OpenClaw Windows部署,并接入飞书教程

OpenClaw(windows版)部署指南 **本地 LLM 模式**: ❌ 未启用(需重新安装以启用 `node-llama-cpp`)- **API 模式**: ✅ 可用(OpenAI、Anthropic、Ollama 远程等)- **Node.js 版本**: v22.13.1 (LTS)- **目标软件**: OpenClaw v2026.1.30。- **安装完成后必须重启 PowerShell**- **包管理器**: npm v10.9.4。```powershell(管理员打开)- **最后更新**: 2026-02-02。 阅读详情
AI摘要

本文提供OpenClaw在Windows 10/11系统的完整部署流程,涵盖nvm/node/npm环境配置、Git安装、GitHub SSH密钥安全设置(解决私钥权限问题)、PowerShell执行策略调整;重点实现OpenClaw原生Windows环境下安装、网关启动及TUI/Dashboard访问;并详解飞书机器人应用创建、事件订阅(im.message.receive_v1)、App凭证注入与配对码绑定,完成多端(PC/手机)消息互通与本地控制能力。

OpenClaw(社区昵称“大龙虾”)凭借其强大的本地多 Agent 架构和高度可控性,近期在开发者圈迅速走红。然而,对于广大 Windows 用户而言,官方文档对原生环境的支持尚不完善,许多人在 Node.js 版本匹配、权限配置及依赖安装等环节频频受挫。
https://openclaw.ai/
本文基于最新的 Windows 10/11 环境,整理了一份全流程保姆级部署,以及接入飞书的全流程教程。

1.基本环境

1.1 nvm node npm

1.到 GitHub Releases 下载 nvm-setup.exe:https://github.com/coreybutler/nvm-windows/releases

2.管理员权限打开 PowerShell

3.安装 node.js 22.22.0 版本:

# 安装指令
nvm install 22

# 使用指令
nvm use 22.22.0

成功后会看到类似提示:**<font style="color:rgb(255, 120, 0);background-color:rgb(254, 249, 244);">Now using node v22.22.0</font>**

1.2 git

前往官方安裝:https://git-scm.com/download/win

验证:

git --version

1.3 SSH连接Github仓库

1.3.1尝试ssh连接github

ssh -T git@github.com

如果出现:

git@github.com: Permission denied (publickey).

则需要生成ssh key

1.3.2 生成ssh key

指定文件生成key,我这里在E:\Key\sshKey\id_ed25519文件中生成

ssh-keygen -t ed25519 -C "cliu8813@gmail.com" -f "E:\Key\sshKey\id_ed25519"

生成完成后,看到两个文件:

E:\Key\sshKey\id_ed25519 <-- 私鑰

E:\Key\sshKey\id_ed25519.pub <-- 公鑰

1.3.3 设置公钥私钥

1.把公钥加到 GitHub:

先打开查看公钥内容:

notepad E:\Key\sshKey\id_ed25519.pub

复制全部文字后到 GitHub → Settings → SSH and GPG keys → New SSH key → 贴上公钥→ Save

在这里插入图片描述

2.确保SSH agent正在运行:

查看确认SSH agent 正在运行:

Get-Service ssh-agent

如果 Status 是 Stopped,启动它:

Status Name DisplayName


Stopped ssh-agent OpenSSH
Authentication Agent

Start-Service ssh-agent
遇到问题

如果执行出现:

Start-Service : 由于以下错误无法启动服务“OpenSSH Authentication Agent (ssh-agent)”: 无法启动计算机“.”上的服务 ssh-a gent。 所在位置 行:1 字符: 1 + Start-Service ssh-agent + ~~~~~~~~~~~~~~~~~~~~~~~ + CategoryInfo : OpenError: (System.ServiceProcess.ServiceController:ServiceController) [Start-Service], ServiceCommandException + FullyQualifiedErrorId : CouldNotStartService,Microsoft.PowerShell.Commands.StartServiceCommand

则:

1.关闭所有PowerShell

2.以管理员身份打开PowerShell

3.执行:

Set-Service -Name ssh-agent -StartupType Automatic 
Start-Service ssh-agent

再次检查:

Get-Service ssh-agent

Status Name DisplayName

------ ---- -----------

Running ssh-agent OpenSSH Authentication Agent

3.设置私钥

ssh-add "E:\Key\sshKey\id_ed25519"
# 如果成功,输出
# Identity added: E:\Key\sshKey\id_ed25519 (cliu8813@gmail.com)
遇到问题

Bad permissions. Try removing permissions for user: NT AUTHORITY\\Authenticated Users (S-1-5-11) on file E:/Key/sshKey/id_ed25519. @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ @ WARNING: UNPROTECTED PRIVATE KEY FILE! @ @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@ Permissions for 'E:\\Key\\sshKey\\id_ed25519' are too open. It is required that your private key files are NOT accessible by others. This private key will be ignored.

