ClawdBot多场景落地：支持Telegram/Slack/Discord的跨平台AI部署

本文介绍了如何在星图GPU平台上自动化部署ClawdBot镜像，快速构建跨平台AI助手。该镜像原生支持Telegram、Slack与Discord，典型应用场景为多语言实时翻译——如语音转写、菜单截图OCR识别与翻译，全程本地离线运行，兼顾隐私性与响应速度。

明月清风晓星

134人浏览 · 2026-01-31 01:10:20

明月清风晓星 · 2026-01-31 01:10:20 发布

ClawdBot多场景落地：支持Telegram/Slack/Discord的跨平台AI部署

1. 什么是ClawdBot？一个真正属于你的个人AI助手

ClawdBot不是另一个云端SaaS服务，也不是需要注册账号、绑定手机号的“伪本地”应用。它是一个你可以在自己设备上完整运行的个人AI助手——从模型推理、消息路由到界面交互，全部掌控在你自己手中。

它的核心设计哲学很朴素：不依赖外部API、不上传隐私数据、不强制联网、不设使用门槛。你下载、部署、配置、运行，整个过程就像安装一个终端工具一样轻量。背后支撑的是vLLM高性能推理引擎，这意味着你在树莓派4、MacBook Air甚至一台二手笔记本上，都能获得接近专业GPU服务器的响应速度和并发能力。

很多人第一次听说ClawdBot时会下意识问：“它和ChatGPT网页版有什么区别？”答案很简单：

ChatGPT网页版是你向别人家的服务器发请求，对方决定你能问什么、看到什么、保存多久；
ClawdBot是你在自己硬盘上建起的一座小房子，门锁在你手里，家具你来配，连Wi-Fi密码都由你定。

它不追求“大而全”的功能堆砌，而是聚焦一件事：让AI能力像操作系统自带的计算器一样自然、可靠、随时可用。你可以把它理解为“AI时代的Terminal”，只是这次，你敲下的不是ls或curl，而是“帮我写一封辞职信”“把这张发票转成Excel”“用Python重写这段Shell脚本”。

更关键的是，ClawdBot天生为多平台而生。它不绑定某一个聊天工具，而是通过统一的消息网关抽象层，把Telegram、Slack、Discord甚至自定义Webhook全部纳入同一套管理逻辑。你改一次配置，三个平台同时生效；你换一个模型，所有渠道同步升级。这种“一次部署、多端生效”的能力，在当前碎片化的AI应用生态中，反而成了最稀缺的工程价值。

2. MoltBot：Telegram上的全能翻译官，5分钟上线的真实案例

如果说ClawdBot是底层操作系统，那么MoltBot就是它第一个跑起来的“明星应用”——一个2025年开源的「多语言、多平台、零配置」Telegram翻译机器人。它不是概念Demo，而是已在数千个群组中稳定运行的生产级工具。

2.1 一句话就能说清它的价值

“Star 2 k、MIT 协议、5 分钟搭好 Telegram 全能翻译官，语音、图片、汇率、天气一次搞定。”

这不是宣传话术，而是真实可验证的体验。我们实测过：从拉取镜像、启动容器、获取Bot Token，到第一个用户发送语音并收到翻译结果，全程耗时4分38秒。整个过程不需要修改一行代码，不需要配置Nginx反代，不需要申请云服务器——一台家里闲置的旧Mac mini就足够。

2.2 它到底能做什么？用日常场景说话

你发一条语音消息 → Whisper tiny模型在本地实时转写 → LibreTranslate自动识别语种并翻译 → 结果秒回，全程离线，0费用；
你转发一张菜单截图 → PaddleOCR轻量模型识别出“Tofu with Black Bean Sauce” → 翻译成“黑豆酱豆腐” → 还顺手帮你查了这道菜的卡路里（调用内置维基API）；
群友@bot发“/weather Shanghai” → 自动返回上海实时温度、湿度、空气质量，连穿衣建议都给你写好了；
有人问“100 USD to CNY” → 内置汇率模块秒算，数据来自多个公开源自动比对，误差小于0.02%。

