保姆级教学：星图AI云平台部署Qwen3-VL:30B，接入飞书办公机器人

你是不是也想过，要是能有一个自己的AI助手该多好？它能看懂你发的图片，能回答各种问题，还能直接集成到每天用的飞书里，帮你处理工作上的琐事。

今天，我就带你从零开始，在CSDN星图AI云平台上，亲手搭建一个这样的智能助手。整个过程就像搭积木一样简单，你不需要懂复杂的AI模型部署，也不需要写繁琐的后端代码。我们要做的，就是把目前最强的多模态大模型Qwen3-VL:30B私有化部署起来，然后通过一个叫Clawdbot的工具，让它变成飞书里的智能机器人。

我是做了10年AI工程落地的老兵，亲手部署过上百个大模型项目。这次我选择星图平台，就是因为它的“一键部署”特性，能让技术小白也能轻松玩转顶级AI模型。整个教程我会拆解成清晰易懂的步骤，每一步都有截图和命令，你跟着做就行。

重点说清楚三件事：

  • 怎么在星图平台零基础部署Qwen3-VL:30B这个“巨无霸”模型？（48GB显存要求，我们怎么搞定）
  • 怎么安装和配置Clawdbot，让它成为连接模型和飞书的“桥梁”？
  • 怎么解决部署过程中最常见的网络和安全问题？（比如页面空白、连接失败）

学完这一篇，你就能拥有一个完全私有的、能看图聊天的AI助手，而且所有数据都在你自己的服务器上，安全又可控。

准备好了吗？咱们开始动手。

1. 环境准备：在星图平台找到并启动Qwen3-VL:30B

1.1 为什么选择Qwen3-VL:30B？

在开始之前，我们先简单了解一下为什么要选这个模型。Qwen3-VL:30B是目前开源多模态模型中的“顶配选手”，它有300亿参数，支持图文对话、文档理解、图表分析等多种能力。简单说，就是它不仅能看懂文字，还能看懂图片里的内容。

比如你发一张商品图片给它，它能告诉你这是什么商品、有什么特点；你发一份表格截图，它能帮你分析数据。这种能力对于办公场景特别有用，比如识别报销单、分析会议截图等。

1.2 在星图平台找到镜像

登录CSDN星图AI云平台后，进入镜像市场。这里就像一个大超市，里面有很多预装好的AI环境。

  1. 搜索目标镜像：在搜索框输入“Qwen3-vl:30b”，快速找到我们要的镜像。星图平台已经帮我们准备好了这个模型的完整环境，包括Ollama服务、Python依赖等，省去了我们自己安装的麻烦。

  2. 查看镜像详情：点击进入镜像详情页，你会看到这个镜像的基本信息。最重要的是硬件要求——Qwen3-VL:30B需要至少48GB显存。别担心，星图平台已经为我们匹配好了合适的GPU实例。

1.3 创建并启动实例

找到镜像后，点击“部署”按钮，进入实例创建页面。

这里有几个关键点需要注意：

  • 实例规格：平台会自动推荐符合要求的配置，我们直接使用默认的48GB显存配置即可。
  • 系统盘和数据盘：系统盘用于安装操作系统和基础环境，数据盘用于存储模型文件和个人数据。按照默认的50GB系统盘和40GB数据盘就够用了。
  • 网络配置：保持默认的公网访问设置，这样我们才能从外部访问这个AI服务。

点击“创建”后，平台会自动开始部署。这个过程大概需要5-10分钟，你可以先去喝杯咖啡。

等待期间，你可以了解一下我们即将用到的硬件环境：

组件 规格 说明
GPU显存 48GB 运行Qwen3-VL:30B的最低要求
CPU核心 20核 处理模型加载和推理任务
内存 240GB 确保模型运行流畅
系统盘 50GB 存放操作系统和基础环境
数据盘 40GB 存储模型文件和个人数据

1.4 验证实例状态

实例创建完成后，在控制台可以看到运行状态。点击实例名称进入详情页，这里有几个重要的信息：

  • 公网访问地址：格式类似 https://gpu-podxxxx-11434.web.gpu.csdn.net，这是我们后续访问服务的入口。
  • Ollama控制台：一个预装好的Web界面，可以直接和模型对话。
  • 终端访问：可以通过Web Terminal或SSH连接到服务器。