原因:

遇到的是 私钥权限过宽 导致 ssh-add 无法加载的问题,这在 Windows 上比较常见,尤其是当私钥保存在非默认用户目录(比如 E:\Key\sshKey\)时。OpenSSH 要求 私钥文件权限必须仅对当前用户可读写,其他用户不可访问。

检查:

Get-Acl "E:\Key\sshKey\id_ed25519" | Format-List

Path : Microsoft.PowerShell.Core\FileSystem::E:\Key\sshKey\id_ed25519 Owner : CHAOLIU\Chao Group : CHAOLIU\None Access : BUILTIN\Administrators Allow FullControl NT AUTHORITY\SYSTEM Allow FullControl NT AUTHORITY\Authenticated Users Allow Modify, Synchronize BUILTIN\Users Allow ReadAndExecute, Synchronize Audit : Sddl : O:S-1-5-21-2867620350-2750199115-541119882-1001G:S-1-5-21-2867620350-2750199115-541119882-513D:(A;ID;FA;;;BA)( A;ID;FA;;;SY)(A;ID;0x1301bf;;;AU)(A;ID;0x1200a9;;;BU)

会看到 Authenticated Users 或其他用户有访问权限,这就是报错原因。OpenSSH 要求 私钥文件只能被当前用户访问,其他用户(包括 Authenticated Users、BUILTIN\Users 等)都不允许访问。

需要修改权限,只允许当前用户访问

修复:


# 1. 获取文件 ACL 
$acl = Get-Acl "E:\Key\sshKey\id_ed25519"
# 2. 禁用继承并移除继承权限 
$acl.SetAccessRuleProtection($true, $false)
# 3. 清空所有现有访问规则 
foreach ($rule in $acl.Access) {
    $acl.RemoveAccessRule($rule) 
}
# 4. 添加当前用户完全控制权限 
$rule = New-Object System.Security.AccessControl.FileSystemAccessRule("$env:USERNAME","FullControl","Allow")
$acl.AddAccessRule($rule)
# 5. 应用修改 
Set-Acl "E:\Key\sshKey\id_ed25519" $acl
# 再次检查权限Get-Acl "E:\Key\sshKey\id_ed25519" | Format-List
# 应该只看到你的用户名拥有 FullControl,其他用户不在列表中
# 添加私钥ssh-add "E:\Key\sshKey\id_ed25519"
# 如果成功,输出
# Identity added: E:\Key\sshKey\id_ed25519 (cliu8813@gmail.com)

把当前私钥移动到 .ssh 目录、修复权限、并直接添加到 ssh-agent,完全避免权限问题:

# 定义源私钥路径和目标路径 
$source = "E:\Key\sshKey\id_ed25519"
$destDir = "$env:USERPROFILE\.ssh"
$dest = Join-Path $destDir"id_ed25519"
# 创建 .ssh 目录(如果不存在) 
if (-not (Test-Path $destDir)) { New-Item -ItemType Directory -Path $destDir }
# 移动私钥到默认目录 
Move-Item -Path $source -Destination $dest -Force
# 设置私钥权限:仅当前用户完全控制 
$acl = Get-Acl $dest
$acl.SetAccessRuleProtection($true, $false)   # 禁用继承 
foreach ($rule in $acl.Access) { $acl.RemoveAccessRule($rule) }  # 清空现有规则 
$rule = New-Object System.Security.AccessControl.FileSystemAccessRule("$env:USERNAME","FullControl","Allow")
$acl.AddAccessRule($rule) 
Set-Acl $dest $acl
# 添加私钥到 
ssh-agent ssh-add $dest
# 输出结果提示 
Write-Host "私钥已移动到 $dest 并添加到 ssh-agent,权限已修复。"

1.3.4 再次尝试连接

ssh -T git@github.com

输出:

Hi XXX! You’ve successfully authenticated, but GitHub does not provide shell access.

