当前位置：首页 > news >正文

OpenClaw飞书机器人实战：Qwen3.5-9B智能问答系统搭建

news 2026/6/2 14:44:37

OpenClaw飞书机器人实战：Qwen3.5-9B智能问答系统搭建

1. 为什么选择OpenClaw+飞书+Qwen3.5-9B？

去年我接手了一个技术社区运营工作，每天需要处理大量飞书群消息：有人问技术问题、有人提交活动报名表、还有人分享行业资讯。手动整理这些信息让我精疲力尽，直到发现OpenClaw这个开源自动化框架。

通过将Qwen3.5-9B大模型接入飞书机器人，我实现了：

自动识别群聊中的技术问题并生成解答草稿
定时归档群文件到指定目录
根据关键词自动触发资料检索任务

整个过程完全在本地运行，敏感数据不出内网。下面分享我的完整实现路径，包含那些官方文档没写的细节问题。

2. 环境准备与核心组件部署

2.1 基础环境搭建

我的设备是M1芯片MacBook Pro，系统版本macOS Ventura 13.4。先通过Homebrew安装依赖：

brew install node@20 npm install -g openclaw@latest

验证安装时遇到zsh: command not found错误，解决方法是在.zshrc添加：

export PATH="/opt/homebrew/opt/node@20/bin:$PATH"

2.2 Qwen3.5-9B模型部署

使用星图平台提供的Qwen3.5-9B镜像，启动服务后获得API地址：

docker run -p 5000:5000 qwen3.5-9b-mirror

关键配置参数：

max_length: 2048（避免长文本截断）
temperature: 0.3（保持回答稳定性）
stop_words: ["\n###", "[停止]"]（自定义终止符）

3. 飞书机器人深度集成

3.1 插件安装与配置

执行以下命令安装飞书插件：

openclaw plugins install @m1heng-clawd/feishu

配置时踩过的坑：

必须使用企业自建应用，个人应用无法获取必要权限
appSecret需要到飞书开放平台"凭证与基础信息"中重置获取
权限配置中务必勾选：
- 获取群组消息
- 上传群文件
- 发送富文本消息

3.2 WebSocket连接测试

修改~/.openclaw/openclaw.json配置文件：

{ "channels": { "feishu": { "enabled": true, "appId": "cli_xxxxxx", "appSecret": "xxxxxx", "connectionMode": "websocket" } }, "models": { "providers": { "qwen-local": { "baseUrl": "http://localhost:5000/v1", "api": "openai-completions" } } } }

测试连接时建议使用websocat工具：

brew install websocat websocat ws://127.0.0.1:18789/feishu/events

看到{"event_type":"ping"}日志表示连接成功。

4. 实战场景：智能问答系统搭建

4.1 消息处理流程设计

当飞书群收到@机器人的消息时：

OpenClaw截取消息文本和上下文
调用Qwen3.5-9B生成初步回答
自动添加"参考资料"章节（来自本地知识库）
以卡片消息形式返回群聊

我在skills目录下创建了feishu-responder.js自定义技能：

module.exports = { handleMessage: async (event) => { const context = await getChatHistory(event.chat_id); const prompt = `基于以下对话历史回答问题： ${context} 问题：${event.text} 回答要求： - 不超过200字 - 包含代码示例 - 用中文回答`; const response = await openai.createCompletion({ model: "qwen3.5-9b", prompt, max_tokens: 500 }); return formatFeishuCard(response.choices[0].text); } }

4.2 文件自动整理功能

通过监听飞书的file_created事件实现自动归档：

# file-organizer.yaml triggers: - type: feishu.file_created conditions: - chat_type: group actions: - name: classify_file params: categories: - pattern: "*.pdf" dest: "/Docs/PDFs" - pattern: "报名表*.xlsx" dest: "/Events/Registrations"

实际使用中发现两个优化点：

需要添加文件去重逻辑（比较MD5值）
大文件传输需要先调用飞书API获取下载链接

5. 性能优化与异常处理

5.1 响应速度提升技巧

初始版本平均响应时间8秒，通过以下优化降到3秒内：

上下文截断：只保留最近5条消息历史
预加载模型：启动时加载轻量版Qwen3.5-9B（4bit量化）
缓存机制：对常见问题答案做本地缓存

5.2 常见错误排查

错误现象	解决方案
403权限错误	检查飞书IP白名单是否包含服务器公网IP
消息发送失败	确认机器人已被添加到群聊且具有发言权限
模型无响应	执行`curl http://localhost:5000/health`检查模型服务

最棘手的WebSocket断连问题，最终通过增加心跳检测解决：

setInterval(() => { ws.ping(); }, 30000);

6. 安全防护建议

权限最小化原则：
- 飞书机器人只申请必要权限
- 文件操作限制在特定目录

敏感信息过滤：

def sanitize_input(text): patterns = [r'\b\d{18}\b', r'\b1[3-9]\d{9}\b'] # 身份证&手机号 for pattern in patterns: text = re.sub(pattern, '[REDACTED]', text) return text