。在地图周围放置 4 张圆角矩形行程卡片，配有绿色标题、奶油色背景和照片缩略图。右下角添加备注面板，包含“行程亮点”和“出行小贴士”。底部中心放置“行程总览”，包含总时长、总里程、推荐交通和最佳出行时间。整体使用橄榄绿、鼠尾草绿、米色和暖红色调，将中国传统旅行海报的魅力与现代信息图的清晰度结合起来。

最后简单说一下

这些提示词不一定要原封不动复制。更好的用法是把它们当成模板：

• 城市可以替换
• 标题可以替换
• 文案可以替换
• 主体可以替换
• 风格和构图可以保留

比如“西安海报”可以换成“洛阳海报”，“成都美食地图”可以换成“广州美食地图”，“五一铁路旅行信息图”也可以改成任何一条自己的旅行路线。

真正有用的不是某一句固定 prompt，而是这些提示词里面的结构：主体、场景、风格、细节、文字、构图、用途，都写得比较完整。拿来拆解和改写，会比临时从零开始写方便很多。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

继 OpenClaw 爆火之后，最近 Hermes Agent 也成了大热门。

它们都能通过 Telegram、WhatsApp 与你对话，都能执行代码、管理任务。

但底层的架构逻辑完全不同，选错了会浪费大量迁移成本。

它们的定位是什么

Hermes Agent 是 Nous Research 做的「自我进化型」Agent，核心卖点是内置学习循环：它会从经验中创建技能、在使用中改进、主动推送记忆、还能搜索自己的历史对话。

OpenClaw 是 Peter Steinberger 主导的个人 AI 助手，主打「本地优先、单用户、始终在线」，强调渠道覆盖广和本地设备集成。

技术栈与部署

Hermes 用 Python 写成，安装一行命令搞定：

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bashhermes setup

OpenClaw 基于 Node.js，推荐用 npm 或 pnpm 全局安装：

npm install -g openclaw@latestopenclaw onboard --install-daemon

部署形态上，Hermes 支持六种终端后端：本地、Docker、SSH、Daytona、Singularity、Modal。其中 Daytona 和 Modal 提供 serverless 持久化——闲置时休眠，唤醒时几乎零成本。

OpenClaw 则是本地 Gateway 架构，通过 systemd/launchd 驻留后台，远程访问需要配合 Tailscale 或自建隧道。

核心能力对比

迁移与互操作

Hermes 提供了从 OpenClaw 一键迁移的命令：

hermes claw migrate              # 完整迁移
hermes claw migrate --dry-run    # 预览变更

SOUL.md、记忆、技能、API 密钥、消息配置都能导入。

社区还有 HermesClaw 项目，让两者共用同一个微信账号。

选 Hermes，如果你需要 Agent 自主进化、跨会话记忆、云端 serverless 部署、或者做模型训练相关的工作。

选 OpenClaw，如果你更重本地隐私、需要微信/QQ/飞书等国内渠道、想要 iOS/macOS 原生语音唤醒、或者偏好 Node.js 生态。

两者都开源、都免费、都活跃。

关键区别在于：Hermes 想做一个「越用越懂你」的持续学习系统，OpenClaw 想做一个「随时待命、渠道全覆盖」的个人助理。

明确自己的使用场景就好。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

很多本地 AI 客户端（Kiro、Antigravity、Gemini CLI 等）都内置了诱人的免费模型额度。这些额度原本只能在客户端内部使用，通过特定的开源代理工具，可以将其转换为标准 OpenAI 兼容 API，接入自己的业务系统或第三方 UI，省去一笔不小的费用。

CLIProxyAPI：命令行工具专用代理

这是一个用 Go 开发的高性能代理服务，专门面向习惯在终端使用 AI 工具的用户。它的核心机制是拦截 Codex、Claude Code、Qwen Code、Gemini CLI 等命令行工具的内部请求，然后暴露为标准 API 端点。

项目完整支持流式输出（Streaming）、函数调用（Tool calling）和多模态图片输入。内置多账号轮询与负载均衡，适合整合多个免费账号的并发请求。提供 Docker 一键部署，同时附带可复用的 Go SDK 方便二次开发。

项目地址：https://github.com/router-for-me/CLIProxyAPI

AIClient-2-API：突破限制的全能转换器

基于 Node.js 构建的综合性代理项目，主打协议转换的灵活性。它能把 Kiro、Gemini CLI、Antigravity、Codex、Grok 等客户端的非标准请求，丝滑转换为 OpenAI 兼容格式。

项目内置 TLS Sidecar（Go uTLS），模拟浏览器指纹特征以绕过 Grok 等服务的 Cloudflare 封锁。

附带 Web UI 管理后台，可实时配置、监控健康状态和查看请求日志。

支持 OpenAI、Claude、Gemini 三大协议的智能互转。

项目地址：https://github.com/justlovemaki/AIClient-2-API

Antigravity-Manager：桌面级多账号管家

专为 Antigravity 体系打造的桌面应用，基于 Tauri + Rust + React 开发。区别于前两个项目的命令行定位，它提供了完整的图形界面，适合不想在黑窗口里折腾配置的用户。

核心能力是智能账号分级路由：系统根据账号类型（Ultra/Pro/Free）和配额重置频率自动排序，优先消耗高速重置账号。遇到 429 限流或 401 过期时，毫秒级触发自动重试与静默轮换。支持 Imagen 3 绘图，可通过 OpenAI Images API 或 Chat API 直接调用。

项目地址：https://github.com/lbjlaq/Antigravity-Manager

这种反向代理提取官方免费额度的行为不符合服务条款，平台风控敏锐，检测到异常并发流量会导致账号封禁。务必使用全新注册的测试小号，绝对不要绑定个人主力账号。另外，提取的 API 接口不要给 OpenClaw 使用，其请求特征极易触发严格检测，会导致代理服务和账号双双阵亡。

三个项目各有侧重：CLIProxyAPI 适合命令行重度用户，性能扎实；AIClient-2-API 协议转换灵活，防封控能力强；Antigravity-Manager 则是桌面用户的首选，界面直观且路由智能。根据实际使用场景选择即可。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

Coding Plan 是各大云厂商和 AI 公司推出的「AI 编程订阅套餐」。

交一笔固定月费，就能获得专属 API Key，接入 Claude Code、Cursor、OpenClaw 等工具，让 AI 直接读写代码、运行命令、调试项目。

目前国内六家主要平台都推出了自己的 Coding Plan，但定价策略、模型阵容、用量规则差异很大。

智谱 GLM Coding Plan：三档阶梯与 MCP 生态

智谱 AI 的 GLM Coding Plan 采用 Lite、Pro、Max 三档设计，定价分别为 ¥49/月、¥149/月、¥469/月，连续包季可享 9 折。

这是六家中档位划分最细的一家，意图覆盖从个人学习者到企业级开发者的完整光谱。

智谱的独特价值在于 MCP（Model Context Protocol）工具的完整支持。其 Pro 及以上套餐覆盖视觉理解 MCP、联网搜索 MCP、网页读取 MCP、开源仓库 MCP 等能力，这让 GLM-5 在需要外部信息检索的场景中表现更完整。对于需要频繁查阅文档、搜索最新技术资料的开发者，这是一项实用加分。

工具接入方面，智谱提供了一键安装助手 npx @z_ai/coding-helper，简化了 Claude Code、OpenClaw、OpenCode 等 20 余款工具的配置流程。邀请机制「邀好友，拼好模」提供最高 20% 赠金，上不封顶。

官方地址：https://www.bigmodel.cn/glm-coding?ic=5HHCDQJ8DH

阿里云百炼 Coding Plan：老牌云厂的稳健之选

阿里云百炼的 Coding Plan 是目前国内配套文档最完善的方案。

其核心卖点在于「多模型整合」，一个套餐同时解锁通义千问、GLM、Kimi、MiniMax 四家顶级模型，开发者可以在不同场景下自由切换。

目前仅提供 Pro 高级套餐，定价 ¥200/月。

额度设计采用三重限制：每 5 小时 6,000 次请求、每周 45,000 次、每月 90,000 次。

一个需要警惕的限制：阿里云明确禁止将 Coding Plan 用于 API 调用、自动化脚本或非交互式批量场景，仅限在编程工具中使用。违规可能导致订阅暂停。

官方地址：https://help.aliyun.com/zh/model-studio/coding-plan

腾讯云 Coding Plan：双档位覆盖不同强度

腾讯云提供了 Lite（¥40元/月）和 Pro（¥200元/月） 双档位设计，这是与阿里云最明显的差异。

Lite 套餐面向日常开发与中等强度任务，Pro 套餐则针对复杂项目与高频场景，用量是 Lite 的 5 倍。

模型阵容与阿里云高度重合：Tencent Hunyuan 2.0 Instruct、GLM-5、kimi-k2.5、MiniMax-M2.5。工具支持 Codebuddy、OpenClaw、Claude Code、Cline、Cursor 等主流选择。值得注意的是，腾讯云的 Codebuddy 对 Coding Plan 的自定义配置支持较为完善，这是其生态差异化的一环。

额度耗尽后的策略：Lite 套餐每月额度用完后可升级至 Pro，或等待下月恢复；Pro 套餐则只能等待周期重置。两家云厂都不支持额度超额后的按量续费，这种「硬封顶」设计需要开发者提前评估用量。

