当前位置：首页 > news >正文

OpenClaw对接百川2-13B-4bits量化版：本地部署与飞书机器人实战

news 2026/5/12 12:49:26

OpenClaw对接百川2-13B-4bits量化版：本地部署与飞书机器人实战

1. 为什么选择这个组合？

去年冬天，当我第一次尝试在本地部署大模型时，显存不足的报错成了家常便饭。直到发现百川2-13B的4bits量化版本，这个13B参数的模型在消费级显卡上仅需约10GB显存，性能损失却控制在1-2个百分点内。而OpenClaw作为本地自动化框架，正好能解决我日常办公中重复性工作的问题。

这个组合最吸引我的三点在于：

隐私安全：所有数据处理都在本地完成，避免敏感信息外泄
成本可控：量化模型降低硬件门槛，OpenClaw框架本身开源免费
场景适配：飞书机器人接入后，可以直接在办公IM里完成自动化任务

2. 环境准备与基础部署

2.1 硬件配置建议

我的测试环境是一台搭载RTX 3060（12GB显存）的Ubuntu工作站，实际运行中显存占用峰值约10.5GB。如果你的显卡显存更小，可能需要调整量化参数或考虑更小规模的模型。

2.2 OpenClaw安装实录

在Ubuntu 20.04上，我推荐使用npm安装方式：

sudo apt update sudo apt install -y nodejs npm sudo npm install -g openclaw@latest

安装完成后，验证版本：

openclaw --version # 预期输出类似：v2.1.3

启动配置向导时，我建议选择Advanced模式以便自定义模型配置：

openclaw onboard

在Provider选择界面，先跳过默认选项（后面会手动配置百川模型）。

3. 百川模型本地部署要点

3.1 获取模型访问地址

假设你已经通过星图平台部署了百川2-13B-4bits量化版的WebUI服务，默认端口通常是7860。我们需要确认两个关键信息：

API访问地址（如http://localhost:7860/api）
是否启用了API Key验证（本案例假设未启用）

3.2 OpenClaw模型配置

编辑配置文件~/.openclaw/openclaw.json，在models.providers下新增：

"baichuan": { "baseUrl": "http://localhost:7860/api", "apiKey": "", "api": "openai-completions", "models": [ { "id": "baichuan2-13b-chat-4bits", "name": "Baichuan2-13B-Chat-4bits", "contextWindow": 4096, "maxTokens": 2048 } ] }

保存后重启网关服务：

openclaw gateway restart

验证模型是否识别成功：

openclaw models list # 应能看到baichuan2-13b-chat-4bits在可用模型列表中

4. 飞书机器人集成实战

4.1 插件安装与配置

安装飞书插件时遇到第一个坑：网络超时。解决方案是使用国内镜像源：

openclaw plugins install @m1heng-clawd/feishu --registry=https://registry.npmmirror.com

配置飞书应用时，需要特别注意：

在飞书开放平台创建"企业自建应用"
权限配置至少需要：
- 获取用户userid
- 发送消息
- 接收消息
在"安全设置"中配置IP白名单（你的服务器公网IP）

4.2 配置文件关键项

修改~/.openclaw/openclaw.json的channels部分：

"feishu": { "enabled": true, "appId": "你的App ID", "appSecret": "你的App Secret", "encryptKey": "", "verificationToken": "", "connectionMode": "websocket" }

重启服务后，在飞书应用后台"版本管理与发布"中完成发布。