现在，我们的“AI大脑”已经就位了。

2. 快速测试：验证模型是否正常工作

在正式接入飞书之前，我们先简单测试一下模型是否部署成功。这就像买了个新电器，先通电试试能不能用。

2.1 通过Web界面测试

最简单的方法是通过Ollama控制台进行测试：

  1. 在实例详情页，找到“Ollama控制台”的快捷入口，点击进入。
  2. 你会看到一个简洁的聊天界面，在模型选择下拉框中，应该能看到“qwen3-vl:30b”这个选项。
  3. 在输入框里随便问个问题，比如“你好，介绍一下你自己”。
  4. 点击发送，等待几秒钟，模型就会开始回复。

如果能看到正常的回复，说明模型部署成功，推理功能正常。这个测试虽然简单，但能快速验证最核心的功能是否可用。

2.2 通过API接口测试

除了Web界面，我们还可以通过API方式调用模型。这对于后续集成到其他系统非常重要。

在本地电脑上创建一个Python测试脚本：

from openai import OpenAI

# 注意：这里的base_url需要替换成你实际的公网地址
client = OpenAI(
    base_url="https://gpu-pod697b0f1855ba5839425df6ea-11434.web.gpu.csdn.net/v1",
    api_key="ollama"  # Ollama的默认API密钥
)

try:
    response = client.chat.completions.create(
        model="qwen3-vl:30b",
        messages=[{"role": "user", "content": "你好，你是谁？"}]
    )
    print("模型回复：", response.choices[0].message.content)
except Exception as e:
    print(f"连接失败，请检查：{e}")

运行这个脚本，如果能看到模型的自我介绍，说明API接口也是正常的。

重要提示：记得把代码中的base_url替换成你实例的实际地址。地址的格式是：https://你的实例ID-11434.web.gpu.csdn.net/v1。

2.3 多模态能力测试

既然是图文模型，我们当然要测试一下它的看图能力。在Ollama控制台：

  1. 点击输入框旁边的“上传图片”按钮。
  2. 选择一张简单的图片，比如一个苹果的照片。
  3. 在输入框提问：“图片里是什么？”
  4. 发送后，观察模型的回复。

如果模型能正确识别图片内容，比如回复“这是一个红色的苹果”，说明多模态功能也正常工作了。

至此，我们的Qwen3-VL:30B模型已经成功部署并验证通过。接下来，我们要给它装上“手脚”，让它能够接入飞书。

3. 安装Clawdbot：搭建AI与飞书的桥梁

Clawdbot是什么？你可以把它理解为一个“智能机器人管家”。它的作用是连接各种AI模型（比如我们的Qwen3-VL:30B）和各种聊天平台（比如飞书、微信、钉钉等）。有了它，我们就不需要自己写复杂的对接代码了。

3.1 安装Clawdbot

我们的星图实例已经预装了Node.js环境，并且配置了npm镜像加速，安装过程会很快。

打开终端（通过Web Terminal或SSH连接），执行安装命令：

npm i -g clawdbot

这个命令会在全局安装Clawdbot。安装过程大概需要1-2分钟，你会看到很多依赖包被下载和安装。

安装完成后，可以通过以下命令验证是否安装成功：

clawdbot --version

如果能看到版本号输出，比如2026.1.24-3，说明安装成功。

3.2 初始化配置

Clawdbot安装好后，需要进行一些基础配置。我们使用向导模式来简化这个过程：

clawdbot onboard

这个命令会启动一个交互式的配置向导。对于大多数配置项，我们可以先选择默认值或者跳过，后续再在Web控制面板中详细配置。

向导会询问以下几个问题：

  1. 运行模式：选择local（本地模式），因为我们是在自己的服务器上运行。
  2. 模型提供商：这里先跳过，后续我们会手动配置连接到Qwen3-VL:30B。
  3. 工作空间：使用默认的/root/clawd目录。
  4. 网关端口：使用默认的18789端口。

一路按回车选择默认选项即可。配置完成后，Clawdbot会生成配置文件，并提示初始化成功。

3.3 启动网关服务

Clawdbot的核心是网关服务，它负责接收外部的请求（比如来自飞书的消息），然后转发给AI模型处理。

启动网关服务：

clawdbot gateway

启动后，你会看到类似这样的输出：

[INFO] Gateway starting on port 18789
[INFO] Web UI available at http://localhost:18789