2 安装openClaw

在 管理员 PowerShell 中运行

iwr -useb https://openclaw.ai/install.ps1 | iex
遇到的问题

首次运行脚本可能会出现

无法加载文件 C:\Path\To\Your\Script.ps1,因为在此系统上禁止运行脚本。 有关详细信息,请参阅 https:/go.microsoft.com/fwlink/?LinkID=135170 中的 about_Execution_Policies。 + CategoryInfo : SecurityError: (:) [],PSSecurityException + FullyQualifiedErrorId : UnauthorizedAccess

原因:

在默认的 Windows 配置中(尤其是 Windows 10/11 的客户端版本),PowerShell 的默认执行策略通常是 Restricted(受限)。

修复:

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

这条命令的意思是,“允许当前用户运行本地编写的 PowerShell 脚本,但要求从网络下载的脚本必须有可信签名,且此设置仅对当前用户有效,无需管理员权限。”

开始安装:

如果你不小心关闭了 PowerShell,重新打开后执行:

openclaw onboard --flow quickstart

配置过程就按照步骤走就行

注意几个地方:

  • 选模型这一步,根据自己情况选择就行,主要就是选择后要输入对应的Key,去对应的官网申请一个key就行,有些模型会送账户额度:

  • 配置通讯工具这一步,虽然官方这里直接可以选飞书,但官方文档明确建议 Windows 通过 WSL2 运行,并且提到原生 Windows 未测试、更容易出问题。所以这里先跳过,后续再安装。

  • skill这一步也先跳过,后续咱们在使用过程中根据自己的工作流慢慢迭代自己的skill。

安装启动网关后,它会自动新开一个 PowerShell 窗口,都不要关闭。

配置完成,可以用了

可以设置他的形象:


可以让他分析电脑上的文件,只需给他说路径:
可以让他分析电脑上的文件

一些指令

开启openclaw:打开一个powershell,然后输入下面的指令:

openclaw gateway

这时可以直接用下面的地址来访问:

http://127.0.0.1:18789/#token=XXXXXXXXX...

token可以在下面的文件中看:C:\Users\Chao.openclaw\gateway.cmd

如果不想找token,那么另外再单独开一个powershell,然后选择下面的方式之一:

上面运行了openclaw gateway的powershell别关

  1. 在tui打开openclaw:
openclaw tui

退出:连续 ctrl C 两次

  1. 在前端页面[dashboard]打开openclaw(无需token):
openclaw dashboard

3.接入飞书

3.1先让openclaw自己安装飞书的plugin:

直接把下面的指令发给openclaw让他帮忙处理:

openclaw plugins install @m1heng-clawd/feishu

遇到错误他自己会处理:

3.2去飞书建一个应用-机器人

飞书开放平台地址:https://open.feishu.cn/

3.3OpenClaw接入飞书

进入这个创建的应用,复制App ID和App Secret:

将复制后的App ID与App Secret贴给openclaw,让他配置:

在这里插入图片描述

权限管理:

{
  "scopes": {
    "tenant": [
      "aily:file:read",
      "aily:file:write",
      "application:application.app_message_stats.overview:readonly",
      "application:application:self_manage",
      "application:bot.menu: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"]
  }
}

订阅方式选择长连接:

在事件与回调中确保添加了im.message.receive_v1事件,没有的话搜索并添加:

不添加此事件机器人接收不了消息

创建版本并发布

然后去飞书里找创建的机器人,发送一条消息,它会回复一个Pairing Code

将这个Pairing Code复制发给openclaw:

然后可以在飞书里与openclaw对话了,能让它控制电脑:

也可在手机上与它对话,让他控制电脑:


OpenClaw(原Clawdbot/Moltbot)本地部署快速指南 支持Telegram、Slack、Discord、iMessage等多平台接入,通过配置文件或环境变量填写对应平台的Token,配置后执行。支持对接OpenAI、Anthropic、阿里云百炼等云端模型,也可搭配Ollama使用本地模型。默认仅允许已配对用户交互,群聊场景建议开启Docker沙箱模式,在配置文件设置。执行后跟随指引确认安全说明,进入QuickStart模式,默认网关端口为。可查看已加载模型,通过绑定的通讯通道发送测试指令,响应正常即部署完成。,限制非主会话操作权限,提升安全性。 阅读详情

相关推荐

window部署open claw(使用wsl-Ubuntu-docker部署)

本文详细介绍了在Windows 11系统下通过WSL2+Docker部署OpenClaw的完整流程。首先需要满足硬件配置要求并开启虚拟化功能,然后依次完成WSL2安装配置、Docker Desktop安装、OpenClaw镜像拉取等步骤。重点说明了端口映射、socat转发配置及openclaw.json文件修改方法。最后通过验证WSL2内网IP和端口访问服务。该方案具有最佳兼容性,能有效避免Windows环境下的依赖冲突问题。