官方地址：https://cloud.tencent.com/act/pro/codingplan

MiniMax Token Plan：全模态与极速推理

MiniMax 的 Token Plan 是唯一强调「全模态」能力的套餐，视频、语音、音乐、图像生成全部集成在一个 Key 中。

套餐分为 Starter、Plus、Max、Ultra 四档，且每档均有「标准版」与「极速版」之分。

极速版采用 MiniMax-M2.7-highspeed 模型，宣称约 100 TPS 的推理速度，是同类产品 3 倍生成速度。

每周额度为「每 5 小时额度」的 10 倍，即 Plus 极速版每周可用 15,000 次。邀请机制为双向福利：邀请者获 10% 代金券返利，受邀者享 9 折。

需要留意的是，极速版需手动切换模型至 MiniMax-M2.7-highspeed，默认可能落在标准版模型上。

官方地址：https://platform.minimaxi.com/subscribe/token-plan

Kimi Code Plan：极简入门与会员联动

月之暗面的 Kimi Code 并非独立产品，而是嵌入在 Kimi 会员计划中的开发权益。

这种设计意味着订阅 Code Plan 的同时，自动获得 Kimi 的其他会员能力，适合已经在使用 Kimi 的用户无缝扩展。

四档套餐命名采用音乐速度术语：Andante（行板）、Moderato（中板）、Allegretto（小快板）、Allegro（快板），月费分别为 ¥49、¥99、¥199、¥699，按年订阅可省 20%。

Kimi Code 的额度披露相对模糊，未像其他家那样明确标注「5小时/每周/每月」的具体数字，而是以「每周更新」概括。这种设计可能更依赖实际使用中的弹性调配，但也增加了预估成本的难度。

官方地址：https://www.kimi.com/code

火山引擎方舟 Coding Plan：字节生态与 ArkClaw 联动

火山引擎的方舟 Coding Plan 最大差异化在于与字节跳动产品矩阵的深度整合。

订阅 Pro 套餐可免费解锁「ArkClaw 轻量版」——这是一款 7×24 小时在线的专属智能伙伴，与豆包大模型、飞书、多维表格等工具原生协同。

模型阵容同样丰富：Doubao-Seed-2.0-pro/lite/Code、Doubao-Seed-Code、MiniMax-M2.5、Kimi-K2.5、GLM-4.7、Deepseek-V3.2，支持自由切换或开启 Auto 模式自动调度。

ArkClaw 的核心能力包括：智能会议纪要生成、任务追踪、多维表格管理、复杂文档生成、超大网盘长效存储、Skills 安全扫描等。

对于已经深度使用飞书办公的团队，这种「编码+协同」的无缝体验具有难以替代的效率优势。

火山引擎的邀请机制同样为双向 10% 返利+受邀者 9 折。一个细节：一旦创建邀请码成为「邀请人」，将无法再作为「被邀请人」享受首单折扣，但「被邀请人」可以转身成为新的「邀请人」。

官方地址：https://www.volcengine.com/activity/codingplan

横向对比：六家核心差异速查

将关键信息汇总，便于快速决策：

选择建议：按场景匹配

预算敏感、追求极致性价比：智谱 GLM Lite 套餐（¥44.1/月）或 Kimi Andante（¥39/月年付）是门槛最低的选择。前者 MCP 工具丰富，后者安装极简且附带会员权益。

需要多媒体生成能力：可以选 MiniMax 套餐。若项目涉及视频、音乐、语音合成，其全模态整合能省去多平台切换的麻烦。

深度使用飞书/字节生态：火山引擎 ArkClaw 的协同能力难以替代。智能会议纪要、多维表格管理、任务追踪与编码工作流的无缝衔接，对团队效率提升明显。

追求工具兼容性与文档完善度：阿里云百炼目前支持工具数量最多，从 Claude Code 到 Qwen Code、Lingma、Kilo CLI 均有详细接入文档，适合不愿在配置上消耗时间的开发者。

需要灵活双档位切换：腾讯云 Lite/Pro 设计允许从低档位起步，随用量增长平滑升级，且 Codebuddy 的自定义配置支持较为领先。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

在数字化转型的深水区，API（应用程序接口）已成为企业数据流转和业务协同的“血脉”。然而，随着网络安全威胁的日益严峻以及数据合规要求（如等保三级、ISO认证）的不断提升，越来越多的中大型企业开始反思：仅仅依赖公有云 API 管理工具，是否足以支撑企业的长远发展？

“API 管理平台私有化”正成为政企、医疗、金融、制造等对数据高度敏感行业的“必选项”。本文将从战略合规、降本增效、信创适配三个维度，深度解析私有化部署如何为企业打造稳固的研发底座。

1. 数据主权与合规：公有云无法触达的“安全底线”

对于金融、能源、政务等特殊行业，数据安全即生命线。公有云平台虽然便捷，但其存储、传输和审计环节可能面临不可控的风险。

API 管理平台私有化通过将系统完全部署在企业内网或专有云（VPC）中，打造了全方位的安全屏障：

• 核心资产本地化：所有 API 文档、Mock 逻辑、环境变量、脚本逻辑均存储在企业自有的数据库中，彻底规避 SaaS 平台的数据泄露隐患。
• 端到端加密机制：接口协议和敏感算法仅在内网流转，从源头封堵了中间人攻击和外部嗅探的可能。
• 严密的身份认证 (IAM)：原生支持 LDAP, OIDC, OAuth 2.0, SAML, OKTA 等企业级单点登录协议，实现与企业既有账号体系的无缝集成。
• 资质背书：Apifox 已通过 ISO-9001, ISO-27001, ISO-20000 及 国家信息安全等级保护三级认证，确保平台本身符合最高安全标准。

2. 研发效能升级：从“孤岛协同”到“一体化闭环”

许多团队在使用私有化工具时担心功能缩水或响应滞后。事实上，领先的私有化一体化平台通过“一套系统、一份数据”的理念，彻底解决了 API 资产分散和手动同步效率低下的顽疾。

Apifox = Postman + Swagger + Mock + JMeter

私有化部署的 Apifox 提供了涵盖 API 全生命周期的核心能力：

• 设计先行 (Design First)：先定义规范文档，研发、测试、前端等多角色同步开工，效率提升 30%。
• AI 赋能研发：AI 贯穿整个周期，自动识别字段含义、生成测试用例、自动编排复杂业务场景。
• 自动检测与校验：独家自动校验响应数据结构功能，确保接口交付质量，测试覆盖率可达 98%。
• 全协议深度支持：完美支持 HTTP/2, Dubbo, gRPC, GraphQL, TCP, SSE, SOAP 等，满足企业复杂系统的异构管理需求。

3. 信创适配：助力国产化替代步入“快车道”

在 IT 基础设施国产化（信创）的大趋势下，API 管理工具必须能够运行在纯国产的技术栈之上。Apifox 坚持 100% 国产自研，已完成全产业链的国产化兼容性认证：

• 计算架构 (CPU)：鲲鹏 (Kunpeng)、海光 (Hygon)、飞腾 (Phytium)、兆芯 (Zhaoxin)。
• 操作系统 (OS)：麒麟 (KylinOS)、统信 (UOS)、openEuler、深度 (Deepin)。
• 数据库/中间件：支持 OceanBase, TiDB, TDSQL, GaussDB, 达梦, TDSQL 等国产主流数据库。

这种深度的信创适配能力，确保了政企客户在底层架构迁移过程中，研发管理工具链依然能够稳定高效地运行。

4. 标杆案例：百度如何实现 8000+ 项目的高效运作？

百度作为全球领先的 AI 公司，曾面临开源方案（如 Yapi）维护成本高、各个系统数据孤立、项目管理碎片化的痛点。

通过引入 Apifox 私有化部署方案，百度在 3 个月 内完成了以下突破：

1. 资产统一：实现了 8000+ 项目、20000+ 开发者 的统一管理与高效协同。
2. 数据流转：通过 Open API 与内部研发系统集成，消除了 90% 以上的手动录入工作。
3. 效能看板：实时可视化 API 变更与健康度，显著提升了跨部门决策效率。

除百度外，腾讯、比亚迪、屈臣氏、中国移动等 300+ 头部企业 及 20 万+ 使用团队 亦选择了 Apifox 作为其私有化研发协同的首选平台。

结语

选择 API 管理平台私有化，不仅是为了应对安全挑战，更是为了构建一套标准、敏捷、可度量的研发生产力系统。在未来，API 的管理水平将直接决定企业的业务创新速度。

针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

feishu-cli 是一个功能完整的飞书开放平台命令行工具。

它的核心作用，是将飞书复杂的 API 操作，封装成一行行简洁的命令，让我们可以在终端里直接管理飞书的各项事务。

其中最亮眼的功能，是实现了 Markdown 与飞书文档的双向无损转换。

这种转换支持标题、列表、代码块、表格、图片等超过 40 种内容块，基本实现了「无损」转换，确保了内容的完整性。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

从零开始的安装与配置

要使用这个工具，需要先完成一些基础的准备工作。

第一步是安装。

无论是首次安装还是后续更新，feishu-cli 都提供了一键安装脚本，可以自动识别操作系统并完成安装。

在系统终端运行以下命令，或者把命令丢给 AI，让 AI 给你安装：

curl -fsSL https://raw.githubusercontent.com/riba2534/feishu-cli/main/install.sh | bash