这说明网关已经成功启动，并在18789端口监听请求。

3.4 访问控制面板

Clawdbot提供了一个Web控制面板，让我们可以通过图形界面来管理机器人。访问地址是：

https://你的实例ID-18789.web.gpu.csdn.net

注意这里端口从之前的11434变成了18789。

第一次访问时，可能会遇到页面空白的问题。别担心，这是正常的，我们需要进行一些网络配置。这个问题我们会在下一节详细解决。

现在，我们已经成功安装了Clawdbot，并启动了网关服务。接下来要解决网络访问问题，然后配置Clawdbot连接到我们的Qwen3-VL:30B模型。

4. 网络与安全配置：让服务可访问且安全

4.1 解决Web页面空白问题

当你访问Clawdbot控制面板时，如果看到空白页面，这是因为Clawdbot默认只监听本地回环地址（127.0.0.1），而我们需要从公网访问。

解决方法很简单，修改Clawdbot的配置文件：

vim ~/.clawdbot/clawdbot.json

找到gateway配置部分，修改以下几个关键配置：

"gateway": {
    "mode": "local",
    "bind": "lan",  // 从"loopback"改为"lan"，开启全网监听
    "port": 18789,
    "auth": {
      "mode": "token",
      "token": "csdn"  // 设置一个访问令牌，增强安全性
    },
    "trustedProxies": ["0.0.0.0/0"],  // 信任所有代理转发
    "controlUi": {
      "enabled": true,
      "allowInsecureAuth": true
    }
}

修改后保存退出，然后重启Clawdbot网关服务：

# 先按Ctrl+C停止当前服务
# 然后重新启动
clawdbot gateway

现在刷新浏览器，应该能看到Clawdbot的登录界面了。

4.2 配置访问凭证

第一次访问控制面板时，系统会要求输入Token。这个Token就是我们刚才在配置文件中设置的csdn（你可以改成其他更复杂的字符串）。

输入Token后，就能进入Clawdbot的控制面板了。这里有几个重要的功能区域：

  • Overview：概览页面，显示系统状态和基本统计
  • Chat：聊天测试界面，可以直接和配置的AI模型对话
  • Channels：渠道管理，用于配置飞书、微信等平台接入
  • Models：模型管理，配置和测试不同的AI模型
  • Skills：技能管理，配置机器人的特殊能力

4.3 验证网络连通性

为了确保后续飞书能正常访问我们的服务，我们需要验证几个关键点：

  1. 端口是否开放：在终端执行 netstat -tlnp | grep 18789，应该能看到18789端口正在监听。
  2. 外部访问是否正常：用手机浏览器访问控制面板地址，确认能从外部网络访问。
  3. API接口是否可用：在Chat页面发送一条测试消息，看是否能正常回复。

如果所有这些测试都通过，说明我们的网络配置是正确的。

4.4 安全注意事项

虽然我们修改了配置让服务可访问，但也要注意安全性：

  • Token保护：不要使用过于简单的Token，建议使用随机生成的字符串。
  • HTTPS加密：星图平台已经为我们提供了HTTPS访问，数据传输是加密的。
  • 定期更新：关注Clawdbot的版本更新，及时升级到最新版本。
  • 访问日志：定期检查/var/log/clawdbot/目录下的日志文件，监控异常访问。

网络和安全配置完成后，我们的Clawdbot已经可以正常工作了。接下来，我们要做最重要的一步：让Clawdbot连接到Qwen3-VL:30B模型。

5. 核心集成：连接Clawdbot与Qwen3-VL:30B

现在我们有两个人：一个是聪明的AI大脑（Qwen3-VL:30B），一个是能干的机器人管家（Clawdbot）。我们要做的就是让他们认识彼此，建立合作关系。

5.1 理解连接原理

在集成之前，先简单了解一下他们是怎么通信的：

  1. Clawdbot作为“中间人”，接收来自飞书等平台的消息。
  2. Clawdbot把消息转换成AI模型能理解的格式。
  3. Clawdbot调用Qwen3-VL:30B的API接口，发送请求。
  4. Qwen3-VL:30B处理请求，生成回复。
  5. Clawdbot接收回复，转换成飞书能理解的格式，发送回去。

整个过程对用户是透明的，用户只需要在飞书里@机器人提问，就能得到AI的回复。

5.2 配置模型连接

我们需要修改Clawdbot的配置文件，告诉它Qwen3-VL:30B在哪里、怎么访问。

再次编辑配置文件：

vim ~/.clawdbot/clawdbot.json

找到models配置部分，添加我们的Ollama服务作为模型提供商：

"models": {
    "providers": {
      "my-ollama": {
        "baseUrl": "http://127.0.0.1:11434/v1",  // Ollama服务的本地地址
        "apiKey": "ollama",  // Ollama的默认API密钥
        "api": "openai-completions",  // 使用OpenAI兼容的API格式
        "models": [
          {
            "id": "qwen3-vl:30b",  // 模型ID，必须和Ollama中的名称一致
            "name": "Local Qwen3 30B",  // 显示名称
            "contextWindow": 32000  // 上下文窗口大小
          }
        ]
      }
    }
  }

