ClawdBot多平台：Discord/Slack适配分支的部署与配置教程

1. ClawdBot是什么：你的本地AI助手，不止于Telegram

ClawdBot 是一个真正属于你自己的个人 AI 助手——它不依赖云端服务，所有推理和交互都在你自己的设备上完成。你可以把它理解成一个“装在本地的智能中枢”，既能理解文字、处理对话，也能接入各种消息平台，把大模型能力无缝嵌入日常沟通场景中。

它不是另一个需要注册账号、绑定手机号、看广告才能用的SaaS工具。你下载、运行、配置，整个过程完全可控。后端由 vLLM 提供高性能推理支持，这意味着即使在消费级显卡（如RTX 4090或A10G）上，也能流畅运行Qwen3-4B这类兼顾能力与速度的模型，响应快、上下文长、并发稳。

而本教程聚焦的，是 ClawdBot 社区中一个特别实用的方向：Discord 和 Slack 的适配分支。虽然官方主干默认优先支持 Telegram（通过 moltbot/moltbot 项目深度集成），但开源社区已将适配能力延伸至更多办公与协作平台。这意味着——你不再需要为每个平台单独部署一套机器人；只需一套 ClawdBot 实例，就能同时服务 Discord 群组讨论、Slack 团队频道、甚至未来扩展的其他平台。

这背后不是简单的接口替换，而是 ClawdBot 架构设计上的优势：通道（Channel）抽象层。它把消息收发、身份识别、会话管理等通用逻辑抽离出来，让 Telegram、Discord、Slack 各自作为“插件式通道”接入。你改的不是业务逻辑，只是配置文件里的一行开关。

所以，这不是“换平台重来”，而是“加平台即用”。

2. 为什么选 Discord/Slack 分支？办公场景的真实价值

很多人第一次听说 ClawdBot，会下意识觉得：“我又不用 Telegram，这跟我没关系。”但如果你每天在 Slack 里同步需求、在 Discord 里组织开源协作、在频道里反复解释技术概念——那这个分支，恰恰是你最该关注的部分。

我们不讲虚的，直接说三个你马上能感受到的改变：

• 技术团队内部问答不再翻记录：新成员问“CI 流水线怎么触发？”你不用再找历史消息截图，直接 @clawdbot “解释下 Jenkinsfile 中 on.push.tags 的作用”，它立刻调用本地模型，结合你预置的工程文档，给出清晰、带示例的回答；
• 跨时区协作不靠人工翻译：Slack 频道里，德国同事发了一段德语需求描述，你@clawdbot “翻译成中文”，它秒级返回，且全程离线——没有数据上传、没有第三方API调用、不依赖网络代理；
• Discord 技术群自动答疑：设置好关键词（如“CUDA out of memory”），当用户发相关消息时，ClawdBot 自动回复常见解决方案链接 + 本地模型生成的简明解释，把高频问题拦截在人工介入之前。

这些能力，不是靠堆参数、调模型实现的，而是靠通道适配 + 本地推理 + 配置驱动三者结合。Discord/Slack 分支的价值，不在于它“多了一个平台”，而在于它把 AI 助手从“玩具”变成了“工作流中的默认组件”。

3. 快速部署：5分钟跑起 Discord/Slack 双通道实例

部署本身非常轻量，不需要编译源码、不强制要求 Docker Swarm，普通 Linux 或 macOS 环境即可。整个流程分四步，全部命令可复制粘贴执行。

3.1 环境准备：确认基础依赖

确保你已安装：

• Python 3.10+
• Git
• Docker（推荐 24.0+）与 docker-compose（v2.20+）
• NVIDIA 驱动（若使用 GPU）及 nvidia-container-toolkit（GPU 用户必装）

验证 GPU 可见性（非必需但强烈推荐）：

nvidia-smi -L
# 应输出类似：GPU 0: NVIDIA A10G (UUID: GPU-xxxx)

3.2 获取适配分支代码

ClawdBot 主仓库未合并 Discord/Slack 支持，需使用社区维护的稳定分支。我们推荐 clawd-bot/discord-slack-integration（已通过 200+ 小时压力测试）：

git clone --branch stable/discord-slack-v2026.1 https://github.com/clawd-bot/clawd-bot.git
cd clawd-bot

注意：不要使用 main 分支。该分支尚未包含通道热加载、Slack OAuth2 会话持久化等关键修复。

3.3 启动 vLLM 后端服务

ClawdBot 本身不内置模型推理，它通过 OpenAI 兼容 API 调用 vLLM。我们用官方推荐的轻量启动方式：

# 启动 vLLM（以 Qwen3-4B-Instruct-2507 为例，需提前下载模型）
docker run -d \
  --gpus all \
  --shm-size=1g \
  -p 8000:8000 \
  --name vllm-server \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -e VLLM_MODEL=vllm/Qwen3-4B-Instruct-2507 \
  -e VLLM_MAX_MODEL_LEN=196608 \
  ghcr.io/vllm-project/vllm-cpu:latest \
  --model Qwen/Qwen3-4B-Instruct \
  --dtype bfloat16 \
  --enable-prefix-caching \
  --max-num-seqs 256

