用龙虾写代码做软件的实战部署指南
用龙虾写代码做软件，要把模型、代码仓库、权限、消息入口和审查流程一起配置好。真正可用的 Vibe Coding 需要先跑通最小闭环。 一、先看整体关系 对话式开发不是让模型直接改生产代码，而是把需求、执行、验证和审查放进一条可控链路。 OpenClaw 配置关系 OpenClaw 配置关系 1 消息入口 2 任务解析 3 代码修改 4 测试验证 5 PR 审查 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 二、把风险边界先拆开 复杂任务要先看输入、权限、执行和输出的边界。边界清楚后，再写命令、接模型或接渠道，排错会更可控。 任务边界拆分 任务边界拆分 输入与控制面 执行与数据面 需求 分支 测试 审查 合并 把输入、权限和输出边界拆开，能更快判断哪里需要收紧。 Vibe Coding 是什么？一句话对话就能修 Bug 的工作流 Vibe Coding（对话式开发）是一种把"提需求 → 改代码 → 跑测试 → 提 PR"压缩成一次自然语言对话的工程流程。用户在飞书里描述需求，OpenClaw 机器人（龙虾）接收并编排任务，由 OpenCode 完成分支创建、代码修改、测试执行、Pull Request 提交，再由 GitHub Copilot 完成审查，人工只需在最后做合并决策。 这套流程的三个核心价值： 降低动手门槛：开发者不再需要切换到 IDE，产品经理等非开发角色也可以通过飞书直接提交代码修改需求。 全流程可追溯：每一次对话都沉淀为具体的 PR、commit、审查记录。 角色解耦：OpenClaw 负责消息编排，OpenCode 负责编码重活，GitHub Copilot 负责审查，飞书负责人机交互。 本文基于 2026 年 4 月最新的模型与工具文档，给出从零部署到第一次合并 PR 的完整操作步骤，全程使用 Kimi K2.5 作为走查示例，并在后文给出 GLM-4.7、DeepSeek-V3.2、Doubao-Seed-Code 的等价配置。 最小可行技术栈（MVP）对照表 Vibe Coding 的最小可行技术栈由四层构成。下表列出每一层的作用与是否可替代。 层级组件作用是否可替代 人机交互飞书接收自然语言需求、推送 PR 通知与审查结果可替换为企业微信或 Slack，但要重新对接 OpenClaw 消息通道 编排层OpenClaw 机器人（龙虾）解析需求、调用 OpenCode、轮询状态、回推消息不建议替换；替代方案需要自写 shell 桥接 + 会话管理 执行层OpenCode 编码 Agent拉分支、改代码、跑测试、提 commit、建 PR可替换为 TRAE、Cline、Aider 等，但 OpenCode 同时支持多家模型后端，切换成本最低 模型层Kimi K2.5 / GLM-4.7 / DeepSeek-V3.2 / Doubao-Seed-Code为 OpenCode 提供推理与代码生成能力四家互为备份，按额度、延迟、上下文窗口择优 审查层GitHub Copilot Code Review自动审查 PR 并留意见可用 CodeRabbit / Graphite 等，但审查调用入口与回传结构不同 部署前的前置条件 在服务器上开始安装之前，需要先备齐以下五项前置条件。任一项缺失都会导致后续"跑第一条任务"阶段失败。 一台可访问公网且已接入飞书通道的 OpenClaw 机器人服务器。 一个有效的模型 API Key（本文默认使用 Kimi K2.5，其它可选见下一节对照表）。 一个 GitHub Fine-grained Personal Access Token，已授权目标仓库。 目标仓库已存在，且 Token 的账号对其具有写入权限。 服务器的 Shell 环境支持 Bash、Zsh 或 PowerShell（Windows 还需 Git for Windows）。 模型选型与 API Key 获取 OpenCode 通过标准 Messages API 或 OpenAI 兼容端点对接模型。下表对照了四家常见模型的 API 入口、推荐 model id 与控制台位置。 Kimi K2.5：model id 以 kimi-k2.5 / kimi-k2.6 为主，API 入口使用 Moonshot，控制台是 platform.moonshot.ai。 GLM-4.7：model id 使用 glm-4.7，Max 套餐可选 glm-5.1，控制台在智谱或 z.ai。 DeepSeek-V3.2：非思考任务用 deepseek-chat，推理任务用 deepseek-reasoner，控制台是 platform.deepseek.com。 Doubao-Seed-Code：代码任务可用 doubao-seed-code-preview-latest，控制台在火山方舟 Ark。 创建 Kimi K2.5 API Key 访问 platform.moonshot.ai，用邮箱或微信登录。 