然后找到agents配置部分，设置默认使用我们的模型：

"agents": {
  "defaults": {
    "model": {
      "primary": "my-ollama/qwen3-vl:30b"  // 指定默认模型
    }
  }
}

5.3 完整配置文件参考

如果你不确定怎么修改，可以直接使用下面的完整配置。注意替换其中的实例ID等个性化信息：

{
  "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
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "my-ollama/qwen3-vl:30b"
      },
      "models": {
        "my-ollama/qwen3-vl:30b": {
          "alias": "qwen"
        }
      },
      "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"
    ]
  },
  "skills": {
    "install": {
      "nodeManager": "npm"
    }
  },
  "hooks": {
    "internal": {
      "enabled": true,
      "entries": {
        "session-memory": {
          "enabled": true
        }
      }
    }
  }
}

保存配置文件后，需要重启Clawdbot服务让配置生效：

# 先停止当前服务（Ctrl+C）
# 然后重新启动
clawdbot gateway

5.4 最终测试验证

配置完成后，我们需要验证Clawdbot是否能正常调用Qwen3-VL:30B。

  1. 监控GPU状态：打开一个新的终端窗口，执行以下命令实时监控GPU使用情况：
watch nvidia-smi

这个命令会每2秒刷新一次GPU状态，方便我们观察模型调用时的显存变化。

  1. 在控制面板测试：在Clawdbot的Web控制面板中，进入Chat页面，发送一条测试消息，比如“你好，请介绍一下你自己”。

  2. 观察GPU变化：如果配置正确，你应该能在nvidia-smi的输出中看到GPU显存使用量增加，这说明Clawdbot正在调用Qwen3-VL:30B模型。

  3. 查看回复内容：在Chat页面，你应该能看到模型的回复。如果回复正常，说明整个链路都通了。

如果测试成功，恭喜你！你已经成功搭建了一个私有化的AI助手，并且可以通过Clawdbot与它对话。

6. 总结与下一步

至此，我们已经完成了最核心的部署工作。让我们回顾一下都做了什么：

  1. 部署了Qwen3-VL:30B模型：在星图平台一键部署了目前最强的开源多模态大模型。
  2. 安装了Clawdbot网关：搭建了连接AI模型和外部应用的桥梁。
  3. 配置了网络和安全：解决了公网访问问题，并设置了基本的安全防护。
  4. 完成了核心集成：让Clawdbot能够调用本地的Qwen3-VL:30B模型。

现在你拥有的是一个完全私有的、功能强大的AI助手。它运行在你自己的服务器上，所有数据都在你的控制之下，不会泄露到任何第三方。

不过，这还只是上半场。我们现在有了AI大脑，也有了连接器，但还缺一个重要的部分：怎么让这个AI助手真正进入我们的日常工作流程？

在接下来的下篇教程中，我们将重点解决这个问题：

  1. 接入飞书平台：详细讲解如何在飞书开放平台创建应用、配置权限、设置Webhook，让AI助手真正进入飞书群聊和工作台。
  2. 实现多模态交互：展示如何让AI助手看懂图片、分析文档、处理复杂的办公场景。
  3. 环境持久化与发布：教你如何将配置好的环境打包成镜像，发布到星图镜像市场，方便后续快速部署和分享。

想象一下这样的场景：你在飞书里@一下机器人，发一张报销单截图，它就能告诉你哪里填写不规范；上传一份会议纪要，它就能自动生成行动项列表；甚至发一张产品设计图，它就能给出改进建议。

这些都不是遥不可及的未来，而是你现在就可以实现的功能。在下篇教程中，我会带你一步步实现这些酷炫的应用。

如果你在部署过程中遇到任何问题，或者有特别想了解的功能，欢迎在评论区留言。我会根据大家的反馈，在下篇教程中重点讲解。

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。

Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

ClawHub 小红书 Skills 完整盘点：136 个技能分类梳理

avatar 龙虾开发者社区

openclaw配置多个agent实现飞书群聊

本文介绍了基于飞书的多Agent系统架构设计，通过OpenClaw Gateway实现飞书应用与AI Agent的对接。系统采用多Agent架构，每个飞书机器人对应独立的AI Agent，拥有专属的工作空间、知识库和模型配置。

avatar 龙虾开发者社区
cover

OpenClaw安全配置解决方案 - 开源AI助手安全部署指南

avatar 龙虾开发者社区