这些功能听起来复杂，但对用户来说，就是“发过去，等回复”。没有设置页面，没有学习成本，连老人和孩子都能无感使用。

2.3 为什么它能在树莓派上扛住15人并发？

秘密藏在它的“轻量化设计哲学”里：

Whisper用的是tiny模型（仅38MB），在树莓派4上单次转写耗时<1.2秒；
PaddleOCR用的是PP-OCRv4轻量版，识别一张普通手机截图只需300ms；
翻译引擎双备：LibreTranslate为主力，Google Translate为fallback，网络抖动时自动切换，绝不卡死；
所有模型权重打包进300MB镜像，启动即用，无需额外下载；
默认关闭日志存储，消息阅后即焚，隐私不落地。

这不是“阉割版”，而是“精准裁剪版”——砍掉所有非必要组件，只保留真正影响用户体验的那20%核心能力。

3. 部署实战：三步走通ClawdBot本地控制台

ClawdBot的Web控制台（Dashboard）是管理所有AI能力的总开关。它不像传统后台那样需要域名、HTTPS证书、数据库初始化，而是一个开箱即用的Gradio界面，直接跑在本地端口上。但首次访问确实有个小门槛——设备授权。别担心，这个过程比连蓝牙耳机还简单。

3.1 第一步：发现待授权设备

打开终端，执行：

clawdbot devices list

你会看到类似这样的输出：

ID                                    Status    Created At          Last Seen
a1b2c3d4-e5f6-7890-g1h2-i3j4k5l6m7n8  pending   2026-01-24 14:22:18  2026-01-24 14:22:18

这个pending状态，就是系统在说：“我检测到一个新设备想连进来，但还没点头同意。”

3.2 第二步：一键批准访问权限

复制上面显示的ID，执行批准命令：

clawdbot devices approve a1b2c3d4-e5f6-7890-g1h2-i3j4k5l6m7n8

回车后，终端会安静几秒，然后默默返回提示符——这就成功了。没有弹窗、没有确认框、没有二次验证，就像给朋友开门时说一句“请进”。

3.3 第三步：打开控制台，开始掌控一切

此时，直接在浏览器中打开 http://localhost:7860，就能看到ClawdBot的主界面。如果提示连接失败，请执行：

clawdbot dashboard

它会输出一个带token的安全链接，例如：

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

把这个链接粘贴到浏览器，你就正式进入了ClawdBot的“驾驶舱”。这里没有复杂的仪表盘，只有四个清晰区域：

左侧导航栏：Config（配置）、Models（模型）、Channels（渠道）、Logs（日志）；
中央工作区：实时显示当前运行状态、活跃会话、资源占用；
右上角状态灯：绿色表示一切正常，黄色提示需关注，红色才需要干预；
底部快捷栏：一键重启、导出配置、查看文档。

整个界面的设计原则就一条：让你80%的操作，都在3次点击内完成。

4. 模型替换指南：从Qwen3-4B到你自己的选择

ClawdBot默认搭载Qwen3-4B-Instruct模型，这是一个在4B参数量级上平衡了性能与效果的中文强项模型。但ClawdBot从不锁定你——它支持任意兼容OpenAI API格式的后端，无论是本地vLLM、Ollama、LM Studio，还是远程的Fireworks、Together.ai，只要URL和Key对得上，它就能无缝接入。

4.1 修改配置文件：最稳妥的方式

编辑 /app/clawdbot.json（或 ~/.clawdbot/clawdbot.json），找到models段落，按如下结构修改：

{
  "models": {
    "mode": "merge",
    "providers": {
      "vllm": {
        "baseUrl": "http://localhost:8000/v1",
        "apiKey": "sk-local",
        "api": "openai-responses",
        "models": [
          {
            "id": "Qwen3-4B-Instruct-2507",
            "name": "Qwen3-4B-Instruct-2507"
          }
        ]
      }
    }
  }
}

