OpenClaw升级后OpenClaw和飞书“未建立有效的长链接“的问题修复过程

Deepseek-v3 / Dify api接入飞书机器人go程序 如何在dify中接入大模型并制作一个问答机器人:让飞书机器人接收消息->调用dify或者deepseek的api获得回答->把回答发给用户。我们使用长连接的方式接收用户消息,需要在飞书开发者后台中配置一下应用。接下来就是实现调用deepseek或dify的api的逻辑了。 阅读详情
AI摘要

本文记录OpenClaw升级至2026.2.27后与飞书无法建立有效长链接的问题排查与修复过程。核心原因包括:飞书插件多版本共存导致配置不兼容、插件版本与OpenClaw主程序不匹配、WSL网络模式(Mirrored/NAT)下代理干扰Gateway建链。关键解决措施为统一插件安装方式、禁用全局代理、调整WSL网络配置,并确保SSH密钥正确配置以避免衍生异常。

问题:OpenClaw升级后,飞书发送消息OpenClaw收不到

今天升级了OpenClaw,最新版本为2026.2.27。通过飞书发送消息失败。

总结原因:

1、因为OpenClaw会在2个不同的目录安装飞书插件,而~/.openclaw/extension中飞书插件不会自动更新,导致飞书插件版本与OpenClaw版本不一致。刚好这个版本修改了openclaw.json中飞书的插件的配置项。
2、本次升级关键修改点:将原来在channels.feishu下面的appId和appSecret移到了accounts.default下面。导致飞书插件异常。
3、通过代理无法与飞书建立长链接,提示“未建立有效的长链接“。把代理关闭。

  "channels": {
    "feishu": {
      "enabled": true,
      "domain": "feishu",
      "accounts": {
      #  本次版本新增
        "default": {
          "groupPolicy": "allowlist",
          "dmPolicy": "pairing",
          "appId": "cli_xxx",
          "appSecret": "",
          "botName": "主助手",
          "groupAllowFrom": [
            ""
          ]
        },
        "main": {
          "appId": "cli_xxx",
          "appSecret": "",
          "botName": "主助手",
          "groupAllowFrom": [
            ""
          ]
        },        
      }
    }
  },

关键命令:

openclaw channels status
openclaw channels status --probe
# 显示probe failed

排查思路,检查飞书版本。

openclaw plugins list
# feishu插件还是2026.2.23 

可能是因为我主动把~/.npm-global/lib/node_modules/openclaw/extensions/feishu/删除导致。因为每次都会提示飞书插件重复。

解决办法:删除~/.openclaw/extensions/feishu,重新安装飞书插件。

# 删除,这一步不应该执行
rm -r ~/.openclaw/extensions/feishu
# 重新安装feishu插件
openclaw plugins install @openclaw/feishu

提示错误如下,原因是我把2个飞书插件都给删了。连openclaw channels add都会报类似的错误。难道只能重新安装openclaw了吗?

Invalid config at /home/band/.openclaw/openclaw.json:\n- channels.feishu: unknown channel id: feishu
- plugins.allow: plugin not found: feishu

解决步骤,重新安装:npm i -g openclaw@latest

先重新安装openclaw,备份openclaw.json

npm i -g openclaw@latest
# ~/.npm-global/lib/node_modules/openclaw/extensions/feishu已经回来了
openclaw gateway status
# 已经启动

解决步骤,解决飞书重复问题

飞书插件3种不同的安装方式
至少有3种安装方式:
时间以2026-2-28为准,openclaw版本为2026.2.26

  • npm i -g openclaw@latest,会默认安装飞书插件,版本与openclaw一致,都是2026.2.26,安装目录为~/.npm-global/lib/node_modules/openclaw/extensions/feishu
  • openclaw plugins install @openclaw/feishu,版本为2026.2.25,安装目录为:~/.openclaw/extensions/feishu
  • openclaw plugins install @m1heng-clawd/feishu,版本为0.1.14,安装目录为:~/.openclaw/extensions/feishu
    今天的问题,我还是怀疑版本不一致导致的。最终使用第3种方式安装。

请添加图片描述

还是没法收消息

我以为解决了,实际没解决。在飞书上发消息,还是接受不到。看后台日志,应该是这个原因导致的。在添加渠道的时候也会报这个错。但是我之前都配置过。为什么?