右上角进入 API Keys（或账户设置 → API Keys）。 点击 新建 API Key，命名为 openclaw-vibe-coding 便于后续审计。 复制生成的 Key（只显示一次），立即存入密码管理器。 在服务器 Shell 启动脚本写入环境变量（OpenClaw 启动时需继承）： 来源：Kimi API Platform 官方指南 platform.kimi.ai/docs/guide/agent-support。 创建 GitHub Fine-grained Token GitHub 官方路径：Settings → Developer settings → Personal access tokens → Fine-grained tokens → Generate new token。 在 Token 表单中需要设置以下选项： 字段建议值说明 Token nameopenclaw-vibe-coding便于审计 Expiration30 或 90 天与内部密钥轮换周期对齐 Repository accessOnly select repositories仅勾选目标仓库，最小权限 ContentsRead and write允许读写仓库文件 Pull requestsRead and write允许创建和管理 PR IssuesRead and write允许读写 Issue MetadataRead-onlyGitHub 自动勾选，不需要手动开启 生成后保存 Token 并配置 Git credential： Fine-grained Token 可以限定到单个仓库，安全级别高于 Classic Token。建议不要使用拥有所有仓库权限的 Classic Token。 来源：GitHub 官方文档 docs.github.com/en/authentication/keeping-your-account-and-data-secure/managing-your-personal-access-tokens。 安装 OpenCode 编码 Agent OpenCode 是面向终端的开源编码 Agent，原生支持多家模型后端。官方安装方式按平台分为以下四类，来源 opencode.ai/docs。 macOS / Linux / WSL 原生安装 macOS（Homebrew） Windows（Scoop / Chocolatey） 全平台备选，npm npm 方式要求 Node.js ≥ 18。原生安装不依赖 Node.js，生产环境推荐原生路径。 安装后校验 opencode auth list 会列出当前已注册的模型提供方。任一提供方缺少 Key 时，在下一步补上即可。 配置 OpenCode 对接模型 配置分为两步：写入对应提供方的 API Key 环境变量，再在 OpenCode 里用 /models 选择模型。 第一步，导出模型环境变量 以 Kimi K2.5 为例： 其它模型的环境变量名： 模型环境变量名说明 Kimi K2.5MOONSHOT_API_KEYOpenCode 自带 Moonshot 插件 DeepSeek-V3.2DEEPSEEK_API_KEYOpenCode 自带 DeepSeek 插件 GLM-4.7ZAI_API_KEY 或 ZHIPU_API_KEY通过 Z.AI 或 open.bigmodel.cn 入口 Doubao-Seed-CodeVOLCENGINE_ARK_API_KEY火山方舟控制台获取 第二步，在 OpenCode 里选模型 启动 OpenCode 并进入模型选择菜单： 在 OpenCode 界面内输入： 菜单里选中 moonshot/kimi-k2.5（或对应模型）。之后所有会话默认使用该模型。想切换只需再次 /models 重选。 固化配置（可选） 若要避免每次启动都选模型，在仓库根目录写 opencode.json： 对于 OpenCode 尚未内置的自定义兼容端点，则在 opencode.json 的 provider 段声明 npm、baseURL、apiKey、models 四项，具体字段以 opencode.ai/docs/providers 为准。 安装 gh CLI 并完成认证 OpenCode 在创建 PR 时会调用 gh 命令。gh 的官方安装方式按平台分为三类。 Debian / Ubuntu 官方仓库 GitHub CLI 官方推荐使用带签名的 keyring 安装，避免发行版自带版本落后： macOS Windows 认证 来源：GitHub CLI 官方仓库 github.com/cli/cli 的 install_linux.md 与 install_windows.md。 启用 OpenClaw 机器人（龙虾）的编码能力 OpenClaw 默认使用 messaging 工具配置档，只能收发消息。要执行代码操作（调用 OpenCode、运行 git、读写仓库目录），必须切换到 coding 或 full 档。 