安装完成后，需要一个飞书应用来获取操作凭证。

这需要在「飞书开放平台」创建一个企业自建应用，地址：https://open.feishu.cn/app。

创建成功后，就能在应用详情页找到关键的 App ID 和 App Secret。

拿到凭证后，需要让 feishu-cli 知道它们。

推荐的方式是使用环境变量，在终端中执行以下命令：

export FEISHU_APP_ID="cli_xxx"export FEISHU_APP_SECRET="xxx"

另一种方式是通过配置文件。

执行 feishu-cli config init 会在本地生成一个配置文件，将凭证填入即可。

接下来是为应用配置权限。

应用能做什么，完全取决于我们赋予它哪些权限，在「权限管理」中开通即可。

feishu-cli 的文档提供了详细的权限列表，可以根据需要添加。例如，文档读写需要 docx:document 权限，发送消息需要 im:message 权限。

所有准备工作就绪后，可以运行一条简单的命令来测试配置是否成功。

feishu-cli doc create --title "Hello Feishu"

如果命令返回了一个文档 ID，就说明我们的 feishu-cli 已经可以正常工作了。

强大的文档处理能力

feishu-cli 在处理 Markdown 文档时，远不止是简单的文本转换。

它能智能地处理图表。

当 Markdown 文件中包含 Mermaid 或 PlantUML 代码块时，工具会自动将它们转换为飞书中的「画板」。

flowchart TD  A[开始] --> B{判断}  B -->|是| C[处理]  B -->|否| D[结束]

导入的图表不再是静态的截图，而是可以在飞书里直接编辑的矢量图形，支持流程图、时序图、类图等多种类型。

对于表格，feishu-cli 同样考虑周到。

它会根据内容智能计算列宽，并且当表格行数过多（飞书 API 限制为 9 行）时，会自动拆分成多个表格，并贴心地保留表头。

在处理包含大量图表和表格的大型文档时，为了最大化效率，feishu-cli 采用了三阶段并发管道架构。

这个架构会先按顺序创建所有基础内容块，然后并发处理耗时较长的图表和表格任务，最后再处理失败的图表，将其降级为代码块以保证导入的完整性。

我们还可以通过参数调整并发数。

feishu-cli doc import large-doc.md --title "大文档" \--diagram-workers 5 --table-workers 3 --verbose

解锁 AI 的力量：集成 Claude Code

feishu-cli 最大的惊喜，在于它为 AI Agent 铺平了道路。

它为 Claude Code 这一先进的 AI 编程助手，提供了 11 个开箱即用的「技能」文件。

这些技能文件本质上是 feishu-cli 命令的封装，让 Claude 能够理解并执行操作飞书的指令。

安装这些技能非常简单，只需要一条命令。

npx skills add riba2534/feishu-cli --global --yes --agent claude-code --copy

安装完成后，就可以用自然语言来指挥 Claude 操作飞书了。

比如，可以对 Claude 说：「帮我创建一个新的飞书文档，标题是‘周会纪要’」，它会调用 feishu-cli-write 技能来完成。

或者，「把这个飞书文档的链接分享给张三」，它会调用 feishu-cli-perm 技能来管理权限（需要先完成 OAuth 用户授权）。

甚至可以发出更复杂的指令，比如「读取这个飞书文档的内容，优化一下当前的内容并写回去」，AI 会调用 feishu-cli-toolkit 来实现。

从读写文档到发送消息，再到绘制图表，AI Agent 摇身一变成为了我们的飞书专属助理。

完整的飞书生态控制

feishu-cli 的能力覆盖了飞书的绝大部分核心功能。

除了文档，它还提供了 wiki（知识库）、sheet（电子表格）、msg（消息）、chat（群聊）、calendar（日历）、task（任务）等一系列命令。

这意味着无论是管理知识库节点，还是读写电子表格数据，或是创建日历日程，都可以通过命令行完成自动化。

某些功能，如搜索个人云空间中的文档或消息，需要以用户身份进行操作。

为此，feishu-cli 提供了 OAuth 用户授权流程。首先需要在飞书开放平台的应用安全设置中，配置一个重定向 URL：http://127.0.0.1:9768/callback。

然后执行 feishu-cli auth login 命令，工具会自动打开浏览器引导我们完成登录授权。

授权成功后，feishu-cli 就能获得一个 User Access Token，从而可以执行搜索等需要用户身份的敏感操作，真正实现了对飞书生态的全面操控。

快去玩玩吧！

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

在使用 OpenClaw 与各类 AI 大模型交互时，API 的调用成本往往是一个无法回避的话题。随着使用频率的增加，这笔开销可能会变得相当可观。探索如何有效利用免费模型资源，成为许多开发者和爱好者的共同诉心。

一个名为 Free Ride 的 OpenClaw 技能应运而生，它旨在解决这一痛点。这个工具的核心思路是利用 OpenRouter 平台上提供的免费模型，通过自动化配置，将 OpenClaw 的默认模型指向这些免费选项，从而实现零成本的 AI 调用。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

准备工作：在开始之前

在正式安装和配置 Free Ride 之前，需要完成一些基础准备。这个过程很简单，但对后续的顺利运行至关重要。

获取 OpenRouter API 密钥

Free Ride 需要通过 API 与 OpenRouter 通信以获取模型信息。因此，一个 OpenRouter API 密钥是必需的。OpenRouter 是一个模型聚合平台，它将来自不同提供商的 AI 模型（包括许多免费模型）汇集在一起，提供统一的调用接口。

获取密钥的步骤非常简单，只需访问 OpenRouter 的官方网站 https://openrouter.ai/keys，登录后即可免费创建一个新的 API Key。这个密钥将是连接 OpenClaw 与海量免费模型的桥梁。

配置 API 密钥

拿到 API 密钥后，需要让 OpenClaw 的运行环境能够访问到它。最稳妥的方式是将其设置为 OpenClaw 的环境变量配置。这样可以确保配置的持久性，避免因终端会话关闭而失效。

打开终端，执行以下命令，将 <你的API密钥> 替换为刚刚获取到的实际密钥：

openclaw config set env.OPENROUTER_API_KEY "sk-or-v1-..."

执行后，OpenClaw 会将这个密钥保存在其配置文件中，Free Ride 在运行时便能自动读取并使用。

关于安装的重要提醒

直接通过 OpenClaw 的市场安装 Free Ride 可能会导致一些意想不到的配置问题，甚至可能破坏现有的 OpenClaw 环境。

因此，官方和社区推荐的安装方式是手动安装。这种方式虽然步骤稍多，但更加稳定和可控，可以完全避免潜在的配置冲突。接下来的教程将详细介绍这种安全的安装方法。

核心功能：一键配置免费 AI

完成准备工作后，就可以开始安装和配置 Free Ride 了。整个过程的核心命令只有一个，非常便捷。

手动安装 Free Ride

首先，需要将 Free Ride 技能的源代码下载到 OpenClaw 的工作区。我们可以使用 npx 命令来完成这一步，它会从 ClawHub 市场拉取最新的技能包。请注意，技能包的名称为 free-ride。

npx clawhub@latest install free-ride

下载完成后，进入该技能的目录。

cd ~/.openclaw/workspace/skills/free-ride

进入目录后，执行 pip 命令来安装技能所需的依赖，并通过 -e 参数以“可编辑模式”安装。这会将 freeride 命令行工具注册到你的系统路径中，方便后续直接调用。

pip install -e .

如果终端提示 freeride: command not found，通常意味着安装步骤未正确执行，重新检查并执行上述命令即可。

自动配置模型

当 freeride 命令可用后，最关键的一步就是执行自动配置。

freeride auto

这个命令会完成所有核心工作：连接 OpenRouter，获取并刷新免费模型列表，将最优模型设置为 OpenClaw 的主模型，并配置好一系列回退模型。整个过程完全自动化，无需任何手动干预。

重启网关以应用配置

Free Ride 对配置文件的修改需要 OpenClaw 重新加载后才能生效。因此，在执行完 freeride auto 后，需要重启 OpenClaw 的网关。

openclaw gateway restart

重启完成后，新的模型配置就正式生效了。可以向你的 OpenClaw 机器人发送 /status 命令，检查当前激活的模型是否已经变为了 Free Ride 配置的免费模型，例如 openrouter/qwen/qwen2:7b-instruct-free。

进阶用法与命令参考

freeride auto 满足了绝大部分需求，但 Free Ride 还提供了一系列命令，给予用户更高的自定义灵活性。

查看与切换模型

如果想知道当前有哪些免费模型可用，可以使用 list 命令。

freeride list

该命令会列出默认数量的模型。如果想看到更完整的列表，可以通过 -n 参数指定数量。

freeride list -n 30

如果对自动选择的主模型不满意，或者想临时切换到另一个特定的免费模型进行测试，switch 命令会很有用。

freeride switch qwen/qwen2:7b-instruct-free

执行任何修改配置的命令后，都不要忘记重启网关 openclaw gateway restart 以使更改生效。

自定义回退策略

Free Ride 的回退机制是其亮点之一。默认情况下，freeride auto 会配置 5 个回退模型。如果觉得不够，可以通过 -c 参数增加数量。

freeride auto -c 10

还有一种常见场景：对当前使用的主模型很满意，但希望更新一下回退模型列表，以确保它们都是最新的。可以使用 -f 参数，它会保留当前的主模型，只更新回退列表。

freeride auto -f

下表总结了 Free Ride 的常用命令及其功能，方便快速查阅。

守护进程：实现自动故障转移

手动处理模型调用失败虽然可行，但不够智能。Free Ride 提供了一个可选的守护进程 freeride-watcher，用于实现真正的自动故障转移。

这个守护进程会持续在后台监控 OpenClaw 的运行状态。一旦检测到因速率限制导致的模型调用失败，它会自动将主模型轮换为回退列表中的下一个可用模型，并重启网关。整个过程无缝衔接，用户几乎无感知。