[ 'failed to obtain token' ]

去飞书后台,机器人的事件与回调那,点事件配置,重新选择方式,再选择长链接,会提示应用未建立长连接。
尝试重新添加渠道,openclaw channels add,还是不行。

API调试台:https://open.feishu.cn/api-explorer,能成功调用https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal接口成功。
下面提示是代理不通,我把代理打开也不行。

00:45:58 info [error]: [
  AxiosError: connect ECONNREFUSED 127.0.0.1:10810
      at Function.from (/home/band/.npm-global/lib/node_modules/openclaw/node_modules/axios/lib/core/AxiosError.js:7:28)
      at RedirectableRequest.handleRequestError (/home/band/.npm-global/lib/node_modules/openclaw/node_modules/axios/lib/adapters/http.js:820:25)
      at RedirectableRequest.emit (node:events:531:35)
      at ClientRequest.eventHandlers.<computed> (/home/band/.npm-global/lib/node_modules/openclaw/node_modules/follow-redirects/index.js:49:24)
      at ClientRequest.emit (node:events:519:28)
      at emitErrorEvent (node:_http_client:107:11)
      at Socket.socketErrorListener (node:_http_client:574:5)
      at Socket.emit (node:events:519:28)
      at emitErrorNT (node:internal/streams/destroy:170:8)
      at emitErrorCloseNT (node:internal/streams/destroy:129:3)
      at processTicksAndRejections (node:internal/process/task_queues:90:21)
      at Axios.request (/home/band/.npm-global/lib/node_modules/openclaw/node_modules/axios/lib/core/Axios.js:46:41)
      at processTicksAndRejections (node:internal/process/task_queues:105:5) {
    isAxiosError: true,
    code: 'ECONNREFUSED',
    config: {
      transitional: [Object],
      adapter: [Array],
      transformRequest: [Array],
      transformResponse: [Array],
      timeout: 0,
      xsrfCookieName: 'XSRF-TOKEN',
      xsrfHeaderName: 'X-XSRF-TOKEN',
      maxContentLength: -1,
      maxBodyLength: -1,
      env: [Object],
      validateStatus: [Function: validateStatus],
      headers: [Object [AxiosHeaders]],
      method: 'post',
      url: 'https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal',
      data: '{"app_id":"x","app_secret":"x"}',
      allowAbsoluteUrls: true
    },

有时候飞书日志会是下面这样,也是正常的。

01:55:42 info gateway/channels/feishu {"subsystem":"gateway/channels/feishu"} feishu[main]: starting WebSocket connection...
01:55:42 info [info]: [
  '[ws]',
  'receive events or callbacks through persistent connection only available in self-build & Feishu app, Configured in:\n' +
    '        Developer Console(开发者后台) \n' +
    '          ->\n' +
    '        Events and Callbacks(事件与回调)\n' +
    '          -> \n' +
    '        Mode of event/callback subscription(订阅方式)\n' +
    '          -> \n' +
    '        Receive events/callbacks through persistent connection(使用 长连接 接收事件/回调)'
]
01:55:42 info gateway/channels/feishu {"subsystem":"gateway/channels/feishu"} feishu[main]: WebSocket client started

VPN导致和飞书“未建立有效的长链接“

由于我是在Windows上用WSL部署的Ubuntu,本身就有网络模式可以选,建议修改为Mirrored,自动代理(默认开启,所以一般不会有这个配置项):
修改方式有2种:
1、修改配置文件,在windows的~/.wslconfig