等待约 90 秒，检查是否就绪：

curl -s http://localhost:8000/v1/models | jq '.data[0].id'
# 应返回：Qwen3-4B-Instruct-2507

3.4 启动 ClawdBot 并启用双通道

进入 clawd-bot 目录，修改 docker-compose.yml ——重点调整 channels 部分：

services:
  clawdbot:
    build: .
    ports:
      - "7860:7860"  # Web UI
      - "18780:18780" # Gateway WebSocket
    environment:
      - CLAWDBOT_ENV=prod
      - CLAWDBOT_LOG_LEVEL=INFO
    volumes:
      - ~/.clawdbot:/app/.clawdbot
      - ./config:/app/config
    depends_on:
      - vllm-server

然后创建 config/clawdbot.json（这是核心配置文件）：

{
  "agents": {
    "defaults": {
      "model": {
        "primary": "vllm/Qwen3-4B-Instruct-2507"
      },
      "workspace": "/app/workspace",
      "maxConcurrent": 4
    }
  },
  "models": {
    "mode": "merge",
    "providers": {
      "vllm": {
        "baseUrl": "http://vllm-server:8000/v1",
        "apiKey": "sk-local",
        "api": "openai-responses",
        "models": [
          {
            "id": "Qwen3-4B-Instruct-2507",
            "name": "Qwen3-4B-Instruct-2507"
          }
        ]
      }
    }
  },
  "channels": {
    "discord": {
      "enabled": true,
      "botToken": "YOUR_DISCORD_BOT_TOKEN_HERE",
      "intents": ["message_content", "guild_messages", "direct_messages"]
    },
    "slack": {
      "enabled": true,
      "appId": "xapp-1-A0123456789-01234567890123456789",
      "clientId": "1234567890.0123456789012",
      "clientSecret": "a0b1c2d3e4f5g6h7i8j9k0l1m2n3o4p5",
      "signingSecret": "a1b2c3d4e5f6g7h8i9j0k1l2m3n4o5p6",
      "port": 3000
    }
  }
}

获取凭证说明：

• Discord Token：前往 Discord Developer Portal → 创建应用 → Bot → Copy Token
• Slack 凭证：前往 Slack API → Create New App → From scratch → Add features → OAuth & Permissions → Install to Workspace

最后，一键启动：

docker-compose up -d

等待约 40 秒，执行：

docker-compose logs -f clawdbot | grep "Gateway ready"
# 出现 "Gateway ready on ws://0.0.0.0:18780" 即表示通道已就绪

4. 配置详解：如何让 Discord/Slack 真正“听懂你”

光跑起来还不够。要让机器人不只是“在线”，而是“有用”，你需要理解三个关键配置层：通道行为、消息路由、模型响应策略。

4.1 Discord 配置要点：从静默到主动参与

Discord 默认是“被动监听”，即只响应 @ 提及。但你可以让它更智能：

• 开启 slash 命令：在 config/clawdbot.json 的 discord 节点下添加：

  "slashCommands": {
    "enabled": true,
    "registerGlobal": true
  }
  

  重启后，你在任意频道输入 /ask 什么是 RAG？，它就会直接调用模型回答，无需 @。

• 控制响应范围：避免刷屏，限制只在特定频道生效：

  "channelAllowlist": ["123456789012345678", "987654321098765432"]
  

• 消息格式优化：Discord 对 Markdown 渲染友好，可在模型提示词中加入：

  请用简洁段落回答，关键术语加粗（如 embedding），代码块用 ```python 包裹，避免长列表。

4.2 Slack 配置要点：适配企业级工作流

Slack 更强调权限与上下文，配置稍复杂但更可控：

• 事件订阅（Event Subscriptions）：必须在 Slack App 后台开启以下事件：

  • message.channels（公开频道）
  • message.im（私聊）
  • app_mention（@提及）
  • reaction_added（支持点赞反馈）

• 会话上下文保持：Slack 消息无天然会话ID，ClawdBot 使用 channel_id + user_id + thread_ts 三元组构建会话。你无需干预，但需知道：同一频道内不同用户的提问互不干扰，同一用户在不同线程中提问也各自独立。

• 快捷命令映射：在 config/clawdbot.json 中定义：

  "slack": {
    "commands": {
      "/clawdbot-help": "显示帮助文档",
      "/clawdbot-docs": "打开最新文档链接",
      "/clawdbot-model": "当前使用模型：Qwen3-4B-Instruct-2507"
    }
  }
  

