OpenClaw飞书机器人实战：百川2-13B-4bits量化模型对话触发任务

1. 为什么选择OpenClaw+飞书+百川2的组合？

上周三晚上11点，我正在整理团队周报时突然想到：如果能用自然语言直接让AI帮我生成会议纪要、提取待办事项该多好。经过一番技术选型，最终确定了OpenClaw+飞书+百川2-13B-4bits量化的组合方案。这个组合的独特优势在于：

本地化隐私保护是我们团队的核心诉求。通过OpenClaw在本地部署的飞书机器人，所有对话数据都留在内网环境，避免了敏感会议内容上传第三方云服务的风险。而百川2-13B-4bits量化版本在RTX 3090上仅需10GB显存就能流畅运行，完美匹配我们的开发机配置。

实际部署后发现，这套方案最惊艳的是自然语言到自动化任务的转换能力。比如简单说"提取昨天产品评审会的待办事项"，OpenClaw就能自动完成：调取飞书会议记录→调用百川模型分析→返回结构化待办清单的全流程。下面分享具体实现过程。

2. 环境准备与核心组件安装

2.1 基础环境搭建

我的开发环境是Ubuntu 22.04 + RTX 3090显卡，首先确保已安装：

# 检查NVIDIA驱动
nvidia-smi
# 输出应显示GPU信息，如：
# +---------------------------------------------------------------------------------------+
# | NVIDIA-SMI 535.54.03              Driver Version: 535.54.03    CUDA Version: 12.2     |
# |-----------------------------------------+----------------------+----------------------+

接着部署百川2-13B-4bits模型服务。这里使用了星图平台的预置镜像，启动命令：

docker run -d --gpus all -p 8000:8000 \
  -v /data/baichuan2:/app/models \
  baichuan2-13b-chat-4bits-webui:v1.0

模型服务启动后，可以通过http://localhost:8000/docs访问API文档。重点记录两个参数：

• 基础URL：http://localhost:8000/v1
• API Key：sk-xxxxxx（在容器日志中查找）

2.2 OpenClaw核心安装

采用npm方式安装OpenClaw核心组件：

sudo npm install -g @qingchencloud/openclaw-zh@latest
openclaw --version  # 确认版本≥0.8.3

初始化配置时选择Advanced模式，关键配置项：

• Model Provider: 选择"Custom"
• Base URL: 填入上一步的模型服务地址
• API Key: 填入容器日志中的sk密钥
• Default Model: 手动输入"Baichuan2-13B-Chat"

3. 飞书通道深度配置

3.1 飞书应用创建

在飞书开放平台创建自建应用时，有3个易错点需要特别注意：

1. 权限配置：除了基础的"获取单聊消息"权限外，务必添加"获取用户发给机器人的单聊消息"和"以应用身份读取通讯录"权限
2. IP白名单：需要将部署OpenClaw的服务器的公网IP加入白名单
3. 事件订阅：订阅"接收消息"事件，并设置正确的请求网址（后续生成）

安装飞书插件并检查：

openclaw plugins install @m1heng-clawd/feishu
openclaw plugins list | grep feishu  # 确认插件状态正常

3.2 关键配置文件调整

编辑~/.openclaw/openclaw.json，飞书相关配置需要特别注意verificationToken和encryptKey的获取：

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxxxxx",
      "appSecret": "xxxxxx",
      "verificationToken": "从飞书后台事件订阅页面获取",
      "encryptKey": "从飞书后台事件订阅页面获取",
      "connectionMode": "websocket"
    }
  }
}

配置完成后，重启网关服务：

openclaw gateway restart

此时在飞书应用后台的"事件订阅"页面，应该能看到URL验证成功的提示。如果遇到"Invalid signature"错误，通常是时间戳不同步导致，可以尝试同步服务器时间：

sudo ntpdate time.nist.gov

4. 任务技能调试实战

4.1 会议纪要生成案例

我们团队的产品评审会通常持续2小时，以往需要人工整理关键结论。现在通过飞书机器人，只需@机器人并输入：

"提取今天15:00-17:00产品评审会的会议纪要，按'结论'、'待决议项'、'行动计划'三部分组织"

OpenClaw的执行链路如下：

1. 通过飞书API获取指定时间段的会议记录
2. 将原始文本发送给百川模型进行处理
3. 模型返回结构化结果示例：

### 产品V2.3迭代评审结论
1. **核心结论**  
   - 用户画像模块需增加设备类型维度
   - 购物车失效时间从24h调整为72h

2. **待决议项**  
   - [ ] 是否在支付页增加信用支付选项
   - [ ] 海外版是否单独设计促销规则

3. **行动计划**  
   - 负责人: @张三 完成时间: 2024-03-15
     - 更新用户画像采集SDK
   - 负责人: @李四 完成时间: 2024-03-20  
     - 修改购物车服务配置

4.2 待办事项提取技巧

对于非结构化消息的待办提取，我们发现提示词工程非常关键。经过多次调试，最优提示词模板为：

你是一个专业的任务提取助手，请从以下文本中识别出待办事项，按如下规则输出：
1. 每个待办必须包含明确动作和责任人
2. 没有明确责任人的任务分配给"待确认"
3. 输出格式：
   - [ ] 任务描述 (@责任人 截止时间)

输入文本：{user_input}

在实际对话中，当用户发送： "记得让小王下周把需求文档写完，还有UI走查还没安排"

百川模型会返回：

• [ ] 完成需求文档 (@小王 2024-03-18)
• [ ] 安排UI走查 (@待确认 2024-03-15)

5. 性能优化与问题排查

5.1 响应速度优化

初期测试时，从发送指令到获得结果平均需要12秒，经过以下优化降至3秒内：

1. 模型量化参数调整：在百川模型启动命令中增加--quantize nf4 --max_batch_size 8
2. OpenClaw缓存配置：在openclaw.json中增加

   {
     "cache": {
       "enabled": true,
       "ttl": 300
     }
   }
   

3. 飞书长连接：确保connectionMode为"websocket"而非轮询

5.2 常见错误处理

问题1：飞书消息能接收但无响应
排查步骤：

# 查看网关日志
journalctl -u openclaw-gateway -f
# 常见错误：Missing message encryption key
# 解决方案：确认encryptKey配置正确并重启

问题2：模型返回乱码
原因：百川4bits量化版本对温度参数敏感
解决：在模型调用参数中设置"temperature": 0.3

问题3：待办事项提取不完整
调试方法：在飞书消息前加入调试指令
/debug 查看原始会议记录
可以返回模型接收到的原始文本，方便检查信息丢失环节

6. 安全防护建议

由于该方案涉及企业内部通讯，我们实施了以下安全措施：

1. 访问控制：在飞书应用设置中开启"仅限企业内成员使用"
2. 操作审计：启用OpenClaw的审计日志功能

   openclaw config set audit.enabled true
   

3. 模型防护：在百川模型前部署速率限制

   docker run -d --name limiter -p 8080:8080 \
     -e RATE_LIMIT=10/minute \
     traefik/whoami
   

这套方案运行两周以来，已经累计处理了63次会议纪要请求和142条待办提取，显著提升了我们小团队的协作效率。最让我惊喜的是，有时候简单的"把刚才说的重点列一下"这样的模糊指令，百川2-13B-4bits模型也能给出不错的处理结果。

---

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。