[wsl2]
networkingMode=Mirrored
autoProxy=true

2、打开wsl setting,在网络里面修改
请添加图片描述

通过查看日志发现当我把代理关了,Gateway还在不停的访问代理。

127.0.0.1:10810

通过控制变量做对比分析,发现是Gateway自己调用的,跟wsl无关。

  • Mirrored模式,把代理关了,百度可以,谷歌不行,OpenClaw可以打开,但无法聊天(无法调用大模型)
  • Mirrored模式,把代理打开,百度可以,谷歌可以,OpenClaw可以。
  • NAT模式,不管代理是否打开,百度可以访问,谷歌不可以,OpenClaw可以打开,但无法聊天,因为调用大模型失败,后台请求全通过代理出去。

根本原因是:~/.config/systemd/user/openclaw-gateway.service有下面一段,删除后,在代理打开,Mirrored模式,和飞书建立长链接,就可以正常使用了。

Environment=HTTP_PROXY=http://127.0.0.1:10810
Environment=HTTPS_PROXY=http://127.0.0.1:10810
Environment=http_proxy=http://127.0.0.1:10810
Environment=https_proxy=http://127.0.0.1:10810

其他异常:
中间出现如下错误,根本原因是当git想用ssh协议去访问github,但是没有配置sshkey.因为之前遇到过,快速解决。解决方案如下:

npm error code 128
npm error An unknown git error occurred
npm error command git --no-replace-objects ls-remote ssh://git@github.com/whiskeysockets/libsignal-node.git
npm error git@github.com: Permission denied (publickey).
npm error fatal: Could not read from remote repository.
npm error
npm error Please make sure you have the correct access rights
npm error and the repository exists.

1、创建一个ssh key,生成的文件再~/.ssh目录,有2个文件,取id*.pub的内容

ssh-keygen -t rsa -C "your@email.com"

2、将这个key增加到github上
请添加图片描述

3、测试

ssh -T git@github.com
# 如下代表成功
Hi username! You've successfully authenticated, but GitHub does not provide shell access.

请添加图片描述

这是因为我开启了本地代理(VPN),但没有加到gateway.trustedProxies里面

Proxy headers detected from untrusted address. Connection will not be treated as local. Configure gateway.trustedProxies to restore local client detection behind your proxy.
OpenClaw智能体编排框架:Windows 11 + Node.js本地部署全指南 智能体(Agent)编排是当前AI工程化落地的核心环节,其本质是将大模型、API、数据库等异构能力按需组合并可靠执行。OpenClaw作为轻量级开源技能编排框架,聚焦‘技能(Skill)’抽象与上下文感知调度,依托Node.js运行时实现跨平台、低门槛的本地化执行。它不替代模型训练或推理服务,而是填补‘已有能力如何快速组装成业务闭环’这一关键空白。特别针对国内大量使用Windows 11开发环境的工程师、高校师生及企业内网场景,提供原生.exe分发、免WSL、强路径兼容与安全可控的数据本地化保障。本文详解其 阅读详情

相关推荐

【异常】OpenClaw对接钉钉/飞书配对成功但无响应 全流程排查指南(适配阿里轻量服务器+OpenClaw)

下面按「先快速定位根因→通用核心排查→平台专属排查→兜底方案」的顺序,一步步解决,新手也能跟着操作。

奶爸的编程之路,也就一周冷个三天 706

openclaw 配置飞书 报错 应用未建立长连接

原文: https://github.com/m1heng/clawdbot-feishu/issues/172。

qq_43114196的博客 6302

OpenClaw-遇到的问题- Downloading @openclaw/feishu…Error: spawn EINVAL

摘要:在Windows系统使用openclaw channels add添加飞书渠道时出现spawn EINVAL错误,主要原因是npm插件下载失败。提供6种解决方案:1)手动安装飞书插件;2)使用国内npm镜像;3)检查网络和权限;4)手动创建配置;5)离线安装;6)完全重装OpenClaw。还提供临时替代方案(开发者服务器模式)和插件启用方法。问题根源在于网络或权限导致插件安装失败,通过多种方式均可解决该渠道添加问题。(149字)

