ClawdBot实战教程：ClawdBot与MoltBot联合部署实现翻译能力增强

1. 为什么需要两个机器人一起用？

你可能已经试过单独用ClawdBot——一个能在本地跑起来的AI助手，界面清爽、响应快、模型可换，但它的强项是“对话理解”和“内容生成”，不是“多语言实时翻译”。
你也可能听说过MoltBot——那个号称“5分钟上线Telegram全能翻译官”的开源项目，语音转文字、图片OCR、查天气汇率样样在行，但它本身不带大模型推理能力，更像是一个智能调度中心。

那问题来了：

• 如果你想让ClawdBot帮用户润色翻译后的文案，比如把机器直译的“我很好，谢谢”改成更自然的“我一切都好，非常感谢！”；
• 或者想让MoltBot收到一张菜单照片后，不仅识别出“Beef Noodle Soup”，还能让ClawdBot补充一句“这道兰州牛肉面汤头醇厚、面条筋道，推荐加一份卤蛋”；
• 又或者，用户在群聊里发一句“这个参数设置对吗？”，MoltBot自动识别为中文并翻译成英文发给海外同事，ClawdBot再基于上下文判断这是技术文档场景，主动补上一段专业解释……

这些，单靠一个工具都做不到。但把它们连起来，就诞生了一种轻量、可控、完全离线、又足够聪明的工作流。

这不是堆砌功能，而是能力互补：
MoltBot负责“感知世界”——听语音、看图片、读消息、识语言、查数据；
ClawdBot负责“理解与表达”——深度理解语义、保持上下文、生成专业/自然/有风格的文字；
两者之间不需要API密钥、不走公网、不依赖云服务，只靠本地HTTP调用就能协同。

下面我们就从零开始，手把手完成这套组合部署——不改一行源码，不碰复杂配置，所有操作都在终端敲几条命令，外加一次浏览器点击。

2. 环境准备：两台“小服务器”在同一台设备上运行

别被“联合部署”吓到。这里说的“两台”，其实是两个Docker容器，共享一台笔记本、一台NUC、甚至一台树莓派4（实测稳定）。

2.1 基础要求

• 操作系统：Linux（Ubuntu 22.04 / Debian 12 推荐）或 macOS（需启用Rosetta 2）
• 内存：≥8 GB（MoltBot轻量模型+ClawdBot vLLM推理共占约5–6 GB）
• 磁盘：≥20 GB 可用空间（含模型缓存）
• Python：3.10+（仅用于ClawdBot CLI管理，非必需）
• Docker：24.0+，docker-compose v2.20+

注意：Windows用户请使用WSL2环境，原生Docker Desktop对vLLM支持不稳定，易出现CUDA设备不可见问题。

2.2 一键拉起MoltBot（5分钟搞定）

MoltBot的设计哲学就是“零配置”。我们用官方提供的docker-compose.yml启动：

# 创建工作目录
mkdir -p ~/moltbot && cd ~/moltbot

# 下载官方一键包（已验证2026.1版本）
curl -fsSL https://raw.githubusercontent.com/moltbot/moltbot/main/docker-compose.yml -o docker-compose.yml

# 启动（自动拉取镜像、加载Whisper tiny + PaddleOCR轻量模型）
docker compose up -d

# 查看日志确认运行状态
docker compose logs -f moltbot

你会看到类似这样的输出：

moltbot-1  |  LibreTranslate engine ready (fallback: Google)
moltbot-1  | 🎙  Whisper tiny loaded (CPU-only, <200MB RAM)
moltbot-1  | 📸 PaddleOCR v2.7 initialized (chinese_lite, en)
moltbot-1  |  Telegram bot polling started — waiting for messages...

此时MoltBot已在后台运行。它默认监听本地http://localhost:8080提供HTTP接口（供ClawdBot后续调用），同时连接Telegram Bot API。

小贴士：如果你在国内网络环境，只需在docker-compose.yml中为moltbot服务添加代理配置（如environment: { HTTP_PROXY: "http://127.0.0.1:7890" }），无需翻墙即可收发消息。

2.3 部署ClawdBot：不只是聊天框，更是你的AI中枢

ClawdBot不是传统Web UI型应用，而是一个“可编程AI网关”。它用vLLM做后端推理引擎，自身提供REST API、WebSocket网关和图形控制台。

2.3.1 安装CLI与初始化

# 全局安装ClawdBot命令行工具（Python包）
pip install clawdbot

# 初始化配置目录（会创建 ~/.clawdbot/）
clawdbot init

# 查看当前状态
clawdbot status

首次运行会提示你访问Web控制台，但此时还不能直接打开——因为ClawdBot的UI服务尚未启动，且需要设备授权。

2.3.2 启动ClawdBot服务（含vLLM后端）

ClawdBot推荐使用其内置的clawdbot serve命令启动完整栈（含vLLM、网关、UI）：

# 启动vLLM推理服务（以Qwen3-4B-Instruct为例，需提前下载）
clawdbot vllm launch --model Qwen3-4B-Instruct-2507 --port 8000

# 在另一个终端中启动ClawdBot主服务
clawdbot serve --host 0.0.0.0 --port 18780

注意：clawdbot vllm launch会自动从Hugging Face下载模型（约2.8 GB），首次运行需耐心等待。你也可以提前用huggingface-cli download离线获取。