以守护模式启动 freeride-watcher 的命令如下：

freeride-watcher --daemon

启动后，它便会接管模型的自动轮换工作。也可以通过其他命令来控制它，例如 freeride-watcher --rotate 可以立即强制轮换一次模型，freeride-watcher --status 则可以查看其运行历史和状态。

安全性与注意事项

作为一个会修改核心配置文件的工具，其安全性值得关注。Free Ride 的代码是开源的，并且在 ClawHub 平台上通过了基础的安全扫描，其行为与其声明的目的（管理 OpenRouter 免费模型）一致。

尽管如此，在安装和使用时仍建议遵循一些安全实践。在第一次运行 freeride auto 之前，备份当前的 OpenClaw 配置文件是一个好习惯。

cp ~/.openclaw/openclaw.json ~/.openclaw/openclaw.json.bak

同时，OPENROUTER_API_KEY 是一个敏感凭证，应妥善保管，避免泄露。尤其是在启用 freeride-watcher 守护进程后，该进程会持续使用此密钥进行网络请求。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名

微信 ClawBot 是微信官方提供的一个插件。用于连接微信 App 与 OpenClaw。通过它，我们发出的微信消息才能被 OpenClaw 正确接收和处理。

在开始之前，请先确保 OpenClaw 已经安装在你的电脑或服务器上，并且手机上的微信 App 处于可用状态。建议将微信更新到最新版本，这可以避免一些不必要的问题。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

连接流程：建立通信渠道

准备工作就绪后，就可以开始正式的连接流程。整个过程围绕一个核心命令展开，并通过微信扫描二维码来最终确认绑定关系。

寻找并启用插件

连接的起点位于微信应用内。打开微信，进入「我 -> 设置 -> 插件」界面，在这里可以管理微信的各种功能插件。

在插件列表中，可以找到名为「微信 ClawBot」的插件。

点击进入「微信 ClawBot」的详情页面，页面上会提供一个专门用于安装连接工具的命令。

执行连接命令

将操作设备切换到已经安装了 OpenClaw 的电脑或服务器上。打开一个终端（Terminal）或命令提示符（Command Prompt）窗口。

在终端窗口中，需要运行从微信 ClawBot 插件详情页获取的命令。将该命令完整地复制并粘贴到终端里，然后按下回车键执行。

npx -y @tencent-weixin/openclaw-weixin-cli@latest install

这个命令会通过 npx 工具，自动下载并运行 @tencent-weixin/openclaw-weixin-cli 这个命令行程序。它的作用是在你的设备和微信服务器之间发起一次临时的连接请求，为后续的绑定做准备。

执行命令后，程序会自动开始安装和配置，这个过程可能需要几十秒到几分钟，具体时间取决于你的网络状况。请耐心等待，直到终端窗口出现新的内容。

扫描二维码完成绑定

当命令执行成功后，终端窗口会显示一个二维码。这个二维码是本次连接请求的唯一凭证。

此时，回到手机上，打开微信的扫一扫功能，扫描终端里显示的二维码。

扫描成功后，微信会确认你的身份，并将你的微信账号与正在运行连接命令的这台 OpenClaw 设备进行绑定。

如果之前在微信插件列表里没有找到 ClawBot，那么在扫描这个二维码后，微信通常会提示你的版本过低，并引导你进行更新。按照提示完成更新后，再次重复扫描二维码的步骤，即可完成绑定，同时「微信 ClawBot」插件也会出现在插件列表中。

开始与 ClawBot 对话

绑定过程一旦完成，微信会给你发送一条通知，告知连接成功。

与此同时，你的微信通讯录里会自动出现一个名为「微信ClawBot」的新联系人。

这个联系人就是你刚刚连接上的 OpenClaw 服务在微信里的“化身”。现在，你可以像和任何一位好友聊天一样，打开对话框，向它发送消息。

你发送的所有消息都会通过微信 ClawBot 这座桥梁，实时地传输到你的 OpenClaw 服务中进行处理。至此，微信与 OpenClaw 的连接已经完全建立。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、API 调试、API 设计、API 测试、API Mock、自动化测试等功能于一体的 API 管理工具，Apifox 可以说是开发者提升效率的必备工具之一。

 
如果你正在开发项目需要进行接口调试，不妨试试 Apifox。注册过程非常简单，你可以直接在这里注册使用。

注册成功后可以先看看官方提供的示例项目，这些案例都是经过精心设计的，能帮助你快速了解 Apifox 的主要功能。

 
使用 Apifox 的一大优势是它完全兼容 Postman 和 Swagger 数据格式，如果你之前使用过这些工具，数据导入会非常方便。而且它的界面设计非常友好，即使是第一次接触的新手也能很快上手，快去试试吧！

OpenClaw 允许接入多种模型供应商。对于希望在本地运行开源大语言模型的开发者来说，Ollama 是一个理想的选择。Ollama 可以轻松地在个人计算机上部署和管理各类开源模型，而 OpenClaw 则能与它无缝集成。

本文将详细介绍如何为 OpenClaw 添加 Ollama 作为本地模型供应商，内容从基础安装开始，逐步深入到不同的配置方式和常见问题解决，帮助你顺利地在 OpenClaw 中使用本地模型。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

准备工作：安装与运行 Ollama

在将 Ollama 集成到 OpenClaw 之前，需要先确保 Ollama 环境已经准备就绪。这包括安装 Ollama 本身，并下载一个或多个你希望使用的本地模型。

可以从 Ollama 官方网站下载并安装适合你操作系统的版本：https://ollama.com/download

安装完成后，打开终端，使用 ollama pull 或  ollama run命令来下载模型。Ollama 社区提供了丰富的模型选择。例如，可以下载社区流行的 Llama 3.3 或专为代码优化的模型。

ollama pull llama3.3

也可以选择其他模型，比如 GLM-4.7-Flash，它在性能和效率上表现出色。

# 下载 GLM-4.7-Flash 模型
ollama pull glm-4.7-flash

或者其它的轻量模型，比如 qwen3、qwen3.5 系列模型：

ollama run qwen3.5:0.8b

地址：https://ollama.com/library/qwen3.5/tags

下载完成后，可以通过 ollama list 命令查看本地已经拥有的模型列表，确认模型已成功安装。

快速上手：使用 Onboarding 向导

对于初次配置的用户，OpenClaw 提供了交互式的设置向导 openclaw onboard，这是最快捷、最推荐的配置方式。它会引导你完成所有必要的设置。

在终端中运行以下命令启动向导：

openclaw onboard

在向导的供应商选择列表中，找到并选择 Ollama。

接下来，向导会执行一系列自动化步骤：

1. 它会询问你的 Ollama 服务地址，默认是 http://127.0.0.1:11434，如果 Ollama 运行在本地，直接按回车确认即可。
2. 接着，你需要选择运行模式。

为了更好地理解这两种模式的差异，可以参考下表：

选择模式后，向导会自动发现本地可用的 Ollama 模型，并推荐一个默认模型。如果本地没有该模型，它还会提示并自动下载。

最好选 Cloud + Local 模式，不然可能会检索不到本地模型。

选好之后按回车键，接着设置后面的 OpenClaw 配置项就行了，不需要的话就跳过。最后我们打开 OpenClaw 的 Web UI，问一下它用的什么模型。

通过 onboard 向导，大部分配置工作都能自动完成，非常适合刚接触 OpenClaw 的用户。

手动配置：深入理解集成原理

尽管 onboard 向导非常方便，但了解手动配置的方法可以让你更灵活地控制集成细节，特别是在一些非标准化的部署场景中。

手动配置主要有两种方式：自动发现和显式配置。

方式一：自动发现模型（推荐）

这是最简单的手动配置方式。OpenClaw 能够自动检测并加载本地 Ollama 实例中的所有模型，无需在配置文件中逐一列出。

要启用自动发现，只需设置一个环境变量 OLLAMA_API_KEY。值得注意的是，Ollama 的本地服务并不需要真实的 API 密钥，所以这里可以填入任意字符串。

export OLLAMA_API_KEY="ollama-local"

除了设置环境变量，也可以通过 OpenClaw 的 config 命令来完成配置。

openclaw config set models.providers.ollama.apiKey "ollama-local"

设置完成后，OpenClaw 会在启动时自动连接默认的 Ollama 地址（http://127.0.0.1:11434），查询 /api/tags 接口来获取模型列表，并将其注册到模型目录中。所有本地模型的调用成本都会被设为 0。