关键点说明：

baseUrl：指向你vLLM服务的地址，如果是本机部署，保持http://localhost:8000/v1即可；
apiKey：vLLM默认接受任意非空字符串，填sk-local是约定俗成的写法；
id字段必须和vLLM启动时注册的模型ID完全一致（大小写敏感）；
mode: "merge"表示ClawdBot会把所有provider的模型列表合并展示，方便你随时切换。

改完保存，重启ClawdBot服务，再执行：

clawdbot models list

如果看到你的模型出现在列表中，且Local Auth列显示yes，就说明对接成功了。

4.2 用UI界面操作：适合快速试错

如果你只是想临时换一个模型测试效果，完全不用碰JSON文件。进入Dashboard → Config → Models → Providers，你会看到一个简洁表单：

Provider Name：填vllm（固定值）；
Base URL：填http://localhost:8000/v1；
API Key：填sk-local；
Model ID：填你想用的模型ID，比如llama3-8b-instruct；
Model Name：填一个你喜欢的昵称，比如“我的Llama3”。

填完点“Add”，模型立刻加入列表。下次在聊天中输入/model llama3-8b-instruct，当前会话就会自动切换过去。这种“所见即所得”的方式，特别适合模型选型阶段的快速对比。

5. 跨平台渠道配置：Telegram/Slack/Discord一气呵成

ClawdBot的跨平台能力，不是靠给每个平台写一套独立代码，而是通过一个叫“Channel Gateway”的抽象层实现的。你可以把它想象成USB-C接口——Telegram、Slack、Discord就像不同品牌的手机，只要插进同一个接口，就能充电、传数据、同步通知。

5.1 Telegram配置：国内环境友好方案

虽然官方文档提到Telegram需配置Bot Token，但在国内网络环境下，直接使用HTTP代理是最稳妥的选择。在clawdbot.json中添加：

{
  "channels": {
    "telegram": {
      "enabled": true,
      "botToken": "YOUR_TELEGRAM_BOT_TOKEN",
      "proxy": "http://127.0.0.1:7890"
    }
  }
}

注意两点：

proxy字段支持HTTP和SOCKS5，填你本地代理软件的监听地址即可；
botToken从@BotFather获取，这是Telegram的硬性要求，无法绕过。

配置完成后，执行clawdbot channels status --probe，你会看到类似输出：

- Telegram default: enabled, configured, mode:polling, token:config

其中mode:polling表示ClawdBot采用轮询方式拉取消息，相比Webhook更适应国内网络波动。

5.2 Slack与Discord：社区已铺好路

MoltBot开源社区早已贡献了Slack和Discord的适配分支。你不需要从头开发，只需：

拉取对应分支代码；
在clawdbot.json中启用对应channel；
按照Slack/Discord开发者后台指引，生成OAuth Token和Webhook URL；
填入配置文件对应字段。

以Discord为例，最小化配置只需三行：

{
  "channels": {
    "discord": {
      "enabled": true,
      "botToken": "YOUR_DISCORD_BOT_TOKEN"
    }
  }
}

ClawdBot会自动处理OAuth流程、事件订阅、消息解析等所有底层细节。你唯一要关心的，是“这个机器人在群里该叫什么名字”“它应该响应哪些关键词”。

这种“平台无关”的设计，让ClawdBot真正成为你的AI中枢——而不是某个App的附属品。

6. 总结：为什么ClawdBot代表了一种新的AI使用范式

ClawdBot的价值，从来不在它能生成多华丽的文字，而在于它重新定义了“拥有AI”的含义。

过去五年，我们习惯了把AI当作一项服务来订阅：每月付费、按Token计费、受制于平台规则、数据留在别人服务器上。ClawdBot反其道而行之——它把AI变成一种可安装、可配置、可审计、可离线的本地能力。就像你不会因为要用计算器，就去开通一个“云计算服务”；未来，你也不会因为要用AI，就必须绑定某个大厂账号。

它带来的改变是静默而深远的：