启动成功后，你会看到：

🦞 Clawdbot 2026.1.24-3 — Gateway listening on http://0.0.0.0:18780
🦞 vLLM server ready at http://localhost:8000/v1

2.3.3 解锁Web控制台：三步完成设备认证

ClawdBot出于安全考虑，默认禁用远程Web访问，需手动批准设备请求：

# 1. 列出待批准的设备请求
clawdbot devices list
# 输出类似：
# ID: 1a2b3c... | Status: pending | IP: 192.168.1.100 | User-Agent: curl/7.81.0

# 2. 批准该请求（ID替换为你实际看到的）
clawdbot devices approve 1a2b3c...

# 3. 获取带Token的安全链接
clawdbot dashboard

终端将输出类似：

Dashboard URL: http://127.0.0.1:7860/?token=23588143fd1588692851f6cbe9218ec6b874bb859e775762
Then open: http://localhost:7860/

在浏览器中打开 http://localhost:7860，粘贴Token，即可进入ClawdBot控制台。

此时你已拥有一个可交互的AI助手前端，也拥有了一个可通过HTTP调用的AI能力后端。

3. 关键一步：让ClawdBot“认识”MoltBot的翻译能力

ClawdBot本身不内置翻译功能，但它支持通过“外部工具调用（Tool Calling）”机制，把任务分发给其他服务。我们要做的，就是告诉ClawdBot：“当你看到用户需要翻译时，请去调用MoltBot的HTTP接口”。

3.1 理解MoltBot的翻译API

MoltBot提供简洁的REST接口，无需认证（默认关闭鉴权）：

# POST /translate
curl -X POST http://localhost:8080/translate \
  -H "Content-Type: application/json" \
  -d '{
        "text": "今天天气真好",
        "source": "zh",
        "target": "en"
      }'
# 返回：{"translatedText": "The weather is really nice today."}

它还支持自动语言检测（省略source字段）、批量翻译、语音/图片上传等高级用法，但我们先聚焦最核心的文本翻译。

3.2 在ClawdBot中注册翻译工具

ClawdBot的工具定义采用OpenAI兼容格式，保存在~/.clawdbot/clawdbot.json中。我们编辑该文件，在"tools"字段下添加：

{
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "moltbot_translate",
        "description": "将用户输入的文本翻译为目标语言。支持自动检测源语言。",
        "parameters": {
          "type": "object",
          "properties": {
            "text": {
              "type": "string",
              "description": "要翻译的原文"
            },
            "target": {
              "type": "string",
              "description": "目标语言代码，如 'en', 'ja', 'ko', 'fr'"
            }
          },
          "required": ["text", "target"]
        }
      }
    }
  ],
  "tool_configs": {
    "moltbot_translate": {
      "method": "POST",
      "url": "http://host.docker.internal:8080/translate",
      "headers": {
        "Content-Type": "application/json"
      },
      "body": {
        "text": "{{text}}",
        "target": "{{target}}"
      },
      "response_path": "translatedText"
    }
  }
}

关键点说明：

• host.docker.internal 是Docker内置DNS，让ClawdBot容器能访问宿主机上的MoltBot服务（端口8080）；
• response_path: "translatedText" 告诉ClawdBot从JSON响应中提取哪个字段作为结果；
• 所有{{xxx}}占位符会由ClawdBot自动替换为函数调用时传入的参数。

保存文件后，重启ClawdBot服务：

clawdbot serve --reload

3.3 验证工具是否生效

进入Web控制台 → 左侧“Agents” → 选择默认Agent → “Tools”标签页，你应该能看到moltbot_translate已列出，并显示“ Active”。

再执行一次测试调用：

clawdbot tools call moltbot_translate --text "我想订明天上午十点的会议室" --target "en"

预期输出：

I would like to book the meeting room for tomorrow at 10 a.m.

成功！ClawdBot现在可以随时调用MoltBot完成翻译了。

4. 实战演示：三个真实场景，一次配置全部跑通

光有API还不够，关键是要让整个流程“自然发生”。我们通过ClawdBot的Agent编排能力，构建三个典型场景：

4.1 场景一：双语会议纪要自动生成

用户输入：

“把刚才的会议录音转成文字，并整理成中英双语纪要，重点标出行动项”

ClawdBot如何工作：

1. 识别出“会议录音”→ 触发MoltBot语音转写工具（moltbot_speech_to_text）；
2. 得到中文文本后，调用moltbot_translate翻译成英文；
3. 调用Qwen3模型分析内容，提取“行动项”，并用双语对照格式输出。

效果截图示意（文字描述）：

 行动项（Action Items）  
- 张工：下周三前完成API文档初稿 → Draft API documentation by next Wednesday  
- 李经理：协调法务审核合同条款 → Coordinate legal review of contract clauses  