以下命令以 OpenClaw 官方文档为准： 配置完成后依次安装三个技能。安装顺序有讲究：skill-vetter 是安全守卫，要第一个装，后续每次安装技能都会先扫描来源。 各技能的作用对照： 技能作用首跑是否必装 skill-vetter自动扫描技能是否存在 API Key 窃取等安全风险必装 opencode包装 OpenCode 的调用、会话管理、错误重试必装 github查询 PR 审查状态，支持 Cron 轮询后推送到飞书建议在最小闭环跑通后再装 说明：上述 clawhub / openclaw config 命令形式以 OpenClaw / 「Claw龙虾部署大师」 官方文档为准，生产部署前请以服务器内 openclaw --help 与 clawhub search 的实际输出为准。 配置工作区规则 AGENTS.md AGENTS.md 是 OpenCode 启动时读取的项目级规则文件，告诉它"项目规范是什么、哪些文件不要碰、commit 怎么写"。在仓库根目录运行： 进入后输入 /init，OpenCode 会扫描仓库并自动生成 AGENTS.md 草稿。手工补充后提交到版本库，OpenCode 后续的改动会自动遵循该文件。 对 OpenClaw 编排侧，还需要一份 IDENTITY.md 告诉它何时调 OpenCode、怎么汇报、失败怎么处理。默认路径 ~/.openclaw/workspace/IDENTITY.md： 跑通第一次对话式开发 第一次跑通有两个阶段：服务器端自检、飞书端发送真实需求。 第一阶段，服务器 30 秒自检 三条命令都通过，即可进入第二阶段。任一失败跳到本文的"常见排障"小节。 第二阶段，飞书里发第一条真实需求 发送前请确认：目标仓库存在、Token 已授权该仓库、模型 API 额度未耗尽。下面是一条可直接使用的需求模板： 完整闭环分四步： 发送需求：飞书自然语言消息到群 @龙虾。 收到 PR 摘要：机器人回传 PR 编号、修改文件列表、diff 预览。 审查 diff：点击 PR 链接在浏览器里查看代码。 确认合并：在飞书里回复"合并并清理分支"，机器人执行 squash merge + 删除远程分支。 对话式开发的架构总览 下面这张 SVG 流程图概括了一条完整的飞书消息在 Vibe Coding 中的生命周期，从需求输入到合并结束。 常用对话场景与指令模板 Vibe Coding 的实际工作场景集中在四类任务。下面给出四条经过验证的飞书消息模板，可直接复制后替换占位符使用。 场景 1，一句话修 Bug OpenClaw 会调用 OpenCode 完成：创建分支 openclaw/fix-null-user → 修改 user.ts → 运行 npm test → commit → push → gh pr create。 场景 2，多文件重构 多文件重构任务要在需求里显式列出目录范围与验证方式，避免 OpenCode 扫描整个仓库。 场景 3，从 Issue 到 PR 全链路 场景 4，非开发者提交文案修改 产品经理或运营可以直接使用这条模板，OpenClaw 会代替人工走完整 Git 流程。合并决策仍由具备写权限的开发者完成。 Copilot 自动审查与分支保护 生产仓库强烈建议同时启用 Copilot 自动审查与分支保护。两项配置在 GitHub 2026 年的 Rulesets 体系下已整合到同一入口。 启用 Copilot 自动审查 GitHub 已将这项能力从旧的 Settings → Copilot → Code review 路径迁移到 Rulesets 体系。新路径： 打开仓库 Settings。 左侧栏点击 Rules → Rulesets。 点击 New ruleset → New branch ruleset。 在 Branch rules 区勾选 Automatically request Copilot code review。 Target branches 选择 main（或主干分支）。 保存。 来源：GitHub 官方文档 docs.github.com/en/copilot/using-github-copilot/code-review/using-copilot-code-review。 启用分支保护 两条路径均可用，Rulesets 是 GitHub 推荐的新入口： 入口路径 传统 Branch protection rulesSettings → Branches → Branch protection rules → Add rule 现代 RulesetsSettings → Rules → Rulesets → New branch ruleset 两个入口都可以配置以下三项： Require a pull request before merging（合并前必须走 PR）。 Require approvals（至少 1 个审批，推荐 1 个人工 + 1 个 Copilot）。 