飞书集成全攻略：OpenClaw+Qwen3-4B-Thinking打造智能工作台
飞书集成全攻略：OpenClaw+Qwen3-4B-Thinking打造智能工作台
1. 为什么选择OpenClaw+Qwen3-4B-Thinking组合？
去年夏天，当我第一次尝试用AI自动化处理会议纪要时，经历了从兴奋到沮丧的全过程。当时使用的是某商业SaaS方案，不仅每月要支付高昂费用，还经常因为网络延迟导致会议记录不同步。直到发现OpenClaw这个开源框架，配合本地部署的Qwen3-4B-Thinking模型，才真正找到了适合个人和小团队的解决方案。
这套组合的核心优势在于：
- 数据不出本地：所有会议录音和纪要内容都在自己控制的设备上处理
- 成本可控：只需支付模型推理的Token费用，没有订阅制强制消费
- 深度定制：可以根据团队术语库和工作习惯调整纪要生成逻辑
- 7×24待命：随时响应飞书群聊中的@指令，不会错过任何会议记录需求
2. 基础环境准备与安装
2.1 OpenClaw的三种安装方式
在我的MacBook Pro上，尝试过三种安装方法，最终推荐第三种给大多数用户：
# 方法1：官方脚本（适合纯净系统） curl -fsSL https://openclaw.ai/install.sh | bash # 方法2：npm安装（适合已有Node环境） sudo npm install -g @qingchencloud/openclaw-zh@latest # 方法3：我的推荐方案 - 使用汉化增强版 brew install node@22 npm install -g @m1heng/claw-zh@latest openclaw --version # 验证安装安装完成后，建议立即运行配置向导。这里有个小技巧：在onboard阶段选择Advanced模式，虽然多花2分钟，但能避免后续重复配置：
openclaw onboard # 选择Advanced > Provider选Qwen > 模型选qwen3-4b-thinking2.2 Qwen3-4B-Thinking模型部署
如果你已经有星图平台的Qwen3-4B-Thinking镜像，可以直接在OpenClaw配置文件中指定模型地址。这是我的~/.openclaw/openclaw.json关键配置片段：
{ "models": { "providers": { "my-qwen": { "baseUrl": "http://localhost:8000/v1", // vLLM服务地址 "apiKey": "EMPTY", "api": "openai-completions", "models": [ { "id": "qwen3-4b-thinking", "name": "My Qwen Thinking", "contextWindow": 32768 } ] } } } }配置完成后，务必执行以下命令验证模型连通性：
openclaw gateway restart openclaw models test qwen3-4b-thinking3. 飞书企业自建应用配置详解
3.1 创建应用的三个关键步骤
- 进入开发者后台：访问飞书开放平台，在"企业自建应用"点击创建
- 填写基础信息：应用名称建议包含"AI助手"等标识，避免审核问题
- 获取凭证信息：记录下
App ID和App Secret，这是OpenClaw连接的钥匙
特别注意：在"安全设置"中，必须添加你的服务器公网IP（通过curl ifconfig.me获取），否则后续API调用会被拦截。
3.2 权限申请避坑指南
经过三次权限申请被拒的经验，我总结出这些必选权限：
im:message（接收和发送消息）im:message.group_at_msg（识别@消息）im:message.group_at_msg:readonly（读取@消息）file:file:upload（上传会议录音文件）
重要提醒：不要申请contact相关权限，这会导致应用需要额外审核。我们的会议纪要场景完全不需要读取组织架构。
3.3 安全策略最佳实践
在团队内部使用时，建议开启以下安全设置：
- IP白名单：只允许办公室和家庭网络的公网IP
- 消息加密：在飞书后台开启"消息内容加密"
- 访问频控：设置每分钟不超过30次API调用
- 敏感词过滤：在OpenClaw侧添加自定义过滤规则
这些配置可以在openclaw.json的channels.feishu部分实现：
{ "channels": { "feishu": { "security": { "ipWhitelist": ["123.45.67.89", "987.65.43.21"], "rateLimit": 30, "keywordFilters": ["机密", "敏感"] } } } }4. 会议纪要自动化实战
4.1 技能安装与配置
首先安装会议纪要专用技能包：
clawhub install meeting-minutes-zh然后创建配置文件~/.openclaw/skills/meeting-minutes/config.yaml：
template: | ## {meeting_topic} 会议纪要 **时间**: {start_time} ~ {end_time} **参会人**: {participants} ### 关键讨论点 {discussion_summary} ### 待办事项 {action_items} ### 决策结论 {decisions}4.2 触发逻辑设计
当飞书群聊中出现"@AI助手 记录会议"时，OpenClaw会：
- 自动识别最近15分钟的语音消息
- 调用Qwen3-4B-Thinking模型进行语音转写
- 按模板生成结构化纪要
- 以Markdown格式回复到群聊
这个逻辑是通过skills/meeting-minutes/hooks/feishu.js实现的：
module.exports = async (ctx) => { if (ctx.message.text.includes('记录会议')) { const audio = await findRecentAudio(ctx); const transcript = await transcribe(audio); const summary = await summarize(transcript); return formatMinutes(summary); } };4.3 实际效果优化技巧
经过两个月迭代，这些调整显著提升了纪要质量：
- 提示词工程：在转写阶段添加"保留专业术语"指令
- 后处理脚本：自动替换"这个那个"等口语化表达
- 术语库支持：维护团队专属的术语对照表
- 人工复核机制：设置"@AI助手 修正纪要"的二次编辑流程
5. 常见问题与解决方案
5.1 消息接收失败排查
如果机器人没有响应@消息，按这个顺序检查：
- 飞书后台"事件订阅"是否开启
openclaw.json中的encryptKey是否与飞书后台一致- 网关服务日志是否有报错（
openclaw gateway logs）
5.2 模型响应慢优化
当Qwen3-4B-Thinking响应超过10秒时，可以：
- 在vLLM启动参数添加
--tensor-parallel-size 1 - 使用
openclaw models set qwen3-4b-thinking --max-tokens 512限制输出长度 - 开启OpenClaw的响应缓存功能
5.3 内存不足处理
在16GB内存的Mac上，同时运行OpenClaw和Qwen3-4B-Thinking可能会遇到内存压力。我的解决方案是：
# 限制OpenClaw内存使用 export NODE_OPTIONS=--max_old_space_size=4096 # 为vLLM设置swap空间 sudo sysctl vm.swappiness=606. 个人使用建议与边界
这套方案最适合3-5人的小团队使用，在我的设计工作室已经稳定运行半年。但需要注意：
- 非商用声明：不要将生成的纪要直接用于客户交付物
- 数据清理：定期清理
~/.openclaw/cache中的临时文件 - 模型微调：如果涉及专业领域，建议用LoRA对Qwen做轻量化微调
- 合规备份：重要会议的原始录音仍需人工归档
未来计划尝试将会议待办事项自动同步到飞书日历，不过目前的自动化程度已经让每周节省至少5小时会议整理时间。最让我惊喜的是，有次临时请假时，团队成员仍然通过AI助手获得了完整的会议记录，这或许就是智能工作台的价值所在。
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。