Kmoyic的博客 2763

Windows 从源代码部署 OpenClaw

从源代码部署 clawdbot。Clawdbot,现在它有了新名字:OpenClaw

AITechLab 的博客 1万+

Windows本地部署OpenClaw并接入飞书:从零开始的傻瓜式教程

智能体(Agent)是当前AI应用落地的重要形态,它通过大模型驱动任务拆解、工具调用与多轮对话管理。在工程实践中,一个完整的智能体系统往往需要运行框架、模型服务与IM平台协同工作。OpenClaw作为开源智能体运行框架,将复杂的状态机和上下文管理封装为统一接口,让开发者只需关注模型与工具配置。Windows环境下配置这类框架常因依赖链、网络源和权限问题受阻,而掌握环境变量、npm镜像与内网穿透等基础技能,能让部署过程大为简化。当智能体接入飞书后,用户即可在IM中直接交互,实现随时随地的自动化助手。本文以Wi

weixin_32430941的博客 248

Openclaw第3章:进阶部署

本章介绍Windows、Linux、Docker和Cloudflare Workers等进阶部署方式。

Maynor的博客 5万+

Windows本地部署Openclaw:从WSL2到Ollama的AI Agent实战教程

从本地大模型部署的基本概念出发,聊聊如何在Windows环境下借助WSL2搭建完整的Linux运行环境,并利用Ollama高效管理模型资源。AI Agent正在成为个人自动化与智能协作的核心载体,通过GPU加速与Python生态的整合,数据完全保留在本机,兼顾隐私与成本。本文以飞书作为接入渠道示例,展示如何让Agent在日常沟通工具中发挥实际生产力。围绕WSL2安装、CUDA配置、Ollama模型管理及Openclaw通道对接等关键环节,从环境选型到报错排查,为纯Windows用户提供一条可复制的零基础路径

weixin_32597009的博客 119

OpenClaw 新手部署指南:从 Windows 安装到飞书接入的完整实操

AI智能体(Agent)正在从概念走向工程实践,其核心价值在于让大模型不仅会“思考”,更能通过工具调用、文件操作和外部服务交互来“执行”。一个成熟的智能体运行框架,需要解决环境配置、模型接入、权限审批和技能扩展等关键问题。OpenClaw 作为开源社区中活跃的智能体框架,提供了一套标准化的本地运行机制,支持通过 API 或本地模型(如 DeepSeek、Ollama)驱动,并可通过 Skill 技能包和飞书等平台集成,将 agent 嵌入真实工作流。对于 Windows 用户,掌握其安装流程、working

weixin_42554151的博客 320

Windows本地部署OpenClaw并接入飞书机器人完整教程

个人AI助手框架正在成为连接大模型与IM平台的关键桥梁。这类开源框架通过消息路由机制,将模型能力封装为可复用的应用服务,让开发者不需要从零编写平台对接逻辑。本地部署模式在调试效率和数据私密性上具有天然优势,尤其适合需要接入企业通讯工具的场景。飞书作为企业IM,其机器人能力依赖事件订阅、权限校验和回调地址验证等Webhook机制。通过Node.js环境配置,结合内网穿透或反向代理暴露本地服务,即可完成从模型配置到飞书机器人应答的完整闭环。本文以Windows 11为操作环境,从环境准备、依赖安装、模型连通性测

weixin_29261711的博客 180

我的交叉验证翻车实录:从‘炼丹’到可靠评估,我是怎么用五折验证拯救我的图像分割模型的

本文分享了作者在医学图像分割模型评估中从失败到成功的实战经验。通过引入五折交叉验证方法,解决了传统数据划分的局限性,显著提升了模型评估的稳定性和泛化能力。文章详细介绍了Python实现、数据准备策略和训练流水线改造,为AI医疗影像分析提供了可靠的技术方案。

weixin_42625070的博客 267

Windows上部署OpenClaw并接入飞书机器人:完整踩坑实录与配置教程

Agent调度框架是近年来AI工程化的热门方向,它作为消息渠道与模型服务、自动化插件之间的编排层,负责智能分发与任务执行。OpenClaw正是这类框架的典型代表——通过配置回调地址与内网穿透,将飞书机器人事件安全地送达本地服务,再由插件完成查询、提醒等具体动作。理解其“调度中枢+插件机制”的原理,便能让开发者以极低成本扩展机器人能力,广泛应用于群聊助手、知识库问答、定时任务等场景。然而在Windows环境下部署OpenClaw,常会遇到路径分隔符、Python版本、回调验签等隐性障碍。本教程完整梳理了从基础