Require status checks to pass（CI 通过才能合并）。 手动请求 Copilot 审查 在 PR 页面右侧 Reviewers 菜单直接勾选 Copilot，或用命令行： 注意：不存在通过评论 @copilot 自动触发审查的命令，必须走 Reviewers 菜单或 gh 命令。 启用 Cron 自动轮询 PR 审查状态 在最小闭环之外，可以给 OpenClaw 配置一条 Cron，每 5 分钟轮询一次所有 openclaw/ 前缀分支的开放 PR，只在出现新审查结果时推送飞书。 收到飞书推送后，用户有三种回复策略： 回复"按建议修改"：OpenClaw 调用 OpenCode 逐条修复 Copilot 意见，更新 PR 并重新请求审查。 回复"忽略建议并合并"：OpenClaw 执行 squash merge。 回复"我来看看"：不触发任何自动动作，由人工后续处理。 这条路径被称为"人在回路"（human-in-the-loop）模式，适合生产仓库。全自动合并（Copilot approved 即触发 merge）只建议用于文档仓库或个人项目。上述 openclaw cron 命令形式以 OpenClaw 官方文档为准。 提升代码质量的两种工程化手段 在仓库根目录维护 AGENTS.md AGENTS.md 是 OpenCode 读取上下文时的首要参考。把项目规范写在这里，OpenCode 后续的改动会自动遵循，减少审查返工。示例： 遵循 Conventional Commits v1.0.0 Conventional Commits v1.0.0 官方规范的消息结构为 <type>[optional scope]: <description>。强制类型只有三种： 类型含义对应 SemVer feat新功能MINOR fixBug 修复PATCH BREAKING CHANGE破坏性变更（在 footer 或 type 后加 !）MAJOR 另外 Angular 约定的常用类型（非强制但社区通用）： build：构建系统或依赖变更。 chore：杂务（不影响代码或测试的维护）。 ci：CI 配置变更。 docs：只改文档。 style：格式化、空白，不影响含义。 refactor：重构（不新增功能也不修 Bug）。 perf：性能优化。 test：新增或修改测试。 来源：conventionalcommits.org/en/v1.0.0。 常见排障与诊断命令 Vibe Coding 的故障面集中在四个环节：OpenCode 调用、PR 推送权限、Copilot 审查触发、代码修改质量。以下四个诊断路径覆盖了约 90% 的首跑失败场景。 OpenCode 调用失败 先按顺序跑这四个诊断： 常见原因： opencode 技能未安装：执行 clawhub install opencode。 模型 API Key 未设置或过期：检查 MOONSHOT_API_KEY / DEEPSEEK_API_KEY / ZAI_API_KEY / VOLCENGINE_ARK_API_KEY 是否写入 Shell 启动脚本。 OpenCode 二进制不在 PATH 中：检查 ~/.local/bin 是否在 $PATH。 模型额度耗尽：去对应平台的计费页查当月用量（Kimi 在 platform.moonshot.ai/billing，DeepSeek 在 platform.deepseek.com/usage）。 PR 创建失败（Permission denied） 常见原因： Fine-grained Token 没有勾选目标仓库。 Token 已过期（默认 30 天）。 组织仓库需要单独的 SSO 授权（登录 GitHub 组织页手动授权）。 git-credentials 中的用户名拼错。 Copilot 审查一直 pending 仓库未启用 Copilot 自动审查（回到上一节的 Rulesets 路径检查）。 组织未开通 Copilot Business / Enterprise 许可。 PR 改动文件数 > 300，Copilot 可能超时。 PR 含大体积二进制文件。 代码修改不符合预期 仓库缺少 AGENTS.md，OpenCode 没有足够上下文。 需求描述过于模糊：改为在飞书里指定具体文件路径。 仓库体量过大：在需求中限定"只修改 src/api 下的文件"。 模型能力不足：/models 切换到更强模型（例如把 GLM-4.5-Air 换成 GLM-4.7 或 Kimi K2.5）。 常见问题（FAQ） Vibe Coding 需要会编程吗？ 不需要会写代码，但需要能说清楚需求。产品经理或设计师可以用自然语言描述"把首页标题从 X 改成 Y"，OpenClaw 和 OpenCode 会完成具体改动并提 PR。最终是否合并仍由有写权限的开发者确认。 只用飞书能给公司代码库提 PR 吗？ 可以。前提是服务器上的 OpenClaw 机器人已经接入飞书通道、OpenCode 已安装并配好模型 API Key、GITHUB_TOKEN 已授权目标仓库。