详细步骤：星图AI云平台快速部署Qwen3-VL:30B，通过Clawdbot连接飞书

铭信

71人浏览 · 2026-03-06 00:56:27

铭信 · 2026-03-06 00:56:27 发布

详细步骤：星图AI云平台快速部署Qwen3-VL:30B，通过Clawdbot连接飞书

1. 为什么要在本地部署一个“能看图”的智能助手？

想象一下这个场景：同事在飞书群里发了一张产品设计图，问“这个界面布局合理吗？”你不需要下载图片，不需要打开其他工具，直接在群里@你的助手，它就能看懂图片，给出专业的分析建议。

或者，市场部需要快速生成十几种不同风格的宣传海报，你只需要描述需求，助手就能理解并生成对应的视觉方案。

这就是多模态大模型带来的改变——它不仅能理解文字，还能看懂图片，甚至把图文结合起来进行推理。而Qwen3-VL:30B是目前开源领域最强的多模态模型之一，支持32K超长上下文，在图文理解、OCR识别、跨模态推理等方面表现突出。

但问题来了：这么强大的模型，如果只能通过网页界面使用，或者依赖公网API，就失去了真正的实用价值。我们需要的是：

数据安全：公司内部的会议截图、产品设计图、财务报表，这些敏感信息不能上传到第三方服务器
稳定可控：不受网络波动影响，不担心服务商限流或涨价
深度集成：直接嵌入到日常办公工具里，比如飞书

这就是我们今天要做的：在CSDN星图AI云平台上，零基础部署一个完全私有的Qwen3-VL:30B模型，然后通过Clawdbot这个轻量级网关，把它变成一个能接入飞书的智能办公助手。

整个过程不需要你懂CUDA配置，不需要手动下载几十GB的模型文件，更不需要复杂的网络设置。跟着下面的步骤，30分钟内你就能拥有一个属于自己的“看图说话”助手。

2. 环境准备：星图平台的一键式专业硬件

部署大模型最头疼的是什么？是硬件配置。显存不够、内存不足、驱动版本不对……这些问题在星图平台都不存在。

我们选择的配置是经过实测验证的“黄金组合”：

组件	规格	为什么需要这个配置
GPU	NVIDIA A100 48GB	Qwen3-VL:30B全精度加载需要约40GB显存，48GB留有充足缓冲
CPU	20核心	处理并发请求和后台服务调度
内存	240GB	避免模型加载和推理时的内存抖动
系统盘	50GB SSD	存放操作系统和基础运行时
数据盘	40GB SSD	缓存模型权重、日志和临时文件

最关键的是，星图平台已经为我们预装好了完整的运行环境：

Ollama服务：开箱即用的模型管理工具
Qwen3-VL:30B模型：权重文件已经下载并配置好
Node.js环境：运行Clawdbot所需
网络配置：公网访问地址自动生成

这意味着你不需要执行任何pip install、docker pull或者git clone操作。点击几下鼠标，专业级的AI算力环境就准备好了。

2.1 快速定位并启动镜像

登录CSDN星图AI平台，进入“算力实例”页面：

点击右上角的“新建实例”按钮
在镜像搜索框中输入Qwen3-vl:30b
找到官方认证的“Qwen3-VL-30B (Ollama)”镜像
直接点击“使用推荐配置启动”

镜像选择界面

系统会自动为你匹配A100 48GB的实例配置，等待大约90秒，状态变为“运行中”，模型服务就在后台开始加载了。

3. 第一步：验证Qwen3-VL:30B服务是否正常

3.1 通过Web界面快速测试

在实例列表页面，找到你刚创建的实例，点击右侧的“Ollama控制台”按钮：

Ollama控制台入口

这会打开一个类似ChatGPT的Web界面。在输入框中随便问个问题，比如：

你好，你能看懂图片吗？

如果看到类似这样的回复：

我能理解图像内容。请上传一张图片，我会为你详细分析其中的文字、物体、场景和逻辑关系。

说明模型已经成功加载，多模态能力正常激活。

3.2 通过API接口验证连通性

虽然Web界面能用，但我们最终要通过程序调用，所以需要测试API接口是否正常。

打开你的本地终端（Windows用PowerShell，Mac/Linux用Terminal），运行以下Python代码：

from openai import OpenAI

# 注意：这里的地址需要替换成你的实际地址
# 格式：https://gpu-pod[你的实例ID]-11434.web.gpu.csdn.net/v1
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": "用一句话解释什么是多模态大模型"}]
    )
    print("✅ API调用成功！")
    print("模型回复：", response.choices[0].message.content)
except Exception as e:
    print(f"❌ 连接失败：{e}")
    print("请检查：")
    print("1. 地址是否正确（末尾要有/v1）")
    print("2. 实例是否处于运行状态")
    print("3. 是否复制了完整的URL")