直到世界的尽头 2745

n8n配置飞书凭证时无法连接,错误码20027且执行当前飞书的步骤时出现Problem in node‘PartialExecutionToolExecutor‘

摘要:解决飞书应用授权问题需先开通缺失权限。具体步骤:1)进入飞书开放平台对应应用;2)在权限管理中开通offline_access等缺失权限;3)创建新版本并发布;4)返回n8n重新授权即可成功连接。错误提示"Unable to sign without access token"表明当前因权限不足导致授权失败,按上述流程补充权限后可解决问题。

qq_56419194的博客 1325

CODESYS EtherCAT通讯断了怎么办?手把手教你用ST语言写状态监测程序(附完整代码)

本文详细解析了CODESYS平台下EtherCAT通讯中断的故障排查与恢复方法,通过ST语言编写状态监测程序实现链路监测、故障隔离和伺服恢复。文章包含完整代码示例,帮助工程师快速诊断EtherCAT网络问题,提升工业自动化设备的运行稳定性。

weixin_30919571的博客 209

Excel地理探测器实战:5分钟搞定空间分异性分析(附完整数据集)

本文详细介绍了如何使用Excel地理探测器插件进行空间分异性分析。通过5分钟实战教程,手把手指导数据格式准备、软件操作及四大探测器(分异及因子、交互作用、风险区、生态探测器)的结果解读,帮助规划师、研究者快速验证地理因素对现象分布的影响,大幅降低GIS分析门槛。

peace的博客 608

OpenClaw升级后飞书长链接失效?从插件代理到TaoToken配置的修复实录

OpenClaw升级后飞书长链接失效,先跑openclaw plugins list核对插件版本,再检查channels.feishu配置是否已迁至accounts.default。模型通道用TaoToken统一接入,Base URL填https://taotoken.net/api,官网见https://taotoken.net/?utm_source=taotoken_aicg_blog_end 。

weixin_42596246的博客 136

PyTorch GPU版本安装避坑指南:解决RuntimeError: No CUDA GPUs are available报错

本文详细解析了PyTorch GPU版本安装过程中常见的`RuntimeError: No CUDA GPUs are available`报错问题,从硬件驱动检查、CUDA Toolkit与cuDNN安装到PyTorch GPU版本的正确配置,提供了全面的避坑指南和实战验证方法,帮助开发者高效搭建深度学习开发环境。

r2s3t4的博客 301

OpenClaw 2026.3.1 飞书配置问题

备份配置文件:升级前备份 openclaw.json,保留多个 .bak 备份版本检查 doctor 改动:运行 doctor --fix 后,仔细检查改动了什么飞书配置必需字段长链接 vs Webhook:长链接模式需要 encryptKey + verificationToken,Webhook 模式需要公网回调 URL。

bobodadao的专栏 2178

第4章 本地一键部署(新手首选)

本文介绍了OpenClaw的本地部署方法,特别适合新手用户。部署过程仅需执行一条命令,通过自动脚本完成安装和配置向导。安装完成后,用户可通过终端TUI或Web控制面板验证部署是否成功。文章还提供了常见问题的排查方法,包括端口占用、权限不足、APIKey无效和安装卡顿等情况。整个部署流程简单直观,无需手动修改配置文件,适合快速搭建使用。

eastyuxiao的专栏 195

从零构建安全通信:mbedtls与ECDSA在嵌入式系统中的实战指南

本文详细介绍了如何在嵌入式系统中使用mbedtls和ECDSA实现安全通信,重点探讨了ECDSA相比RSA的优势、mbedtls的模块化裁剪策略、密钥安全存储方案以及完整的签名验签流程。通过实战案例和优化技巧,帮助开发者在资源受限环境下构建高效可靠的安全通信系统。