达成这三条后，飞书里的一句话即可驱动一次完整的 PR 流程。 Vibe Coding 会不会把测试或密钥误改掉？ OpenCode 默认只做代码变更与建议，不会自动合并。涉及敏感文件（.env、密钥、CI 配置）时需要在 AGENTS.md 里显式标注"不要修改"。生产仓库建议同时启用分支保护，强制 PR + 人工审批。 四家模型怎么选？ 按三条标准择优：任务复杂度（长上下文重构优先 Kimi K2.5 的 256K 窗口；短平快改动用 DeepSeek-V3.2 或 GLM-4.5-Air 即可）、预算（DeepSeek 按量计费单价最低，GLM 提供月付 Coding Plan）、延迟（就近机房，国内访问火山方舟 Ark 最稳）。切换只需 /models 重选，无需改代码。 安装了 opencode 技能还需要装 github 技能吗？ 首跑不需要。OpenCode 自带 gh 调用，能直接创建 PR。github 技能的作用是让 OpenClaw 主动轮询 PR 审查状态并回推飞书通知，属于增强能力，最小闭环跑通后再加。 OpenCode 和 GitHub Copilot 是竞品吗？ 不是。在 Vibe Coding 架构里它们是协作关系：OpenCode 写代码并提交 PR，GitHub Copilot 审查 PR 并留意见。一个做"生产者"，一个做"质检员"。 生产环境可以开全自动合并吗？ 不建议。全自动模式（Copilot approved → 自动 merge）仅适合低风险仓库（文档、个人项目）。生产仓库必须保留人工合并环节，并同时配置 Rulesets 下的 Require approvals。 模型 API 额度不够怎么办？ 登录对应平台的用量页：Kimi platform.moonshot.ai/billing、DeepSeek platform.deepseek.com/usage、智谱 open.bigmodel.cn/usercenter、火山方舟 console.volcengine.com/ark。短期可升级套餐或开通 Coding Plan 月付包；长期建议按需求分配独立 API Key 与预算上限，隔离不同项目成本。 飞书之外还能用企业微信、Slack 吗？ 可以。OpenClaw 的消息编排层与具体 IM 通道解耦，只要把对应通道的 Bot Token 按官方文档配置进去即可。OpenClaw 原生支持飞书、Telegram、Discord、iMessage、Slack 等十余种工具。 部署清单总结 回到整体流程，Vibe Coding 的部署可以归结为下面这张清单： 服务器：已接入飞书的 OpenClaw 机器人 + 工具配置档设为 coding。 凭证：模型 API Key（Kimi / GLM / DeepSeek / Doubao-Seed-Code 四选一）+ GitHub Fine-grained PAT。 CLI：OpenCode 原生安装 + gh CLI 官方源安装，二者均通过 --version 校验。 技能：skill-vetter → opencode → 可选 github，按此顺序安装。 工作区规则：仓库根目录 AGENTS.md 写项目规范；~/.openclaw/workspace/IDENTITY.md 写编排策略。 仓库配置：Settings → Rules → Rulesets 配置分支保护 + Copilot 自动审查。 首跑任务：从一条可逆的小改动开始（例如改 README），确认闭环后再扩展到多文件重构。 完成上述七步后，把飞书里的一句话变成一次合规 PR 的全链路就跑通了。 如果不想手动搭建服务器、装依赖、配置通道，可以使用 「Claw龙虾部署大师」完成 OpenClaw 机器人的一键部署，部署完成后直接进入本文的"启用编码能力"步骤，跳过基础环境搭建。这一步是可选的，对手动部署流程没有强依赖。 常见误区 没有仓库规则 缺少 AGENTS.md 或项目约束时，模型容易按通用习惯改错位置。 权限给得过大 代码仓库、密钥和部署权限要分层，不要一次全开。 跳过测试和审查 没有测试和 PR 审查，就无法判断一次修改是否可合并。 方法对比 处理项适合场景确认重点 消息入口非开发者提交需求降低沟通成本 仓库规则执行前限制改动范围 PR 审查合并前控制质量 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
OpenClaw 怎么卸载？先删主程序再清残留的完整教程