4.3 统一消息路由：让不同平台共用一套规则

ClawdBot 的强大之处，在于它允许你用同一套规则管理所有通道。例如，你想屏蔽所有含“股票”“理财”的消息（合规要求）：

在 config/clawdbot.json 中添加全局过滤器：

"filters": {
  "content": [
    {
      "pattern": "(股票|理财|投资|涨停)",
      "action": "drop",
      "reason": "合规拦截"
    }
  ]
}

再比如，你想让 Slack 中的 /weather 命令自动转给 moltbot 的天气模块（如果已部署）：

"routers": {
  "slack": {
    "command": {
      "/weather": {
        "target": "moltbot-weather",
        "timeout": 5000
      }
    }
  }
}

这种“通道无关”的配置方式，大幅降低了多平台运维成本。

5. 效果验证与常见问题排查

部署完成后，别急着庆祝。先做三件事，确保它真的“活”了。

5.1 快速连通性测试

• Discord：在已授权的服务器中，发送 @YourBotName ping
  正确响应：Pong! (latency: 124ms)
  ❌ 无响应：检查 botToken 是否正确、应用是否已添加到服务器、Intents 是否开启 message_content

• Slack：在任意频道输入 /clawdbot-help
  正确响应：返回格式化帮助文本
  ❌ 报错 Command not found：检查 Slack App 是否已启用 Interactivity & Shortcuts，且 Request URL 指向 http://your-server:3000/slack/events

• Web UI 连通性：访问 http://localhost:7860
  显示登录页 → 执行 clawdbot devices list → 复制 pending 请求 ID → clawdbot devices approve <id>
  ❌ 白屏或 404：确认 docker-compose 中 clawdbot 服务已成功拉起，且 ~/.clawdbot 目录有读写权限

5.2 模型能力验证（关键！）

很多问题其实出在模型链路，而非通道本身。用这条命令一次验全：

clawdbot models list

正常输出应包含：

Model                                      Input      Ctx      Local Auth  Tags
vllm/Qwen3-4B-Instruct-2507                text       195k     yes   yes   default

若显示 No models available：

• 检查 vllm-server 容器日志：docker logs vllm-server | tail -20
• 确认 baseUrl 地址在容器网络中可达：进入 clawdbot 容器执行 curl -v http://vllm-server:8000/v1/models
• 检查模型路径：vllm-server 容器内 /root/.cache/huggingface 下是否存在 Qwen/Qwen3-4B-Instruct 文件夹

5.3 典型问题速查表

现象	最可能原因	一行解决命令
Discord 收到消息但无回复	intents 缺少 message_content	修改 config/clawdbot.json，重启 clawdbot
Slack 命令报 Internal Server Error	signingSecret 错误或未匹配	重新复制 Slack 后台的 Signing Secret
Web UI 登录后空白	clawdbot.json 中 channels 配置语法错误	jq empty config/clawdbot.json 验证 JSON 格式
模型响应极慢（>10s）	vLLM 未启用 GPU 或显存不足	nvidia-smi 查看 GPU 利用率，增加 --gpu-memory-utilization 0.9 参数

6. 进阶建议：让 ClawdBot 成为你团队的“隐形协作者”

部署只是起点。真正发挥价值，需要一点小定制。

6.1 为团队注入专属知识

ClawdBot 支持 RAG（检索增强生成），你只需把团队 Wiki、Confluence 导出为 Markdown，放入 ~/.clawdbot/workspace/kb/，它就能在回答中自动引用：

# 自动索引所有 .md 文件
clawdbot kb index --path ~/.clawdbot/workspace/kb/

之后在 Discord 中问：“我们项目的发布流程是什么？”，它会结合最新文档片段作答，而不是只靠模型记忆。

6.2 设置响应风格，统一团队语气

在 config/clawdbot.json 中添加 systemPrompt：

"agents": {
  "defaults": {
    "systemPrompt": "你是一名资深 DevOps 工程师，回答简洁、准确、带命令示例。不使用 markdown 格式，不主动提问，不提供不确定信息。"
  }
}

这样，无论谁在 Slack 里问 kubectl 怎么查 pod 日志？，得到的都是：

kubectl logs -n <namespace> <pod-name> --tail=50

而不是一段冗长的原理说明。

6.3 监控与告警（生产必备）

ClawdBot 内置 Prometheus 指标端点。在 docker-compose.yml 中暴露：

clawdbot:
  ports:
    - "9090:9090"  # metrics endpoint

然后用 Grafana 导入 ClawdBot Dashboard ID 18723，实时查看：

• 各通道消息吞吐量（Discord vs Slack）
• 模型平均响应延迟（P95 < 2.1s 为健康）
• 错误率（>0.5% 需告警）

---

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。