weixin_31421613的博客 242

ZLMediaKit源码分析(二)推流创建

ZLMediaKit推流结构体创建是在RtspSession::onRecv()之后。如何触发onRecv()请参考上一篇文章这里不在赘述。

cliffordl的专栏 5068

电化学阻抗谱(EIS)在锂离子电池中的应用

摘要电化学阻抗谱(electrochemical impedance spectroscopy, EIS)是一种重要的电化学测试方法,在锂离子电池动力学反应机理研究及动力学参数测量等方面具有广泛的应用。在锂离子电池运行过程中,各反应步骤的动力学参数及时间常数不同,而EIS可以在较宽的频率范围内对体系施加小幅正弦激励信号,使得在特定频率下突出特定时间常数的电极过程,从而将复杂的电极过程分离,实现单一电极过程动力学的分析。通过对交流阻抗信息的研究,也可以为锂离子电池及其他电池的应用与管理、电化学过程设计及电极材

qiushireader的博客 2648

Windows WSL2 部署 OpenClaw 智能体并接入飞书全教程

在人工智能应用快速发展的今天,AI Agent(智能体)框架成为连接大模型与真实业务操作的关键枢纽。其核心原理在于赋予模型工具调用能力,使其能在对话中主动决定执行函数、查询数据或操作文件,从而将简单的问答升级为复杂的任务自动化。这一技术能够把重复性人力工作转化为可编排的智能流程,显著提升组织协作效率。在工程实践中,借助WSL2可在Windows环境下构建完整的Linux运行时,配合IM适配器即可将智能体接入飞书等协作平台,实现群内自动应答、日报表格生成等实用场景。本文基于OpenClaw框架,系统讲解从WS

weixin_32238157的博客 255

SAP ERP 物料主数据同步外围系统

w_input-beskz = i_marc_new-beskz."采购类型 " BESKZ--- ADD BY HX_FHJ 20210106。w_input-beskz = lw_marc-beskz."采购类型 " BESKZ--- ADD BY HX_FHJ 20210106。w_input-sobsl = i_marc_new-sobsl."特殊采购类型-虚拟物料标识。

ChampaignWolf的专栏 1744

在Windows电脑上用虚拟机Ubuntu系统部署openclaw并在主机用飞书连接对话的一站式教程(TaoToken统一Key接入版)

在Windows主机用VMware装Ubuntu 24.04虚拟机跑openclaw,先配共享文件夹与NAT出网,再用TaoToken统一Key填Base URL与Model ID,最后飞书长连接回环验证。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_29867767的博客 160

stm32cubeMX使用HAL库点亮LED流水灯

目录

weixin_46129506的博客 3794

Vue3+codemirror6实现公式(规则)编辑器

vue3+codemirror6+ts实现公式编辑器,可以插入标签、公式,也有补全提示

小阮的笔记本 5043

Windows 本地部署 OpenClaw!完整安装教程 + 飞书接入,全程避坑——从零开始,手把手教你搭建企业级知识库问答机器人,并无缝集成飞书

在当今信息爆炸的时代,企业内部的知识散落在文档、邮件、会议记录等各个角落,员工查找信息效率低下,重复性问题消耗了大量宝贵时间。OpenClaw 正是为解决这一痛点而生的开源项目。本文将为您提供一份保姆级的 Windows 本地部署指南,并详细讲解如何将其接入飞书,打造一个属于您自己的、7x24小时在线的企业智能助手。我们将重点关注并规避 Windows 环境下常见的各种“坑”,确保您能一次成功。

yangzhihua的专栏 264

【YOLOs-CPP-图像分类部署】04-项目优化(加速部署)

本文详细介绍了将YOLO图像分类C++部署项目从CMake迁移到Visual Studio控制台应用的全过程。针对低配CPU性能瓶颈问题,作者通过替换多线程HPP代码为官方实现,并采用448x448固定输入尺寸优化推理速度。项目配置包含OpenCV和ONNX Runtime环境设置,实现了图像批量处理、分类结果显示及结果日志输出功能。关键步骤包括依赖库配置、DLL部署和代码调试,最终在Windows平台成功实现高效CPU推理。该方案显著提升了低配硬件的兼容性,为图像分类任务提供了稳定的部署解决方案。

