开源大模型企业应用：Qwen3-VL:30B在星图平台部署并集成Clawdbot办公场景

星图平台快速搭建 Clawdbot：私有化本地 Qwen3-VL:30B 并接入飞书（上篇）

想要在飞书上拥有一个既能看懂图片又能智能聊天的办公助手吗？本项目通过 CSDN 星图 AI 云平台，从零开始教你私有化部署最强的多模态大模型 Qwen3-VL:30B，并通过 Clawdbot 搭建起一个功能强大的飞书智能办公助手。

实验说明：本文所有的部署及测试环境均由CSDN 星图 AI云平台提供。我们使用官方预装的Qwen3-VL-30B镜像作为基础环境进行二次开发。

1. 环境准备与基础配置

1.1 硬件环境概览

在开始之前，我们先了解一下星图平台提供的硬件配置，这对后续的模型部署非常重要：

这样的配置完全能够满足 Qwen3-VL:30B 大模型的运行需求，特别是 48GB 的显存确保了模型能够流畅运行。

1.2 选择合适的基础镜像

为了获得顶级的多模态交互体验，我们选择目前最强的Qwen3-VL-30B模型进行服务部署。

快速定位技巧：如果镜像列表比较长，建议直接通过搜索框输入关键字Qwen3-vl:30b来快速找到目标镜像。

1.3 一键部署模型镜像

Qwen3-VL-30B 属于高参数量的多模态大模型，对算力资源要求较高。官方推荐配置为48G 显存。在星图平台创建实例时，直接按照默认推荐的配置选择启动即可。

2. 模型可用性测试

2.1 通过Web界面测试模型

实例启动后，返回个人控制台。点击Ollama 控制台快捷方式，即可直接进入预装好的 Ollama 多模态 Web 交互页面。

基础对话功能测试

在 Web 界面中进行简单的对话测试，确保模型的基本推理功能正常：

2.2 本地API调用验证

由于星图云会为每个算力实例提供公网访问地址，我们可以直接在本地通过 Python 代码调用 API 接口。

重要提示：请将代码中的base_url替换为您服务器实际对应的公网地址（格式如下所示）。

from openai import OpenAI # 初始化客户端 client = OpenAI( # 将下面的地址替换成您实际部署的服务器地址 base_url="https://gpu-pod697b0f1855ba5839425df6ea-11434.web.gpu.csdn.net/v1", api_key="ollama" # 使用默认的API密钥 ) try: # 发送测试请求 response = client.chat.completions.create( model="qwen3-vl:30b", messages=[{"role": "user", "content": "你好，请介绍一下你自己"}] ) # 打印模型回复 print(response.choices[0].message.content) except Exception as e: print(f"连接失败，请检查服务是否正常: {e}")

这段代码会向模型发送一个简单的问候，如果一切正常，你会收到模型的自我介绍回复。

3. Clawdbot 的安装与配置

3.1 安装 Clawdbot 工具

星图云环境已经预装了最新的 Node.js 并配置了镜像加速。我们推荐通过官方 npm 方式快速全局安装Clawdbot：

# 全局安装Clawdbot npm i -g clawdbot

3.2 初始化配置向导

执行以下命令开启配置向导。对于大多数进阶配置，我们可以先选择跳过，后续直接在 Web 控制面板中进行详细设置。

# 启动配置向导 clawdbot onboard

这个命令会引导你完成基本的配置流程：

3.3 启动服务并访问控制面板

Clawdbot 默认使用 18789 端口提供管理服务。

# 启动网关服务 clawdbot gateway

访问地址示例：

# 原始实例链接（8888 端口）： # https://gpu-pod697b0f1855ba5839425df6ea-8888.web.gpu.csdn.net/ # Clawdbot 控制台链接（使用 18789 端口）： https://gpu-pod697b0f1855ba5839425df6ea-18789.web.gpu.csdn.net/

4. 网络与安全配置优化

4.1 解决外部访问问题

常见问题：初次访问控制面板时可能会出现空白页面，这是因为 Clawdbot 默认只监听本地地址（127.0.0.1），导致外部公网请求无法响应。

• 修改前的监听状态：

修改配置文件：

# 编辑Clawdbot配置文件 vim ~/.clawdbot/clawdbot.json

需要修改的核心配置项：

1. bind: 从loopback改为lan（开启全网监听）
2. auth.token: 设置自定义安全令牌（例如：csdn）
3. trustedProxies: 添加0.0.0.0/0（信任所有代理转发）