weixin_28338005的博客 685

OPENCLAW与飞书集成:解决长链接保存失败问题

在现代企业应用集成中,API网关和长连接技术是实现系统间实时通信的关键组件。OPENCLAW作为开源API网关,通过插件机制扩展功能,而飞书作为企业协作平台,其事件订阅机制依赖WebSocket长连接。当两者集成时,版本兼容性和网络配置成为技术难点,特别是长链接保存失败这类典型问题。通过精确控制Node.js版本、正确安装飞书插件以及合理配置网络参数,可以确保长连接的稳定性。本文以OPENCLAW 2026.3.7和Node.js v25.8.0为例,详细介绍了从环境准备到生产部署的全流程解决方案,包括负载

weixin_33806859的博客 216

SOLIDWORKS无法获得下列许可 无效的使用许可号码(-8,544,0) 解决办法大全

SOLIDWORKS无法获得下列许可 无效的使用许可号码(-8,544,0) 解决办法大全。版本:SolidWorks2021。电脑:惠普战66四代。软件安装不困难!

qq_43596278的博客 11万+

OpenClaw2026.3.1更新要点及飞书特殊处理

OpenClaw 2026.3.1版本更新,与飞书相关的新增功能包括文档表格操作、文件上传、消息反应感知等,并修复了媒体附件发送、群组会话路由等多项Bug。更新后需注意处理旧插件路径,通过npm update -g openclaw升级后,飞书功能恢复正常运行。解决插件重复的问题。

车公庙北街 2396

Jetson-nano 编译实时内核并烧录

前言 之前一篇文章介绍了正常的烧录过程,使用的是默认内核,实际工作中需要对内核打补丁升级为实时内核,并对其重编译。 一、准备内容 官网大法好 官方内核下载链接 官方交叉编译器下载链接 官方文档 ubuntu主机一台 根据官网选择下载对应的文件, 1、L4TDriver Package (BSP) source jetson内核文件。 2、官方交叉编译器 因为我们不是在jetson上直接编译,而jetson是arm平台,所以要进行交叉编译。 二、使用步骤 1.解压 内核 tar -xjf public_s

ldl371122的博客 3288

Linux(31)Rockchip RK3568 Ubuntu22.04上部署 Docker: 问题与解决方案

本博客在总结这些问题及其解决方案,为遇到类似问题的兄弟提供参考,如果我后续有碰到其他Docker 问题也会在此更新补充。

我其实什么都不会 1648

OpenClaw 2026.3.1 更新要点及飞书特殊处理:TaoToken 配置与插件长链接验证

OpenClaw 2026.3.1 升级后飞书长链接失效,先跑 openclaw plugins list 清理重复插件,再按 config.toml 骨架将 mode 设为 websocket,并用 TaoToken 统一 Key 接入模型请求。官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 提供接入文档与 API Keys 管理。

MoonbeamFalcon67的博客 74

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

OPENCLAW连接飞书

而后,安装下载飞书插件(注意,这里需要使用openclaw安装。下载到本地安装会出现问题)。如果一直不能够使用下面的命令安装,需要先检查一下目前node版本(我得版本是25.8.0)。如果版本不对,下面命令会运行失败。(注意:安装新版本的node之前需要把老版本完全删除)首先,确认OPENCLAW是不是最新版本(我目前使用的是2026.3.7)配置完成后,长连接就能保存了。最近在养虾的过程中,在与飞书连接时遇到了一个问题“长链接保存失败”。查看了一下发现大家都遇到了这个问题,就写一个博客记录一下。

qq_41562426的博客 744

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

OpenClaw升级后飞书长链接失效?从插件配置到TaoToken通道的排查修复实录

OpenClaw升级后飞书长链接失效,先查插件版本与openclaw.json结构,再清systemd代理残留,最后将鉴权endpoint统一到TaoToken通道复测。TaoToken官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42590539的博客 10