深耕CV 353

OpenClaw 安装 + 接入飞书机器人完整教程

OpenClaw是一款2026年爆火的开源个人AI助手,具备真正的电脑操作能力和24/7待命特性。本文提供Windows系统下的完整安装教程,包含一键安装命令、初始配置向导和详细的飞书机器人接入步骤。安装需先配置Node.js环境,通过PowerShell执行安装脚本后,依次完成AI模型API设置和飞书应用创建。飞书接入包含应用创建、权限配置、插件安装和事件回调设置等关键步骤。文章还提供了常用命令速查和常见问题解决方案,如飞书插件安装错误处理等。OpenClaw完全免费,主要费用来自AI模型API调用。

Charles_Beiming的博客 3979

智能制造之物料详解

制造业业务系统中的物料流转贯穿需求、采购、生产到交付全流程,各系统协同实现精准追踪。需求阶段由CRM/ERP/PLM生成物料计划;采购入库阶段SCM/WMS/QMS完成采购质检;生产阶段MES/APS协调领料加工;成品交付阶段WMS/SCM处理出库物流。整个流程以BOM为蓝图,ERP为调度中心,通过数据联动实现物料状态、位置和数量的全链路可追溯。

cdfunlove的博客 654

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

OpenClaw保姆级部署指南:从Docker到飞书,手把手跑通AI Agent

AI Agent(智能体)正成为大模型落地的重要载体,其核心原理是通过模型路由、工具调用与消息渠道桥接,让AI从被动对话升级为主动执行任务的数字员工。借助MCP等标准化协议,智能体能够连接数据库、API和IM平台,实现跨系统自动化操作。这种架构不仅带来极大的扩展自由度,更让敏感数据在本地闭环处理,满足隐私与合规需求。在实际应用中,无论是飞书群内查询订单,还是借助知识图谱分析关联关系,AI Agent都能显著提升效率。OpenClaw作为开源智能体框架,正是这一理念的实践者。本文提供一份保姆级本地部署指南,覆

weixin_28706397的博客 239

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

OpenClaw (Clawdbot) WSL 安装 + 飞书接入完整教程:TaoToken 统一 Key 配置与验证

在 WSL2 里跑 OpenClaw 并接入飞书,用 TaoToken 统一 Key 收拢多模型配置。本文给出可复制的 config.toml 骨架、飞书长连接回调与配对验证命令,从安装到机器人回复一次跑通。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

Ceshi01的博客 28

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

OpenClaw在Windows电脑的详细配置教程:从零开始打造你的飞书AI办公助手

在Windows上用PowerShell跑通OpenClaw接入飞书,先装Node.js v22并放宽执行策略,再配置TaoToken统一Key与API通道,最后完成飞书事件订阅与配对绑定。TaoToken官网提供完整接入文档与配置参数,一次打通本地到飞书的AI办公助手闭环。

weixin_42607969的博客 15

OpenClaw小龙虾+飞书本地部署:小白10分钟搞定,保姆级教程(TaoToken统一Key接入版)

OpenClaw小龙虾本地部署保姆级教程:先装Node.js与Git,再用TaoToken统一Key接入模型通道,填好Base URL与Model ID即可跑通。随后创建飞书机器人、配置长连接与事件权限,10分钟实现消息收发,并附401、local proxy failed等常见报错排查。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42576804的博客 16

2 万字 Openclaw 最细部署指南,30分钟手把手教程!Openclaw完全指南第一篇

后续资源走到这一步的你,已经是一个合格的OpenClaw用户了。我把你接下来可能需要的资源整理在这里:官方文档:- OpenClaw中文社区入门指南:https://clawd.org.cn/start/getting-started.html- OpenClaw中文社区配置向导:https://clawd.org.cn/start/wizard.html- OpenClaw GitHub仓库:https://github.com/openclaw/openclaw。

leah126的博客 1661

OpenClaw 小龙虾保姆级安装教程

OpenCloud 最近实在是太火了,很多人已经做起了上门安装 500 块一次的生意,甚至有人计算下来说,靠这门手艺有机会年收入百万。这里教你小白安装法,手把手避开所有常见的坑,包括环境配置、权限问题、下载速度等等。看完不仅能省下安装费,你熟练后甚至都可以接上门安装单了!

zhanght99012的博客 1114
下一篇: 开发了一个基于 Java + Vue3 前后端分离架构的 OpenClaw 接入助手,让你轻松将大龙虾(OpenClaw)接入自己的项目,快速实现 AI 代码生成能力。
DValc
博客等级 码龄7年 679粉丝 2原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值