这种方式的好处在于，每当使用 ollama pull 下载一个新模型，它都会被 OpenClaw 自动识别，无需修改任何配置。

方式二：显式配置模型

当 Ollama 服务运行在另一台主机上，或者需要为特定模型强制指定上下文窗口大小等参数时，就需要采用显式配置。

显式配置意味着你需要在 OpenClaw 的配置文件（默认为 ~/.openclaw/openclaw.json）中手动定义 Ollama 供应商和模型列表。一旦进行了显式配置，自动发现功能就会被禁用。

一个基础的显式配置示例如下，适用于 Ollama 运行在 ollama-host 的 11434 端口：

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://ollama-host:11434",
        "apiKey": "ollama-local",
        "api": "ollama"
      }
    }
  }
}

这里有一个非常重要的提醒：baseUrl 的值应该是 Ollama 的原生 API 地址，例如 http://host:11434，绝对不要在末尾添加 /v1。/v1 路径是 OpenAI 兼容模式，它会破坏 OpenClaw 对工具调用（Tool Calling）功能的支持。

如果想更精细地控制每个模型，可以在 models 数组中手动定义它们。

{
  "models": {
    "providers": {
      "ollama": {
        "baseUrl": "http://ollama-host:11434",
        "apiKey": "ollama-local",
        "api": "ollama",
        "models": [
          {
            "id": "gpt-oss:20b",
            "name": "GPT-OSS 20B",
            "contextWindow": 8192,
            "maxTokens": 81920,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      }
    }
  }
}

通过这种方式，可以完全掌控 OpenClaw 能使用的 Ollama 模型列表及其相关参数。

模型的使用与切换

无论通过哪种方式配置完成，Ollama 的模型现在都已经成为 OpenClaw 的一部分。可以通过 openclaw models list 命令查看所有可用的模型，其中 Ollama 模型的 ID 会以 ollama/ 作为前缀。

openclaw models list

如果希望将某个 Ollama 模型设置为默认的主要模型，可以使用 openclaw models set 命令。

openclaw models set ollama/qwen3.5:0.8b

更持久化的配置方式是在配置文件中指定。可以设置一个主模型（primary），并提供几个备用模型（fallbacks），当主模型调用失败时，OpenClaw 会自动尝试使用备用模型。

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "ollama/gpt-oss:20b",
        "fallbacks": ["ollama/llama3.3", "ollama/qwen2.5-coder:32b"]
      }
    }
  }
}

这样的配置为智能体的稳定运行提供了保障。

常见问题排查

在配置过程中可能会遇到一些问题，这里列举了几个常见情况及其解决方法。

Ollama 未被检测到

如果 OpenClaw 提示找不到 Ollama，首先要确认 Ollama 服务是否正在运行。

ollama serve

如果你使用的是自动发现模式，请检查 OLLAMA_API_KEY 环境变量是否已正确设置，并确保配置文件中没有显式的 models.providers.ollama 条目，因为它会覆盖自动发现。

可以通过 curl 命令测试 Ollama API 是否可以访问。

curl http://localhost:11434/api/tags

如果此命令能返回 JSON 数据，说明 Ollama 服务是正常的。

看不到可用的模型

如果在 openclaw models list 的输出中没有看到预期的模型，请先用 ollama list 确认该模型是否已在本地安装。如果没有，使用 ollama pull 或 ollama run 下载即可。

ollama pull llama3.3

对于自动发现模式，新模型在下载后应该会自动出现在 OpenClaw 中。对于显式配置，需要手动将其添加到配置文件的 models 数组里。

连接被拒绝 (Connection refused)

这个错误通常意味着 Ollama 服务没有启动，或者 OpenClaw 配置的地址或端口不正确。请检查 Ollama 服务的运行状态，并核对配置文件中的 baseUrl 是否与 Ollama 的实际监听地址匹配。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、API 调试、API 设计、API 测试、API Mock、自动化测试等功能于一体的 API 管理工具，Apifox 可以说是开发者提升效率的必备工具之一。

 
如果你正在开发项目需要进行接口调试，不妨试试 Apifox。注册过程非常简单，你可以直接在这里注册使用。

注册成功后可以先看看官方提供的示例项目，这些案例都是经过精心设计的，能帮助你快速了解 Apifox 的主要功能。

 
使用 Apifox 的一大优势是它完全兼容 Postman 和 Swagger 数据格式，如果你之前使用过这些工具，数据导入会非常方便。而且它的界面设计非常友好，即使是第一次接触的新手也能很快上手，快去试试吧！

在使用 OpenClaw 的过程中，除了其内置支持的众多模型供应商（Provider）外，我们常常需要连接一些特殊的服务，例如公司内部的推理接口、本地部署的模型服务（如 Ollama、LM Studio），或是一些新兴的云端模型平台。OpenClaw 提供了强大的自定义模型供应商功能，允许用户灵活地扩展其模型库。

本文将详细介绍两种为 OpenClaw 添加自定义模型供应商的方法：通过命令行向导快速添加，以及通过手动编辑配置文件进行深度定制。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

使用向导快速添加

对于初学者或追求效率的场景，使用 OpenClaw 的命令行向导 openclaw onboard 是最直接的方式。该工具会以交互式问答的形式引导你完成配置，无需手动编写 JSON 文件。

交互式设置

打开你的终端，执行以下命令来启动配置向导：

openclaw onboard

在向导的「Model and auth」步骤中，会列出多种模型供应商选项。请选择 Custom provider 选项。

接下来，向导会要求你提供几个关键信息来定义新的模型供应商：

• Provider ID（Endpoint ID）: 自定义供应商的唯一标识符，例如 my-local-llm。
• Base URL: 模型服务的 API 接入点地址，例如 http://localhost:1234/v1。
• Model ID: 你要使用的具体模型的 ID，例如 llama3-8b。
• API Key: 用于访问服务的 API 密钥。如果你的服务不需要认证，可以输入任意字符，例如 none。
• Compatibility: 指定该服务兼容的 API 格式，通常是 openai 或 anthropic。对于绝大多数模型服务，选择 openai 即可。

完成这些步骤后，向导会自动将配置写入 openclaw.json 文件中，省去了手动编辑的麻烦。

非交互式命令

如果需要在脚本中自动化配置，或者你已经清楚所有配置参数，可以使用非交互式命令一次性完成设置。这对于批量部署或自动化环境搭建非常有用。

例如，要添加一个在本地 8000 端口运行的、兼容 OpenAI API 的模型服务，可以执行以下命令：

openclaw onboard \
  --auth-choice custom-api-key \
  --custom-provider-id my-local-model \
  --custom-base-url http://localhost:8000/v1 \
  --custom-model-id deepseek-coder-v2 \
  --custom-api-key "your-api-key-if-needed" \
  --custom-compatibility openai

这条命令直接指定了所有必要信息，执行后即可完成自定义供应商的添加。

手动编辑配置文件

虽然命令行向导很方便，但它只支持添加基础配置。如果需要更精细的控制，比如为同一个供应商定义多个模型、设置模型的上下文窗口大小、调整参数等，就需要手动编辑 OpenClaw 的核心配置文件。

该配置文件通常位于 ~/.openclaw/openclaw.json。在编辑之前，建议先备份此文件。

理解 models.providers 结构

打开 openclaw.json 文件，找到或添加一个名为 models 的顶级字段，并在其中创建 providers 对象。所有的自定义供应商都将在这里定义。

一个基本的供应商配置结构如下：

{
  "models": {
    "providers": {
      "my-provider": {
        "baseUrl": "https://api.example.com/v1",
        "apiKey": "${MY_PROVIDER_API_KEY}",
        "api": "openai-completions",
        "models": [
          {
            "id": "model-a",
            "name": "Model A"
          }
        ]
      }
    }
  }
}

这里的 "my-provider" 就是你的自定义供应商 ID，后续在引用模型时会用到，格式通常为 my-provider/model-a。

下表解释了供应商配置中的核心字段：

配置实战：连接本地模型服务

让我们来看一个更完整的例子。假设你正在使用 LM Studio 运行一个本地模型，其服务地址是 http://localhost:1234/v1。我们希望在 OpenClaw 中添加这个服务。

可以在 openclaw.json 中添加如下配置：

{
  "models": {
    "providers": {
      "lmstudio": {
        "baseUrl": "http://localhost:1234/v1",
        "apiKey": "lmstudio-key",
        "api": "openai-completions",
        "models": [
          {
            "id": "minimax-m2.5-gs32",
            "name": "MiniMax M2.5 (Local)",
            "contextWindow": 200000,
            "maxTokens": 8192,
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "lmstudio/minimax-m2.5-gs32"
      }
    }
  }
}

在这个例子中，我们定义了一个名为 lmstudio 的供应商。

定义模型属性

在 models 数组中，我们可以为每个模型定义详细的属性。这些属性会告诉 OpenClaw 如何与该模型交互。

• id: 模型的唯一 ID，在 baseUrl 的 API 范围内必须是有效的。
• name: 模型的显示名称，会在 OpenClaw 的界面中展示。
• contextWindow: 模型支持的最大上下文长度。
• maxTokens: 单次请求能生成的最大 token 数量。
• reasoning: 模型是否支持 OpenClaw 的 "reasoning"（思考）过程。本地模型通常设置为 false。
• input: 模型支持的输入类型，通常是 ["text"]。
• cost: 定义模型的使用成本，对于本地免费模型，可以全部设置为 0。