"gateway": { "mode": "local", "bind": "lan", "port": 18789, "auth": { "mode": "token", "token": "csdn" }, "trustedProxies": ["0.0.0.0/0"], "controlUi": { "enabled": true, "allowInsecureAuth": true } }

• 修改后的监听状态：

4.2 配置控制面板访问凭证

刷新页面后，如果系统提示需要输入令牌，请前往Overview页面填写刚才在配置文件中设置的csdn。

5. 集成私有化 Qwen3-VL:30B 模型

确认本地 Ollama 服务正常工作后，我们需要将 Clawdbot 的默认模型指向我们部署的 30B 大模型。

5.1 配置模型供应源

编辑~/.clawdbot/clawdbot.json配置文件，在models.providers中添加自定义的 Ollama 供应源，并更新默认代理模型为qwen3-vl:30b。

关键配置片段：

"models": { "providers": { "my-ollama": { "baseUrl": "http://127.0.0.1:11434/v1", "apiKey": "ollama", "api": "openai-completions", "models": [ { "id": "qwen3-vl:30b", "name": "Local Qwen3 30B", "contextWindow": 32000 } ] } } }, "agents": { "defaults": { "model": { "primary": "my-ollama/qwen3-vl:30b" } } }

5.2 完整配置文件参考

以下是完整的配置文件内容，你可以直接复制并覆盖本地的~/.clawdbot/clawdbot.json文件：

{ "meta": { "lastTouchedVersion": "2026.1.24-3", "lastTouchedAt": "2026-01-29T09:43:42.012Z" }, "wizard": { "lastRunAt": "2026-01-29T09:43:41.997Z", "lastRunVersion": "2026.1.24-3", "lastRunCommand": "onboard", "lastRunMode": "local" }, "auth": { "profiles": { "qwen-portal:default": { "provider": "qwen-portal", "mode": "oauth" } } }, "models": { "providers": { "my-ollama": { "baseUrl": "http://127.0.0.1:11434/v1", "apiKey": "ollama", "api": "openai-completions", "models": [ { "id": "qwen3-vl:30b", "name": "Local Qwen3 32B", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 32000, "maxTokens": 4096 } ] }, "qwen-portal": { "baseUrl": "https://portal.qwen.ai/v1", "apiKey": "qwen-oauth", "api": "openai-completions", "models": [ { "id": "coder-model", "name": "Qwen Coder", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 128000, "maxTokens": 8192 }, { "id": "vision-model", "name": "Qwen Vision", "reasoning": false, "input": [ "text", "image" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 128000, "maxTokens": 8192 } ] } } }, "agents": { "defaults": { "model": { "primary": "my-ollama/qwen3-vl:30b" }, "models": { "my-ollama/qwen3-vl:30b": { "alias": "qwen" }, "qwen-portal/coder-model": { "alias": "qwen" }, "qwen-portal/vision-model": {} }, "workspace": "/root/clawd", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } } }, "messages": { "ackReactionScope": "group-mentions" }, "commands": { "native": "auto", "nativeSkills": "auto" }, "gateway": { "port": 18789, "mode": "local", "bind": "lan", "controlUi": { "enabled": true, "allowInsecureAuth": true }, "auth": { "mode": "token", "token": "csdn" }, "trustedProxies": [ "0.0.0.0/0" ], "tailscale": { "mode": "off", "resetOnExit": false } }, "skills": { "install": { "nodeManager": "npm" } }, "plugins": { "entries": { "qwen-portal-auth": { "enabled": true } } }, "hooks": { "internal": { "enabled": true, "entries": { "session-memory": { "enabled": true } } } } }

5.3 最终功能测试

重启 Clawdbot 服务，然后打开一个新的终端窗口执行以下命令来监控显卡状态：

# 实时监控GPU状态 watch nvidia-smi

在控制面板的Chat页面发送测试消息，观察 GPU 显存的使用变化，确认 Qwen3-VL:30B 模型正在正常工作！

6. 总结

至此，我们已经成功在星图平台完成了Qwen3-VL:30B的私有化部署，并将其接入了Clawdbot的管理网关。现在你已经拥有了一个强大的多模态AI助手基础环境。

在接下来的下篇教程中，我们将重点讲解：

1. 如何正式接入飞书平台实现群聊互动功能
2. 如何进行环境持久化打包，并发布到星图 AI镜像市场

通过本教程，你不仅学会了在星图平台部署大模型，还掌握了将AI模型与实际办公场景结合的方法，为企业的智能化转型提供了实用解决方案。

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。