OpenClaw 卸载要按运行状态、主程序、配置目录和启动入口分层处理。只删一个目录，常会留下网关、计划任务或旧工作区数据。 一、先看整体关系 卸载链路里最容易漏掉的是后台服务和用户目录。先把运行入口停下来，再处理文件和配置，重装时才不容易读到旧状态。 OpenClaw 配置关系 OpenClaw 配置关系 1 停止网关 2 卸载主程序 3 清配置和工作区 4 检查启动入口 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 先处理什么 先确认 OpenClaw 的网关或后台服务没有继续运行。先卸载主程序，再删除配置和工作区数据。如果你准备重新安装，先把旧残留清干净，避免新版本继续读旧数据。 注意事项 不要在网关运行时直接删目录，容易提示占用。OpenClaw 的残留不只在安装目录里，配置、缓存、skill、agent 和记忆数据也要一起看。如果你只是临时不用，先保留工作区数据，后面重装会更方便。 1. 先停网关，再卸载主程序 卸载 OpenClaw 的第一步，不是删文件，而是先把它从运行状态停下来。这样后面的删除动作才不会被占用。 操作步骤 先执行 openclaw gateway stop，停止网关服务。如果命令还可用，再执行 openclaw uninstall 或对应的卸载命令。如果你是通过 npm 安装的，也要把全局包一起移除。 这一步完成后，主程序一般就已经从系统入口里退出来了。 2. 再清配置目录和工作区数据 OpenClaw 真正容易残留的地方，不是程序本体，而是用户目录里的配置和状态文件。这里如果不清，后面很容易出现重复配置或者安装不干净的问题。 重点检查的位置 ~/.openclaw~/.openclaw-<profile>工作区数据和日志目录你自己单独指定过的配置路径与 skill、agent、记忆相关的文件夹 如果你只是想换机器重装，这一步尤其重要，因为旧配置经常会影响新安装的初始状态。 3. 再检查启动项和计划任务 有些用户觉得 OpenClaw 卸载后还在后台出现，原因通常不是主程序没删，而是启动项、计划任务或系统服务还在。 需要确认的项目 Windows 的计划任务macOS 的 launchd 项Linux 的 systemd 用户服务是否还有和 OpenClaw 相关的开机入口 如果你发现它还会自己启动，通常就是这里没清掉。 4. 用「Windows优化大师」一键清理 OpenClaw 不想手动找目录时，可以直接用 「Windows优化大师」 的软件管理处理 OpenClaw。卸载后，软件会继续找出残留文件、关联记录和无效快捷方式，确认后一起清理，适合想一次清掉 OpenClaw 的 Windows 用户。 清理时重点看安装目录、用户目录里的旧配置、无效快捷方式和注册表关联项。确认旧 profile、Skills、工作区数据不再需要后，一键清理这些残留，能减少后续重装时继续读到旧配置的情况。 常见误区 网关未停就删目录 网关还在运行时，配置目录和日志文件可能被占用，删除失败后还会留下半截残留。 只清安装目录 OpenClaw 的 profile、Skills、agent 记忆和工作区常在用户目录里，不能只看程序目录。 重装前不清旧配置 旧 token、旧网关和旧渠道配置会影响新版本初始化，准备重装时要单独确认。 方法对比 处理项适合场景确认重点 先停网关正在运行或提示占用避免后台进程锁文件 清用户目录准备重装或换环境减少旧配置干扰 查启动项卸载后仍自启定位残留入口 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
OpenClaw 怎么配置日程管理功能？冲突检测、会前准备、会后纪要完整教程
OpenClaw 日程管理要同时处理冲突检测、会前准备和会后纪要。配置时先接入日历，再定义提醒、摘要和归档规则。 一、先看整体关系 日程助手的价值不只是提醒开会，而是把会前信息、会议结果和后续任务连起来。 OpenClaw 配置关系 OpenClaw 配置关系 1 接入日历 2 识别冲突 3 会前准备 4 会后纪要 5 任务归档 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 跑通后你会得到什么 配置完成后，OpenClaw 会每天固定巡检今天和未来 3 天的日程，识别冲突会议、超长会议和无议程会议；重点会议会前自动生成准备清单；会议结束后再输出纪要、风险和行动项，并把结果推送到飞书，同时写入 Todoist 持续跟进。 开始前先确认适用边界 模块 用途 说明 caldav-calendar 读取/创建日程、识别冲突 当前公开技能说明更偏 Linux / WSL2 环境 feishu-send-message 推送巡检结果、纪要与提醒 建议先单独跑一条测试消息 todoist 会后行动项落到任务系统 适合持续追踪 owner 和 ddl agentmail 处理外部预约与改期邮件 只在需要对外邮件协同时启用 先把 OpenClaw 环境准备好 如果你还在搭环境，建议先走「Claw龙虾部署大师」这条路径。先把 OpenClaw 部署起来，再回来配置日程管理，会比边装边调更稳。 安装日程管理需要的 Skills 当前这条工作流至少要有 5 类能力：安全审查、日历、飞书发送、对外邮件、待办系统。安装顺序上，建议先装安全审查，再装日历、飞书、邮件和待办能力。 