当这些可选字段被省略时，OpenClaw 会使用一组默认值。为了获得最佳兼容性和性能，建议根据你所使用模型的实际能力，明确地设置这些值。

验证配置

无论你使用哪种方法添加了自定义供应商，最后一步都是验证配置是否生效。

执行以下命令可以列出 OpenClaw 当前识别到的所有模型：

openclaw models list

如果配置正确，你应该能在列表中看到你刚刚添加的供应商和模型。

确认模型可用后，你可以使用 openclaw models set 命令将其设置为默认模型，以便在日常工作中直接使用，例如：

openclaw models set lmstudio/minimax-m2.5-gs32

通过以上步骤，你就可以轻松地将任何兼容 OpenAI 或 Anthropic API 的模型服务接入 OpenClaw，极大地扩展其应用边界。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、API 调试、API 设计、API 测试、API Mock、自动化测试等功能于一体的 API 管理工具，Apifox 可以说是开发者提升效率的必备工具之一。

 
如果你正在开发项目需要进行接口调试，不妨试试 Apifox。注册过程非常简单，你可以直接在这里注册使用。

注册成功后可以先看看官方提供的示例项目，这些案例都是经过精心设计的，能帮助你快速了解 Apifox 的主要功能。

 
使用 Apifox 的一大优势是它完全兼容 Postman 和 Swagger 数据格式，如果你之前使用过这些工具，数据导入会非常方便。而且它的界面设计非常友好，即使是第一次接触的新手也能很快上手，快去试试吧！

OpenClaw 目前正处于快速迭代的 “1.0” 之前阶段，这意味着新功能和性能优化会频繁发布。保持更新是体验最新特性、获取安全补丁和性能提升的关键。本文将提供一份详细的图文指南，帮助你平稳、安全地完成 OpenClaw 的更新。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

更新前的准备

在执行任何更新操作之前，做好充分的准备可以有效避免意外情况，确保更新过程顺利。主要有两项准备工作：备份关键数据和明确当前的安装方式。

备份你的个性化配置

虽然更新过程通常是安全的，但备份总是一个好习惯。OpenClaw 的核心用户数据主要存放在 ~/.openclaw/ 目录下。

建议备份以下三个关键部分：

• 配置文件: ~/.openclaw/openclaw.json，这里存储了你的网关（Gateway）和各项功能的配置。
• 凭证信息: ~/.openclaw/credentials/ 目录，这里存放了连接不同服务（如 WhatsApp, Telegram 等）所需的认证信息。
• 工作区: ~/.openclaw/workspace，这里可能包含一些由技能（Skills）生成或使用的数据。

明确你的安装方式

知道 OpenClaw 是如何安装的，是选择正确更新方法的第一步。不同的安装方式对应不同的更新指令。通常有两种安装方式：全局安装和源码安装。

明确了安装方式后，就可以选择最适合你的更新路径了。

官方推荐的更新方法

无论你是哪种安装方式，官方最推荐的更新路径是重新运行网站上的一键安装脚本。这个脚本非常智能，它会自动检测你现有的安装，并进行“就地升级”（upgrade in place），而不会删除你的配置（适用于 macOS 系统）。

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

执行此命令后，安装程序会处理后续所有事情，包括在需要时运行 openclaw doctor 进行修复和迁移。

如果你不希望在更新后再次看到初始设置向导（onboarding），可以添加 --no-onboard 参数。

curl -fsSL https://openclaw.ai/install.sh | bash -s -- --no-onboard

对于源码安装的用户，如果想让安装器使用 git 来更新，可以这样执行：

curl -fsSL https://openclaw.ai/install.sh | bash -s -- --install-method git --no-onboard

这个命令会尝试执行 git pull --rebase，但前提是你的代码仓库是干净的（没有未提交的修改）。

不同安装方式的更新指南

如果你不想使用一键安装脚本，也可以根据自己的安装方式选择手动更新。

更新全局安装的 OpenClaw

如果你是使用 npm 或 pnpm 进行的全局安装，更新非常直接。打开你的终端，执行以下命令之一。

使用 npm：

npm i -g openclaw@latest

使用 pnpm：

pnpm add -g openclaw@latest

这两个命令都会从软件源获取最新稳定版的 OpenClaw 并覆盖当前版本。

更新源码安装的 OpenClaw

对于从 git 仓库克隆的源码安装方式，官方强烈建议使用 openclaw 自带的更新命令。

openclaw update

这个命令封装了一套安全更新流程，它会自动执行以下操作：

1. 检查当前工作区是否干净。
2. 切换到你配置的更新通道（默认为稳定版）。
3. 从远程仓库拉取最新的代码。
4. 安装或更新项目依赖。
5. 重新构建项目和控制台界面（Control UI）。
6. 运行 openclaw doctor 进行配置检查和迁移。
7. 默认情况下，它还会自动重启网关服务。

如果你想在更新后手动重启，可以添加 --no-restart 参数。

openclaw update --no-restart

当然，你也可以选择完全手动的 git 流程，这与 openclaw update 的效果相似，但需要更多步骤：

git pull
pnpm install
pnpm build
openclaw doctor

更新后必须执行的检查

无论使用哪种方法完成了更新，强烈建议运行 openclaw doctor 命令。这是一个“安全更新”的保障，它的设计目标就是修复、迁移和发出警告。

openclaw doctor

openclaw doctor 通常会做以下几件事：

• 迁移旧的配置项到新的格式。
• 检查并修复文件权限问题。
• 审核安全策略，对有风险的开放设置发出警告。
• 检查系统服务（如 systemd 或 launchd）的配置是否为最新。

运行这个命令并仔细阅读它的输出，是确保更新后 OpenClaw 能稳定运行的关键一步。

重启网关服务

更新代码和配置后，需要重启网关服务来让所有变更生效。使用 openclaw 命令行工具可以方便地管理网关。

openclaw gateway restart

这个命令会以正确的方式停止当前正在运行的网关，并用新的代码启动它。

你也可以使用其他相关命令来查看状态或日志：

openclaw gateway status

# 停止网关
openclaw gateway stop

# 查看实时日志
openclaw logs --follow

如果更新出现问题

有时候更新可能会引入预料之外的问题。这时，回滚到上一个稳定版本是一个有效的临时解决方案。

版本回滚（全局安装）

对于全局安装的用户，可以通过 npm 或 pnpm 直接安装一个指定的旧版本。首先，你可以使用 npm view openclaw version 查看当前最新的版本号，然后选择一个更早的版本进行安装。

假设你想回滚到 0.8.0 版本：

npm i -g openclaw@0.8.0

安装完成后，别忘了再次运行 doctor 和重启网关。

openclaw doctor
openclaw gateway restart

版本回滚（源码安装）

对于源码安装的用户，可以利用 git 的强大功能回滚到任意一个历史提交。例如，你可以回滚到某个特定日期之前的最新提交。

git checkout "$(git rev-list -n 1 --before="2026-01-01" origin/main)"

切换到旧代码后，需要重新安装依赖并重启服务。

pnpm install
pnpm build
openclaw gateway restart

当你准备好再次尝试更新时，只需切换回主分支并拉取最新代码即可。

git checkout main
git pull

如果遇到难以解决的问题，运行 openclaw doctor 并仔细阅读输出信息通常能找到线索。同时，官方的 Discord 社区也是寻求帮助的好地方。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、API 调试、API 设计、API 测试、API Mock、自动化测试等功能于一体的 API 管理工具，Apifox 可以说是开发者提升效率的必备工具之一。

 
如果你正在开发项目需要进行接口调试，不妨试试 Apifox。注册过程非常简单，你可以直接在这里注册使用。

注册成功后可以先看看官方提供的示例项目，这些案例都是经过精心设计的，能帮助你快速了解 Apifox 的主要功能。

 
使用 Apifox 的一大优势是它完全兼容 Postman 和 Swagger 数据格式，如果你之前使用过这些工具，数据导入会非常方便。而且它的界面设计非常友好，即使是第一次接触的新手也能很快上手，快去试试吧！

在这个信息大爆炸的时代，开发者和极客们每天面临着前所未有的信息过载：Hacker News 榜单、各大厂的技术博客、新模型发布、开源社区的变动……每天在这些碎片化的源头中淘金，不仅消耗精力，还极易产生“错失恐惧症”（FOMO）。

实际上，与其每天被算法喂养，不如利用你的本地数字助理 OpenClaw，配合 RSS 解析神器，搭建一套完全私有化、懂你痛点的“AI 资讯聚合引擎”。

今天我们将深入介绍如何利用 OpenClaw 强大的定时任务与语义分析能力，让 AI 每天早晨为你端上一份“高信噪比”的极简研报。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

🛠️ 核心组件：引入 Blogwatcher 工具箱

要让 OpenClaw 有效地追踪网页更新，直接让它暴力抓取会显得非常低效且耗费 Token。最佳实践是利用轻量级的订阅源管理库。这里我们推荐使用专门针对极简工作流优化的扩展工具：blogwatcher。

它的工作机制非常清晰：

1. 统一订阅：接管你所有的 RSS/Atom 源。
2. 静默扫描：在后台定期拉取数据提取新文章。
3. AI 接管：OpenClaw 调用该工具的结果，提取内容、归类重构，并生成带感情色彩和优先级判断的摘要。

