5分钟搞定OpenClaw+QwQ-32B：飞书机器人自动化问答搭建
5分钟搞定OpenClaw+QwQ-32B：飞书机器人自动化问答搭建
1. 为什么选择OpenClaw+QwQ-32B组合
去年我在团队内部尝试搭建知识库机器人时，发现现成的SaaS方案要么功能受限，要么隐私性存疑。直到遇到OpenClaw这个开源框架，配合ollama平台的QwQ-32B模型，终于找到了一个既保持数据私有化，又能快速上手的解决方案。
这个组合最吸引我的三点在于：
- 全链路可控：从模型部署到通信协议都在自己掌控中
- 低成本启动：ollama提供的QwQ-32B镜像已经优化好推理性能
- 自然交互：通过飞书群聊就能触发复杂任务
实际搭建过程中发现，虽然官方文档很全面，但国内网络环境和飞书配置有些特殊环节需要特别注意。下面我就分享从零开始的具体实践。
2. 基础环境准备
2.1 模型服务部署
首先在星图平台找到【ollama】QwQ-32B镜像，点击"一键部署"。这个镜像已经预置了适合中文场景的QwQ-32B-0809版本，相比自己从零部署省去了CUDA环境配置的麻烦。
部署完成后记下两个关键信息：
- 模型服务的HTTP地址（通常是
http://<实例IP>:11434） - API调用格式（Ollama使用OpenAI兼容协议）
# 测试模型是否正常响应 curl http://127.0.0.1:11434/api/generate -d '{ "model": "QwQ-32B", "prompt": "你好", "stream": false }'2.2 OpenClaw核心安装
在本地开发机（MacBook Pro M1）通过npm安装汉化版：
sudo npm install -g @qingchencloud/openclaw-zh@latest openclaw --version # 验证安装初始化配置时选择Advanced模式，关键配置项：
- Provider选择"Custom"
- Base URL填写刚才部署的模型地址
- API Type选择"openai-completions"
3. 飞书通道深度配置
3.1 企业自建应用创建
这里有个容易踩坑的点：必须选择"企业自建应用"而不是"商店应用"。在飞书开放平台依次操作：
- 进入"开发者后台"->"应用创建"
- 填写应用名称（如"知识库助手"）
- 在"权限管理"中添加以下权限：
- 获取群组信息
- 获取与发送单聊、群组消息
- 接收群聊中@机器人消息事件
特别注意：国内版飞书需要额外申请"消息与群组"权限，审核约1小时。
3.2 WebSocket连接配置
安装飞书插件并修改配置文件：
openclaw plugins install @m1heng-clawd/feishu vim ~/.openclaw/openclaw.json关键配置项（其他保持默认）：
{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxx", "connectionMode": "websocket", "encryptKey": "", "verificationToken": "" } } }重启服务时发现一个典型问题：如果直接openclaw gateway restart可能不会重连WebSocket。更可靠的做法是：
openclaw gateway stop kill -9 $(lsof -ti :18789) openclaw gateway start4. 问答功能实战调试
4.1 基础问答测试
在飞书群聊中@机器人提问时，发现三个常见现象及解决方案：
超时无响应
- 检查模型服务CPU/GPU占用
- 在
openclaw.json增加timeout: 60000参数
返回结果截断
- 修改模型参数：
maxTokens: 4096 - 在飞书侧配置消息分段长度
- 修改模型参数：
特殊符号乱码
- 在skill中增加编码转换处理
- 示例处理代码片段：
function encodeText(text) { return text.replace(/[^\x00-\x7F]/g, c => `&#${c.charCodeAt(0)};`); }4.2 上下文保持方案
默认情况下每次问答都是独立会话。要实现多轮对话，需要在skill中处理session。我的实现方式是：
- 为每个飞书用户创建独立会话ID
- 在Redis中存储最近5轮对话历史
- 提问时自动拼接历史上下文
核心存储逻辑：
const historyKey = `feishu:${userId}:history`; await redis.lpush(historyKey, JSON.stringify({ question: currentQuestion, answer: modelResponse })); await redis.ltrim(historyKey, 0, 4);5. 效率提升技巧
经过两周的日常使用，总结出几个提升使用体验的方法：
- 指令优化模板：在飞书消息开头添加
/qa可以触发精简模式，避免大段废话消耗token - 结果缓存机制：对常见问题设置本地缓存，减少模型调用
- 夜间模式配置：通过cron在非工作时间自动切换低功耗模型
一个典型的性能对比：
- 直接提问平均响应时间：3.2秒
- 使用缓存后高频问题响应时间：0.4秒
配置示例：
0 18 * * * openclaw models switch low-power 0 9 * * * openclaw models switch QwQ-32B这套系统现在已经成为我们小组的"第二大脑"，从技术方案讨论到日报生成都能快速响应。最惊喜的是某次产品评审会，机器人实时生成的竞品分析竟然比人工整理的还要全面。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。