这里有两个版本差异要注意。第一，旧文章里常写 skill-vetter，但当前技能库里更常见的名字是 skill-vetting。第二，AgentMail 官方集成页仍会给出 npx clawhub@latest install agentmail 的安装方式，但如果你的环境已经启用 OpenClaw 原生 skills 命令，可以优先使用 openclaw skills install agentmail 统一管理。 先单独验证四类核心能力 不要一上来就直接加巡检任务。更稳的顺序是：先验证日历能读出来、冲突能识别、飞书能发消息、Todoist 能写入行动项。只有这些单项都通了，再把它们拼进一个完整流程，排错成本才低。 固定会前与会后的输出模板 会前和会后这两块一定要提前固定模板。会前重点放在巡检范围、准备清单和待确认问题；会后重点放在纪要结构、owner 和 ddl。模板越明确，OpenClaw 每次跑出来的结果越稳定。 如果你要处理外部会议改期，建议再补一条约束：外部会议改期时，先生成邮件草稿给我确认，再发送。 这样既保留自动化效率，也能把外发风险控制住。 添加每日巡检 cron 当前官方文档推荐使用 Gateway 自带的 cron 跑这类固定巡检。这里建议把巡检放在工作日早上固定时段，并使用独立会话运行，更适合作为后台任务。 巡检任务配置完成后，先执行一次 openclaw cron list 确认任务已经落库；如果你是 Windows + WSL2 路线，再检查 Gateway 服务是否已启动，否则 cron 子命令可能看起来“添加成功”，但后续不会实际触发。 把会后纪要和行动项真正落地 智能日程管理最容易做成“会后总结一下就完了”，但真正有价值的是把纪要转成持续动作。这里建议固定纪要字段至少包含：结论、决策、风险、行动项、负责人、截止时间。然后把行动项写入 Todoist，再通过飞书推一次摘要版，避免会议开完就散。 如果你希望提醒噪音更低，可以只让 OpenClaw 对逾期行动项和 P1 任务做每日提醒，而不是把所有行动项每天都重复发一次。 什么时候该把 AgentMail 加进来 如果你的日程管理只发生在团队内部，其实只用 caldav-calendar、Todoist 和飞书就够了。只有在需要对外预约、改期确认、发出草稿邮件时，才建议把 AgentMail 加进来。这样可以把复杂度留给真正需要的场景，而不是一开始就把链路堆满。 参考链接 OpenClaw Skills 文档 OpenClaw Cron 文档 skill-vetting 技能页 caldav-calendar 技能页 todoist 技能页 feishu-send-message 技能页 AgentMail × OpenClaw 集成文档 常见误区 只同步标题 没有地点、参会人和备注，会议准备信息会不完整。 冲突规则太粗 全部冲突都提醒会造成噪音，要按重要程度区分。 纪要不归档 会后纪要如果不进入任务或文档，后续追踪会断掉。 方法对比 处理项适合场景确认重点 冲突检测多会议重叠提前改期 会前准备开会前汇总资料 会后纪要会议后沉淀行动项 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
Claw龙虾部署大师 飞书接入指南：扫码或填 App ID 两种连接方式
飞书接入有扫码和已有机器人两种路径。先选连接方式，再完成机器人应用、权限和测试消息验证。 一、先看整体关系 飞书接入要同时看本地配置和飞书开放平台状态。已有机器人接入时，App ID、Secret 和权限范围都要对齐。 OpenClaw 配置关系 OpenClaw 配置关系 1 选择方式 2 扫码或填 App ID 3 创建机器人 4 授权权限 5 测试消息 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 第 1 步，在 「Claw龙虾部署大师」中选择飞书接入 在桌面上打开 「Claw龙虾部署大师」，点击 【手机远程】，选择连接【飞书】 第 2 步，使用飞书扫一扫扫描连接二维码 打开手机的飞书，右上方使用扫一扫，扫描软件上出现的二维码 第 3 步，在飞书中创建机器人应用 给机器人设置好名称，依次点击【立即创建】→ 【继续创建】→ 【打开应用】 第 4 步，向机器人发送测试消息 接着打开机器人的聊天窗口发消息测试一下，有消息响应即可正常使用啦~ 第 5 步，使用「已有机器人」接入（可选） 如果之前已在飞书后台创建了机器人，可以点击下方【已有机器人】 接着访问飞书开放平台：https://open.feishu.cn/app 打开已创建的机器人 左侧点击【凭证与基础信息】 → 将 App ID 和 App Secret 都分别复制粘贴到配置页面上，点【验证配置】→ 【保存连接】即可 第 6 步，如何断开飞书连接 如果后续需要取消连接飞书，可重新打开连接页面，点击【断开连接】 常见误区 权限范围不足 机器人能创建不代表能收发消息，应用权限要单独确认。 密钥填错环境 测试环境和正式环境的 App ID/Secret 不要混用。 群聊未添加机器人 机器人未进入目标群时，本地配置正常也收不到消息。 方法对比 处理项适合场景确认重点 扫码接入快速连接少填配置 已有机器人企业已有应用要核对密钥权限 测试消息完成后确认收发 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