如果看到清晰的回答，说明从本地到云端模型的通路已经打通。这是后续所有集成的技术基础。

4. 第二步：安装和配置Clawdbot网关

Clawdbot是什么？简单说，它是一个“AI消息路由器”。它的工作流程是这样的：

接收来自飞书的消息（文字+图片）
把消息转发给本地的Qwen3-VL:30B处理
把处理结果包装成飞书能识别的格式返回

它的优点是轻量、配置简单、自带Web管理界面，而且完全开源。

4.1 一键安装Clawdbot

回到星图平台的Web终端（点击实例右侧的“Web Terminal”按钮），执行安装命令：

npm i -g clawdbot

你会看到类似这样的输出：

+ clawdbot@2026.1.24-3
added 128 packages from 92 contributors in 8.2s

安装完成后，Clawdbot就成为了一个系统级命令，随时可以调用。

4.2 初始化配置向导

运行初始化命令：

clawdbot onboard

这时会出现一系列交互式提问。对于第一次配置，我建议全部按回车跳过，使用默认值。为什么？

默认配置已经适配了星图平台的环境
我们需要手动修改关键配置来对接Qwen3-VL:30B
飞书相关的配置（App ID、密钥等）留到下一篇再设置

看到这样的提示就说明初始化成功了：

✔ Configuration saved to /root/.clawdbot/clawdbot.json
✔ You're all set! Run 'clawdbot gateway' to start the service.

4.3 启动服务并解决访问问题

现在启动Clawdbot网关：

clawdbot gateway

Clawdbot默认在18789端口启动Web控制面板。你的访问地址应该是： https://gpu-pod[你的实例ID]-18789.web.gpu.csdn.net/

但这时候你可能会遇到一个问题：页面打不开，或者显示空白。

问题原因：Clawdbot默认只监听127.0.0.1（本机地址），而星图平台是通过反向代理把公网请求转发进来的。我们需要修改配置，让Clawdbot接受外部请求。

解决方法：编辑配置文件

vim ~/.clawdbot/clawdbot.json

找到gateway这个部分，修改成下面这样：

"gateway": {
  "mode": "local",
  "bind": "lan",  // 关键修改：从loopback改为lan
  "port": 18789,
  "auth": {
    "mode": "token",
    "token": "csdn"  // 设置一个访问令牌，防止别人随便访问
  },
  "trustedProxies": ["0.0.0.0/0"],  // 信任所有代理转发
  "controlUi": {
    "enabled": true,
    "allowInsecureAuth": true
  }
}

保存退出后，重启服务：

clawdbot gateway --restart

现在再次访问控制面板地址，应该能看到登录界面了。输入刚才设置的token：csdn，就能进入Clawdbot的管理后台。

5. 第三步：让Clawdbot认识你的Qwen3-VL:30B

现在的情况是：Clawdbot在运行，Qwen3-VL:30B也在运行，但它们俩还不认识对方。我们需要建立连接。

5.1 配置模型供应源

继续编辑配置文件：

vim ~/.clawdbot/clawdbot.json

找到models字段，替换为以下内容：

"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 30B",
          "contextWindow": 32000,
          "maxTokens": 4096
        }
      ]
    }
  }
},
"agents": {
  "defaults": {
    "model": {
      "primary": "my-ollama/qwen3-vl:30b"  // 设置默认模型
    }
  }
}

几个关键点要注意：

baseUrl是http://127.0.0.1:11434/v1，不是公网地址。因为Clawdbot和Ollama在同一台服务器上，用本地地址更快更安全。
id必须严格等于qwen3-vl:30b，要和Ollama里的模型名完全一致。
primary的值是my-ollama/qwen3-vl:30b，格式是“供应商名/模型ID”。

5.2 使用完整配置文件（推荐）

为了避免手动修改出错，你可以直接用下面的完整配置覆盖原文件：

cat > ~/.clawdbot/clawdbot.json << 'EOF'
{
  "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": {}
  },
  "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 30B",
            "contextWindow": 32000,
            "maxTokens": 4096
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "my-ollama/qwen3-vl:30b"
      }
    }
  },
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "lan",
    "controlUi": {
      "enabled": true,
      "allowInsecureAuth": true
    },
    "auth": {
      "mode": "token",
      "token": "csdn"
    },
    "trustedProxies": ["0.0.0.0/0"]
  }
}
EOF

执行这个命令后，配置文件就更新完成了。