初始安装与验证

如果你尚未安装此依赖，可以在终端中通过 Go 快速获取：

go install github.com/Hyaxia/blogwatcher/cmd/blogwatcher@latest

安装完成后，输入 blogwatcher --help 验证命令是否已经写入环境变量。

📍 阶段一：建立你的高质量信息库

摒弃数量，追求质量。选择 10-15 个让你真正觉得有价值（高信噪比）的源，将它们喂给监控器。

绝大多数认真的技术博客与社区都保留着 RSS 订阅的优良传统（常见后缀如 /rss.xml 或 /feed）。

执行订阅指令

你可以根据领域进行归档订阅，例如：

# 前沿 AI 研究与产品
blogwatcher add "OpenAI News" https://openai.com/blog/rss.xml
blogwatcher add "Anthropic" https://www.anthropic.com/rss

# 独立见解与技术热榜
blogwatcher add "Paul Graham Essays" http://paulgraham.com/rss.html
blogwatcher add "Hacker News Top" https://hnrss.org/best

# 开源基建与部署
blogwatcher add "Vercel Releases" https://vercel.com/atom
blogwatcher add "Cloudflare Tech" https://blog.cloudflare.com/rss/

初始化数据快照

添加完成后，我们需要执行一次全量初始化，将历史存量数据打上“已读”标签，以免 AI 第一天给你推送几百条旧闻：

# 扫描并写入初始快照
blogwatcher scan

🧠 阶段二：赋予 OpenClaw 筛选灵魂

拥有了数据不等于拥有了见解。如果你只是想看到列表，任何一款传统的 RSS 阅读器都能做到。我们的目标是利用大语言模型的推理能力实现“信息降噪”。

我们可以直接在 OpenClaw 的会话中这样询问：

“使用 blogwatcher 检查新文章。请仔细阅读摘要，去掉水文，只为我挑选出技术突破和重大产品更新，并简单点评。”

得益于 OpenClaw 的 Tools 调用能力，它会自动执行后台扫描，并给你一份包含态度的微研报。

但这显然还不够极客，我们需要彻底的自动化。

⏳ 阶段三：编排全自动定时推送流 (Cron)

OpenClaw 提供了强大的内建 cron 任务系统。我们可以设定精确的触发条件、执行逻辑以及多渠道的分发路径。

场景 A：主理人的“早间读物”

对于希望拥有掌控感的人来说，每天早上一份综述是最好的安排：

openclaw cron add \
  --name "每日资讯提纯" \
  --cron "0 8 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "执行 blogwatcher scan 获取新源。请你扮演资深技术 CTO，对所有新文章进行筛选。如果有革命性的 AI 模型发布、重大融资或架构变更，请放置于【🔥 核心警报】区间并说明为何重要。其余正常产品迭代或讨论放置于【📝 常规动态】，每篇用不超过 20 字概括。剔除纯营销内容。" \
  --announce \
  --channel telegram \
  --to "你的 Telegram ID"

提示：--tz 根据你的作息时区进行设定，例如东八区使用 Asia/Shanghai。

场景 B：高敏嗅觉的“四小时巡逻”

如果你是行业分析师或需要追热点的自媒体，可以增加巡逻密度，但同时要求 AI 具有“不打扰的智慧”：

openclaw cron add \
  --name "四小时高频巡线" \
  --cron "0 */4 * * *" \
  --tz "Asia/Shanghai" \
  --session isolated \
  --message "即刻扫描 blogwatcher 订阅源。规则：若内容全无更新，你必须仅回复「暂无更新」四个字，禁止发出任何有效消息。若有更新，严苛地过滤出有价值的硬指标信息，带来源推给我。" \
  --announce \
  --channel telegram \
  --to "你的 Telegram ID"

这种通过 Message 提示词对 AI 制定强规则的设计，是传统 RBA 自动化工具无法做到的。你能让系统真正“听懂”你的抗拒。

🚀 突破限制：面对没有 RSS 的孤岛怎么办？

在实际应用中，有很多优质网页或发布页并不提供 RSS 服务。在 OpenClaw 体系内，这并不构成障碍。

技巧 1：零代码化身爬虫大闸

遇到诸如官方 Changelog 无源的情况，可以命令 AI 结合长期记忆来对比：

命令示范：“请前往 https://platform.openai.com/docs/changelog 抓取正文，调取我工作区里的 last-changelog.md 逐字比对，找出新的增改项并通知我，最后覆写该本地文档。”

技巧 2：拥抱 Github Releases 源

对于开源开发者，GitHub 原生提供的 Atom 生成可谓是宝藏，只需要在 Repo 路径后加上 .atom 即可获得即时的版本发版监控：

blogwatcher add "LangChain" https://github.com/langchain-ai/langchain/releases.atom

✅ 写在最后与命令速查

在算法平台肆虐的年代，利用大模型夺回自己的信息定义权是每个 Power User 的浪漫。通过聚合高密度源与 AI 洗稿，你的阅读效率将提升至少两倍以上。

Blogwatcher 常用快捷键：

• blogwatcher blogs：盘点已订阅池。
• blogwatcher scan：触发拉取检测。
• blogwatcher read-all：清障指令，一键将所有积压标为已处理。
• blogwatcher remove "标签名"：取消订阅清理门户。

如果你有了更巧妙的 Prompt 过滤逻辑，或是监控冷门站点的独家心得，欢迎步入 OpenClaw 的中文站 ClawCN 官方文档 (clawcn.net) 寻找灵感，或在 虾聊社区 (xialiao.ai) 与硬核玩家们碰撞火花！

虾聊用户群

一个人探索 AI 太孤独？欢迎加入【虾聊】官方高能玩家宇宙 🚀，和懂行的人一起开脑洞！第一时间获取产品更新与 AI 前沿玩法。

扫码加入虾聊交流群

你是否想过，在不打开任何网页的情况下，直接通过飞书给 AI 下达任务？比如：“帮我分析下这份财报”，“把明天的会议纪要整理好发给我”。

得益于 OpenClaw 的强大集成能力，这已经成为现实。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

🏗️ 核心集成：飞书 (Feishu/Lark)

OpenClaw 对飞书的支持非常成熟。通过 WebSocket 模式，你可以实现超低延迟的交互。

登录飞书开放平台 https://open.feishu.cn，点击「开发者后台 -> 创建企业自建应用」，如下图

然后点击创建应用，如下

创建完成后，首先到凭据管理中获取 App ID 和 App Secret，注意保存，后续配置网关时需要使用。

然后添加机器人，如下操作：
在左侧菜单点击「添加应用能力」，找到并添加「机器人」能力。

首先配置个名字

飞书的其他配置先暂停，回到服务器配置 OpenClaw 的飞书参数。

添加飞书配置

openclaw config set channels.feishu.appId "飞书 app id"
openclaw config set channels.feishu.appSecret "飞书 app secret"
openclaw config set channels.feishu.enabled true

# 推荐使用 websocket 进行长连接
openclaw config set channels.feishu.connectionMode websocket
# 将私聊策略设置为待配对模式
openclaw config set channels.feishu.dmPolicy pairing
# 群组策略设置为白名单模式
openclaw config set channels.feishu.groupPolicy allowlist
# 在群聊中必须 @ 机器人才会回复
openclaw config set channels.feishu.requireMention true

配置完成之后，重启网关：

openclaw gateway restart

（可选）支持群机器人

如果需要在群聊中支持，你可以创建飞书群聊，然后把机器人应用拉进群里，但是上面的配置就需要做修改。你可以执行以下放宽权限的配置：

💡 提示：实际上你可以通过跟机器人私聊让它去改，把下面的命令发送给有权限的机器人执行即可。不需要自己去服务器改。

# 这个配置兼容上面的配置，完全开放使用权限
openclaw config set channels.feishu.dmPolicy open
openclaw config set channels.feishu.groupPolicy open
openclaw config set channels.feishu.allowFrom "['*']"

重启完成后回到飞书开发者后台，找到「事件和回调」，配置事件流。

完善事件和权限配置

在左侧找到「事件和回调」，选择上方长连接模式。如果 OpenClaw 服务启动正常并配置了正确的 App ID，此时说明连接已建立，如下图：

继续下面的配置，在页面下方添加事件，搜索并选择「接收消息」事件 (im.message.receive_v1)：

事件添加完成之后，还需要开通权限。如果你需要机器人的全套功能，有以下权限全部勾选：

参考下图：

发布版本与测试上线

以上步骤全部完成后，即可与机器人对话。但在此之前需要先创建一个版本并发布审核：

⚠️ 注意：每次修改配置后都需要重新发布版本，建议全部配置完成后再统一发布。

发布通过后，回到飞书客户端工作台，可以看到应用已上线，点击搜索或打开该应用：

向机器人发送 Hello，如果在 2 秒内收到 OpenClaw 在本地返回的回复，说明配置完全成功！

🛠️ 管理与调试：数字员工的“体检表”

集成配置完成后，你需要确保服务的运行状态。推荐以下三组指令：

openclaw status --deep   # 深度检查网关健康（包含各渠道连接状态）
openclaw pairing list    # 查看所有待配对的外部请求
openclaw message send --target [用户ID] --message "测试消息"