Claw龙虾部署大师 微信接入指南：扫码即可连接 ClawBot
微信接入以扫码连接为主。先确认 ClawBot 插件开启，再在「Claw龙虾部署大师」里发起连接，手机端确认后发送测试消息。 一、先看整体关系 微信接入的主要风险在于扫码状态和绑定账号。每次换绑前，先确认旧连接是否需要断开。 OpenClaw 配置关系 OpenClaw 配置关系 1 开启插件 2 选择微信接入 3 扫码确认 4 测试消息 5 断开或换绑 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 第 1 步，在微信中确认 ClawBot 插件已开启 打开微信【我】 → 【设置】→ 【插件】，确认已有微信ClawBot插件 第 2 步，在 「Claw龙虾部署大师」中选择微信接入 在桌面上打开 「Claw龙虾部署大师」，点击 【手机远程】，选择连接【微信】 第 3 步，使用微信扫一扫扫描连接二维码 使用微信【扫一扫】，扫软件上显示的二维码 第 4 步，手机端确认连接 OpenClaw 扫码后手机上点击【连接】即可连接上Openclaw 第 5 步，向「微信 ClawBot」发送测试消息 在微信上打开 微信clawbot 发送一条消息，机器人有消息响应后就可以使用啦 第 6 步，如何断开微信连接或更换绑定账号 如后续需要断开微信连接或者更换绑定其他的微信，可重新打开连接页面，点击【编辑】按钮进行操作 常见误区 扫码账号不一致 手机端确认的微信账号就是后续绑定账号，换号要重新连接。 二维码过期 二维码失效后不要反复扫旧码，重新生成更稳妥。 未验证消息 连接后要向 ClawBot 发测试消息，确认收发链路。 方法对比 处理项适合场景确认重点 扫码连接首次接入操作最短 测试消息连接后验证链路 断开换绑账号变更避免旧连接残留 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
Claw龙虾部署大师 QQ 接入指南：8 步完成机器人配置
QQ 接入要先在 QQ 开放平台准备机器人，再把 App ID 和 Secret 配到「Claw龙虾部署大师」里，最后用测试消息确认链路。 一、先看整体关系 QQ 接入的关键是密钥和机器人状态。平台侧创建成功后，再回到本地配置，能减少反复排错。 OpenClaw 配置关系 OpenClaw 配置关系 1 开放平台 2 创建机器人 3 复制密钥 4 配置接入 5 发送测试消息 按顺序处理，可以把部署、权限、渠道和验证拆开检查，减少混在一起排错。 第 1 步，登录 QQ 开放平台并绑定 QQ 号 打开QQ开放平台：https://q.qq.com/qqbot/openclaw/ 登录需要绑定的QQ号 第 2 步，创建 QQ 机器人 点击【创建机器人】 第 3 步，复制 App ID 与 App Secret 备用 将生成的 App ID 和 App Secret 分别复制粘贴出来备用 第 4 步，在 QQ 会话中确认机器人创建成功 查看QQ会话列表，确认机器人已创建成功。 第 5 步，在 「Claw龙虾部署大师」中选择 QQ 接入 在桌面上打开 「Claw龙虾部署大师」，点击 【手机远程】，选择连接【QQ】 第 6 步，填写 App ID / Secret 并验证保存 将前面复制的 APP ID 与 Client Secret 分别复制粘贴到对应输入栏后，点击【验证配置】→【保存并连接】 第 7 步，在手机 QQ 中向机器人发送测试消息 在手机QQ上打开机器人的聊天窗口发送一条消息，机器人有消息响应后就可以使用啦 第 8 步，如何断开 QQ 接入 如后续需要取消连接QQ，可重新打开连接页面，点击【断开连接】 常见误区 密钥复制错误 App ID 和 Secret 要完整复制，前后空格也会导致验证失败。 未完成平台审核 机器人未启用或权限未通过时，本地配置无法真正连通。 只保存不测试 保存成功不等于消息链路正常，必须发送测试消息。 方法对比 处理项适合场景确认重点 平台配置创建机器人拿到密钥 本地接入填写配置建立连接 消息测试配置完成后确认可用 用「Claw龙虾部署大师」减少前置配置成本 一键本地部署 用来处理 OpenClaw 安装、基础环境和本地运行入口，适合不想先花大量时间排查依赖的人。 模型接入 用来把豆包、通义千问、DeepSeek 等模型配置进工作流，适合需要先跑通 AI 助手底座，再继续配置渠道和任务的人。 本地安全部署 适合把数据、账号和运行环境留在本机或指定设备上，再按文章里的步骤继续收紧权限、接入渠道或验证任务。
提示