提示：MoltBot的语音转写工具同样通过tool_configs注册，URL为http://host.docker.internal:8080/speech-to-text，返回纯文本。

4.2 场景二：跨境电商商品描述优化

用户输入：

“这张产品图里的文字是英文，帮我翻译成中文，并按淘宝详情页风格重写，突出卖点”

ClawdBot如何工作：

1. 识别“产品图”→ 调用MoltBot图片OCR（moltbot_ocr）提取英文文本；
2. 调用moltbot_translate译为中文；
3. Qwen3模型结合电商文案知识，生成带emoji、分段清晰、含FAB话术（Feature-Advantage-Benefit）的详情页文案。

生成示例：

【升级款无线充电支架】  
✔ 支持15W疾速充，iPhone15放上去30分钟充50%！  
✔ 重力感应自动夹紧，横竖屏随心切换，开车导航超稳！  
✔ 内置智能温控芯片，边充边玩不发烫，寿命提升2倍！  
📦 包含：支架×1、Type-C线×1、说明书×1｜支持7天无理由退换

4.3 场景三：技术文档术语一致性检查

用户输入：

“这份英文SDK文档里，‘callback’有时译作‘回调’，有时是‘回叫’，请统一为‘回调’，并检查全文术语表”

ClawdBot如何工作：

1. 先调用moltbot_translate将整篇英文文档译为中文草稿；
2. Qwen3模型扫描全文，定位所有术语变体；
3. 结合预设术语表（可存为ClawdBot Workspace中的.csv文件），批量替换并生成修订说明。

输出亮点：

• 自动标注修改位置（第3章第2节、附录A表格第5行）；
• 生成术语对照表PDF（ClawdBot支持调用weasyprint生成）；
• 用diff格式高亮变更内容。

这三个场景，没有一行新代码，全靠ClawdBot的Agent逻辑编排 + MoltBot的多模态能力注入 + Qwen3的语言理解力共同完成。

5. 进阶技巧：让协作更智能、更稳定、更省心

部署完成只是开始。以下是你真正用起来后会感激的几个实用技巧：

5.1 设置翻译fallback策略，避免单点失败

MoltBot默认同时调用LibreTranslate和Google Translate，但ClawdBot调用时应有兜底。我们在tool_configs中增强：

"moltbot_translate": {
  "method": "POST",
  "url": "http://host.docker.internal:8080/translate",
  "timeout": 5000,
  "retry": 2,
  "fallback_url": "http://host.docker.internal:8080/translate?engine=libre"
}

这样当Google引擎超时或报错，ClawdBot会自动降级到LibreTranslate，保证服务不中断。

5.2 用ClawdBot Workspace管理多语言术语库

在ClawdBot Web控制台左侧“Workspace”，新建一个terms_zh-en.csv文件，内容如下：

source,target,context
"callback","回调","programming, SDK"
"latency","延迟","network, performance"
"throughput","吞吐量","system, benchmark"

然后在Agent提示词中加入指令：

“请严格参照/workspace/terms_zh-en.csv中的术语表进行翻译，不得自行发挥。”

Qwen3模型会自动加载并遵循该约束，大幅提升技术文档翻译的专业性。

5.3 监控与日志：一眼看清谁在干活

ClawdBot提供详细的调用追踪。在Web控制台 → “Logs” → “Tool Calls”，你能看到：

时间	工具名	输入参数	耗时	状态	响应摘要
14:22:03	moltbot_translate	text="Hello world", target="zh"	842ms		"你好，世界"
14:22:05	moltbot_ocr	image_url="/tmp/xxx.jpg"	1210ms		"Product ID: ABC-123..."

再也不用翻Docker日志大海捞针。

6. 总结：你刚刚搭建的不是一个工具，而是一套AI协作范式

回顾整个过程，我们没有：

• ❌ 编写任何后端服务代码；
• ❌ 配置Nginx反向代理或SSL证书；
• ❌ 修改任一项目的源码；
• ❌ 申请API密钥或开通云服务；
• ❌ 处理模型权重格式转换或CUDA版本冲突。

我们只做了三件事：

1. 用两条docker compose up命令，启动两个开箱即用的容器；
2. 编辑一个JSON配置文件，声明“ClawdBot可以调用MoltBot做什么”；
3. 在Web界面上点几下，完成设备授权和工具启用。

但结果是：
🔹 你获得了一个能听、能看、能说、能思考的本地AI工作流；
🔹 所有数据不出设备，语音、图片、聊天记录全程离线处理；
🔹 翻译质量由MoltBot保障，语言生成质量由Qwen3保障，二者各司其职；
🔹 当未来MoltBot支持新语言，或ClawdBot接入更大模型，你只需更新对应容器，能力自动升级。

这才是AI时代应有的开发体验——不造轮子，只搭积木；不追参数，只重实效；不困于平台，只专注价值。

现在，你可以把它部署在公司内网服务器上，为市场部生成多语种广告文案；
也可以装在出差笔记本里，随时把会议白板照片变成双语纪要；
甚至放在树莓派上，做成家庭智能翻译盒子，老人看懂进口药品说明书。

路已经铺好，下一步，交给你。

---

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。