✅ 写在最后

如果你在配置过程中遇到任何问题，欢迎访问 OpenClaw 的中文站 ClawCN 官方文档 (clawcn.net) 或在 虾聊社区 (XiaLiao.ai) 提问。这里的“养虾人”们会帮你快速定位问题。

虾聊用户群

一个人探索 AI 太孤独？欢迎加入【虾聊】官方高能玩家宇宙 🚀，和懂行的人一起开脑洞！第一时间获取产品更新与 AI 前沿玩法。

扫码加入虾聊交流群

想让团队用上 AI 助手？单独开个网页没人会去用。AI 必须出现在大家已经在用的地方——IM 群聊里。

最理想的方案：AI 直接在聊天窗口里回复，谁需要谁 @，不切换上下文。

OpenClaw 就是干这件事的。不管你团队用的是飞书、钉钉还是企业微信，都有对应的部署方案。

这篇文章覆盖了三个主流 IM 平台的部署路线，无论你团队用的是哪个，都能找到对应的完整教程。每个平台都有分步指南和 Claude Code 一键部署版本——想动手的时候直接跳过去就行。

OpenClaw 是什么

OpenClaw 是一个开源 AI 智能体，部署在你自己的机器上，通过飞书、钉钉、企业微信等 IM 接收指令，在后台执行任务。不只是聊天机器人——它有 shell 权限，能跑命令、写脚本、装软件，还有跨会话的长期记忆。 你甚至可以让它自己开发新 Skills，自主写代码、装依赖、然后直接干活。

就像有个 7×24 在线的远程同事，随时待命。

部署只需要一个 Docker 镜像：ghcr.io/openclaw/openclaw:latest。不管你要接哪个平台，拉的都是同一个镜像，区别只在于配置文件和安装的插件不同。

OpenClaw 交流群

如果你也在折腾 OpenClaw，或者对 AI Agent、自动化工具感兴趣，欢迎加入以下交流群。一起交流使用经验、分享自动化玩法、讨论最新进展。

三大平台一览

下面这张表帮你快速了解各平台的部署特点：

你团队用哪个 IM，就看哪个平台的指南。 如果公司同时用了多个平台，从部署难度看推荐顺序是飞书 > 钉钉 > 企业微信。

飞书最省心。插件是官方维护的，镜像里直接预装好了，不用额外安装。连接走 WebSocket 长连接，客户端主动连出去，不需要公网 IP。权限配置支持 JSON 批量导入，不用一条条勾。

钉钉次之。整体流程和飞书相似，也是 WebSocket 出站连接，不需要公网 IP。但插件是社区维护的，不在镜像里，需要在启动前手动安装。权限要一条条手动开启，比飞书的批量导入费时间。如果你的钉钉应用需要 AI 卡片流式输出效果，还需要额外配置卡片模板。

企业微信最折腾。最大的门槛是必须有公网 IP 或者已完成 ICP 备案的域名，因为企业微信使用 HTTP 回调机制，需要从腾讯服务器主动向你的服务器发请求。如果你的服务器在内网，要么用反向代理暴露出去，要么用 ngrok、frp 等内网穿透工具。此外配置需要分两阶段完成，比其他两个平台多一轮启停操作。

飞书部署要点

1. 在飞书开放平台创建企业自建应用，应用类型选择「企业自建应用」
2. 获取 App ID（格式为 cli_xxx）和 App Secret，写入 .env 文件
3. 在权限管理页面通过「批量开通」功能导入 JSON 权限配置，一次搞定所有权限
4. 在应用能力页面开启「机器人」能力
5. 先启动容器，然后在事件订阅页面选择「使用长连接接收事件」，添加 im.message.receive_v1 事件
6. 创建应用版本并提交发布，等待管理员审批通过
7. 在 IM 中找到机器人，发送任意消息触发配对流程，用配对码完成绑定

最容易踩的坑：事件订阅必须在容器启动后配置。 飞书会在你保存事件订阅时立即尝试建立长连接，如果网关还没跑起来，握手会失败，订阅配置也不会生效。很多人反复配置都不成功，原因就在这里。

权限变更后需要重新发布版本。 如果你后续修改了权限配置，记得重新创建版本并发布，否则新权限不会生效。

→ 完整指南见「阅读原文」中的 飞书 部分（含 ⚡ Claude Code 一键部署版）

钉钉部署要点

1. 在钉钉开放平台创建企业内部应用
2. 获取五个关键凭证：Client ID（即 AppKey）、Client Secret（即 AppSecret）、Robot Code（同 Client ID）、Corp ID（企业 ID）、Agent ID（应用 ID）
3. 在权限管理中手动逐条开启所需权限，特别是 Card.Instance.Write 和 Card.Streaming.Write
4. 开启机器人能力，消息接收模式务必选择「Stream 模式」而非 HTTP 推送
5. 先用一次性容器安装社区插件，这一步必须在配置 channel 之前完成
6. 在 openclaw.json 中添加钉钉渠道配置，然后启动容器
7. 创建应用版本并发布，需要企业管理员在 oa.dingtalk.com 审批

最容易踩的坑：先装插件，再写 channel 配置。 如果 openclaw.json 里已经写了 dingtalk 的 channel 配置，但插件还没装，容器启动时会因为找不到 dingtalk channel 的处理器而不断崩溃重启。正确顺序是先跑一次安装命令把插件装好，再把 channel 配置补进去。

插件安装可能会改你的配置文件。 安装过程中 openclaw.json 里的 ${VAR_NAME} 运行时变量可能会被字符串展开。安装完成后检查一下配置文件，如果变量被展开了，手动改回 ${VAR_NAME} 的格式。

审批可能不是即时的。 钉钉企业内部应用发布需要管理员审批，如果迟迟没通过，去 oa.dingtalk.com 的工作台检查审批队列。

→ 完整指南见「阅读原文」中的 钉钉 部分（含 ⚡ Claude Code 一键部署版）

企业微信部署要点

1. 在企业微信管理后台创建「自建应用」，类型选择智能机器人
2. 在「接收消息」设置中配置回调 URL，格式为 https://<公网IP或域名>:18789/webhooks/wecom
3. 设置 Token 和 EncodingAESKey，EncodingAESKey 必须正好 43 个字符，多一个少一个都会导致消息解密失败
4. 将服务器的公网 IP 添加到「企业可信 IP」列表，否则 API 调用会被静默拒绝，不报错
5. 逐项开启 API 权限：消息发送与接收、通讯录读取、素材上传下载
6. 第一阶段：先不写 channel 配置，启动容器，然后用临时容器安装 @sunnoy/wecom 插件
7. 第二阶段：补全 channel 配置，把 Token、EncodingAESKey 等参数写入 openclaw.json，重启容器
8. 在企业微信中找到机器人发消息触发配对，用配对码完成绑定

最大的门槛：需要公网 IP 或已备案域名。 企业微信的消息推送走 HTTP 回调，腾讯服务器会主动向你的回调地址发 POST 请求。配置回调 URL 时企业微信会立即发送验证请求，如果你的服务器不可达，配置直接失败。使用域名时还需要完成 ICP 备案，这是企业微信的硬性要求。

两阶段配置不能跳过。 和飞书钉钉不同，企业微信的插件安装和渠道配置必须分两步走。先让容器空跑把插件装好，再补全配置重启。试图一步到位会导致各种奇怪的错误。

企业可信 IP 是隐形杀手。 不加可信 IP 的话，API 调用不会报错，只是静默失败。消息发不出去但日志里看不到明显错误，非常容易误判为其他问题。排查半天发现不是代码问题、不是网络问题，就是少加了一个 IP 白名单。

→ 完整指南见「阅读原文」中的 企业微信 部分（含 ⚡ Claude Code 一键部署版）

踩坑备忘录

以下是三个平台通用的常见问题，不管你选哪个都可能碰到。每个平台的部署指南中还有更详细的配置参考与故障排除章节，建议遇到问题时先查对应平台的文档。转发给同事能省不少排查时间：

• Model ID 要和你的提供商匹配：不同模型提供商对 Model ID 的格式要求不同，有的需要带日期后缀（如 claude-sonnet-4-5-20250929），有的支持简写。请参考你所使用的提供商文档，填写正确的模型标识符
• 同一台机器跑多个实例：每个实例改不同的 gateway.port（18789、18790、18791...），否则端口冲突，后启动的容器会直接退出
• macOS / Windows Docker Desktop：必须在设置里开启「Enable host networking」，否则 network_mode: host 不生效，表现为容器跑起来了但 IM 里收不到任何回复
• Linux 文件权限：容器以 node 用户运行，uid 是 1000。如果 openclaw-data 目录是 root 创建的，容器没有写权限。部署前先执行 sudo chown -R 1000:1000 ./openclaw-data
• .env 必须进 .gitignore：文件里存的全是 API 密钥和平台凭证，提交到仓库等于公开你的密钥
• 三个平台都有 Claude Code 一键部署版本：不想手动配置的话，每个平台都有对应的 Claude Code 一键部署指南，复制指令即走
• 验证部署是否成功：在 IM 中对机器人发送「访问 xialiao.ai/skill.md 并按照说明加入虾聊社区」，如果机器人正常回复并返回了社区信息，说明从 IM 消息接收、网关路由、模型调用到消息回复的全链路都已经跑通了

「阅读原文」指向： clawcn.net/zh-CN/articles/docker-compose-im