5步搞定OpenClaw飞书机器人：Qwen3.5-9B对话式任务触发指南

1. 为什么选择OpenClaw+飞书+Qwen3.5-9B组合？

去年我在整理团队周报时，发现每周要重复执行几十次文件检索、数据提取和格式转换操作。当时尝试过各种RPA工具，要么需要复杂编程，要么无法与即时通讯工具深度整合。直到遇到OpenClaw这个开源智能体框架，配合飞书的对话式交互和Qwen3.5-9B的强大多轮对话能力，终于实现了"说话就能干活"的自动化体验。

这个组合的核心优势在于：

• 自然语言交互：直接通过飞书群聊@机器人下达指令，比传统RPA的图形化编排更符合直觉
• 本地化处理：敏感文件无需上传第三方服务器，Qwen3.5-9B模型可部署在本地或私有云
• 任务可组合：简单的"查文件"指令背后，可能包含截图识别、表格提取、数据清洗等多个自动化步骤

2. 飞书应用创建与基础配置

2.1 创建企业自建应用

首先登录飞书开放平台，在"开发者后台"创建新应用。这里有个关键细节：必须选择"企业自建应用"而非"商店应用"，因为后者需要官方审核且功能受限。创建时建议命名包含"OpenClaw"前缀方便识别，比如"OpenClaw-Agent-Dev"。

创建完成后，在"凭证与基础信息"页面记录两个关键参数：

• App ID：类似cli_xxxxxx的字符串
• App Secret：类似xxxxxx-xxxx-xxxx-xxxx-xxxxxx的密钥

2.2 配置权限与安全设置

在"权限管理"页面，至少需要添加以下权限：

• 获取用户发给机器人的单聊消息
• 获取群聊中@机器人的消息
• 以应用身份发消息

特别容易被忽略的是IP白名单设置。由于OpenClaw需要主动回调飞书服务器，必须将运行OpenClaw的服务器的公网IP加入白名单。可以通过以下命令获取当前公网IP：

curl ifconfig.me

3. OpenClaw环境部署与飞书插件安装

3.1 基础环境安装

推荐使用官方一键安装脚本（需要macOS或Linux环境）：

curl -fsSL https://openclaw.ai/install.sh | bash
openclaw --version  # 验证安装成功

如果遇到网络问题，可以尝试npm镜像源安装：

sudo npm install -g @qingchencloud/openclaw-zh@latest

3.2 飞书插件安装与配置

安装官方飞书插件（注意插件名称带@m1heng-clawd前缀）：

openclaw plugins install @m1heng-clawd/feishu

编辑配置文件~/.openclaw/openclaw.json，添加飞书通道配置（注意JSON格式）：

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "你的App ID",
      "appSecret": "你的App Secret",
      "connectionMode": "websocket"
    }
  }
}

配置完成后重启网关服务：

openclaw gateway restart

4. Qwen3.5-9B模型接入实战

4.1 模型服务部署

假设已在本地或内网部署Qwen3.5-9B的API服务（如使用星图平台镜像），接口地址为http://192.168.1.100:8080/v1。在openclaw.json中新增模型提供商配置：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://192.168.1.100:8080/v1",
        "apiKey": "sk-xxxxxx",  # 如果启用了API鉴权
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-9b",
            "name": "Qwen3.5-9B Local",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

4.2 WebSocket连接验证

飞书机器人与OpenClaw之间采用WebSocket保持长连接。可以通过以下命令检查连接状态：

openclaw gateway status

正常状态下应该看到类似输出：

WebSocket Connections:
- feishu: active (ping: 128ms)

如果显示断开，建议检查：

1. 飞书应用的"事件订阅"是否开启
2. 服务器防火墙是否放行飞书服务器IP段
3. OpenClaw日志中的WebSocket握手错误（tail -f ~/.openclaw/logs/gateway.log）

5. 实战演示与避坑指南

5.1 基础任务演示

在飞书群聊中@机器人并发送指令：

@OpenClaw 请查找上周的销售报表PDF，提取所有金额大于1万的客户名称

OpenClaw会执行以下自动化流程：

1. 通过Qwen3.5-9B理解指令意图
2. 在本地文件系统搜索匹配的PDF文件
3. 调用PDF解析工具提取表格数据
4. 过滤出符合条件的数据
5. 将结果整理成飞书消息格式回复

5.2 常见问题排查

权限问题：

• 现象：机器人能收到消息但不响应
• 解决：检查飞书应用的接收消息权限是否开启，以及IP白名单是否包含OpenClaw服务器IP

模型响应超时：

• 现象：指令发出后长时间无反馈
• 解决：调整openclaw.json中的超时参数：

"models": {
  "timeout": 30000  // 单位毫秒
}

中文乱码问题：

• 现象：返回内容出现乱码
• 解决：在模型配置中强制指定编码：

"models": {
  "encoding": "utf-8"
}

经过三个月的实际使用，这套方案已经帮我节省了约60%的重复操作时间。最让我惊喜的是Qwen3.5-9B对中文长指令的理解能力——即使像"把昨天会议上提到的三个需求文档找出来，转换成Markdown格式并发到项目群"这样的复杂指令，也能准确拆解执行步骤。当然，这套方案更适合处理非实时性任务，对于需要秒级响应的场景，还需要进一步优化模型推理速度。

---

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。