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")

Windows上从零开始搭建openclaw并接入飞书

本文提供了OpenClaw的安装配置指南,主要包括以下步骤:1. 安装Node.js和Git并验证环境;2. 通过PowerShell安装OpenClaw,需先设置执行权限;3. 初始化OpenClaw并启动网关服务;4. 配置阿里百炼平台模型(需申请API Key);5. 接入飞书机器人:在飞书开放平台创建应用、添加权限和事件,获取授权码完成绑定。注意事项包括安装路径选择C盘、每次修改配置需重启网关、飞书应用更新后需重新发布等。全文提供了详细的命令行操作指引和配置参数说明。

2302_80300489的博客 505

Windows原生安装更新OpenClaw2026.2.21版本后feishu插件问题

在Windows 11系统上原生安装和更新OpenClaw(2026.2.19-2版本)的过程及遇到的问题。详细描述了飞书插件安装时出现的报错情况,提供了通过npm全局安装@m1heng-clawd/feishu插件并手动配置的解决方案。分享了更新后插件路径冲突的处理方法,包括修改package.json文件和重新安装依赖项。整个安装配置过程耗时约3小时,为Windows环境下OpenClaw的安装提供了实用参考。

车公庙北街 2594

OpenClaw 2026.3.1 飞书配置问题排查:connectionMode 与 encryptKey 的 config.toml 骨架

OpenClaw 2026.3.1 飞书配置报错多因 connectionMode 与 encryptKey 字段缺失或取值不匹配。本文提供可直接复制的 config.toml 骨架,讲清 websocket 与 webhook 两种模式差异,并逐项演示 encryptKey 校验失败的定位动作。模型侧可接入 TaoToken,官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 获取 Key,打通接收事件到模型回复的完整链路。

weixin_42593549的博客 11

如何5分钟让OpenClaw接入飞书:openclaw-lark 官方插件安装配置完整教程

**openclaw-lark** 是飞书开放平台团队官方出品、维护的 OpenClaw 飞书/Lark Channel 插件(npm 包名 `@larksuite/openclaw-lark`)。装上它,你的 OpenClaw Agent 就能直接在飞书里收发消息,并读写云文档、多维表格、日历日程和任务——一篇中文教程带新手从环境检查到接入验证全部走通,全程约 5 分钟。 ## opencla

gitblog_00675的博客 211

数据库管理-第411期 OpenClaw进阶实战:升级+网关安全+飞书对接一次性搞定(20260315)

OpenClaw升级后配置易丢失,先执行 openclaw config get 备份再升级更稳妥。本文实测命令行升级、网关安全加固与飞书对接全流程,模型通道统一走 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ,一个 Key 调用多模型,减少换模型改动。

weixin_35886636的博客 189

AiPy 保姆级部署 OpenClaw汉化版,新手也能一次成功

想装个 OpenClaw 汉化版,结果卡在网关启动?满屏红色报错让人想砸键盘?别慌!这次我不再死磕文档,直接召唤 AiPy 智能体 当“外挂”。从自动安装环境、修复网关配置,到手把手教我接入飞书实现手机随时聊,全程不用动脑

A1124131711的博客 849

【人工智能】OpenClaw(二):MacOS极简安装满血OpenClaw+关联微信、QQ

微信官方终于支持关联OpenClaw,大幅降低IM关联门槛(飞书、钉钉关联方法简直反人类,参考上一篇,需要用户自己拿python配置一个长链接??),今天详细讲一下OpenClaw官方满血版安装方法以及微信一键扫码关联方案。

人工智能领域博客 1579
上一篇: OpenClaw多Agent在飞书群组中协作开发一个软件
下一篇: OpenClaw多智能体协作实战,多个Agent模拟开发团队开发流程(上)
tinygone
博客等级 码龄13年 190粉丝 42原创
评论
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