国产化OpenClaw搭建指南：腾讯云服务器部署飞书机器人并接入阿里百炼模型

对于许多国内开发者而言，部署原版OpenClaw并连接海外API存在一定的网络门槛。本文旨在提供一套纯国产化的OpenClaw搭建方案，整合国内主流云服务与通讯工具，实现稳定、高效且成本可控的部署。

服务器选择：腾讯云轻量应用服务器

服务器是OpenClaw运行的基石。在对比了国内多家云服务商后，腾讯云的轻量应用服务器因其性价比脱颖而出。其2核4G配置的年付活动价仅需199元，而同配置在其他平台往往价格高昂。对于运行OpenClaw这类需要一定计算和内存资源的应用，2核4G是最为推荐的起步配置，2核2G在运行浏览器等任务时容易内存不足。

另一个关键建议是：优先选择海外地域的服务器。原因在于，海外服务器连接国内API（如阿里百炼）通常无障碍，而国内服务器连接海外API则可能受网络策略影响，稳定性欠佳。

购买完成后，在控制台可以看到已创建的实例。请注意，我们后续将不使用腾讯云提供的这个Web管理面板。

登录服务器：使用 OrcaTerm 客户端

强烈不建议使用网页版终端进行操作，体验不佳且功能受限。推荐下载腾讯云官方的 OrcaTerm 客户端，它提供了更流畅的SSH连接和管理体验。

下载地址：https://orcaterm.com/

1. 安装并打开OrcaTerm，在左下角点击登录。
   
2. 选择“腾讯云账号登录”，这将自动跳转网页进行授权。
   
3. 登录成功后，点击左侧第二个标签页“连接管理器”，然后选择“轻量应用服务器”。
   
4. 在列表中找到你刚购买的服务器，点击它。
   
5. 在弹出的登录窗口中，直接点击“登录”按钮。
   

至此，你已成功进入服务器的命令行终端。接下来，我们先跳出服务器，去配置另一个关键组件——飞书机器人。

配置飞书机器人应用

OpenClaw需要通过一个“通道”（Channel）与用户交互，在国内，飞书、企业微信、钉钉、QQ都是可选方案。如果你没有特定偏好，飞书因其开放的生态和良好的API支持，是目前较为推荐的选择。

1. 创建应用：访问 飞书开放平台，点击“创建企业自建应用”。
   
2. 填写应用名称和描述，例如“我的OpenClaw助手”，并上传或选择一个图标，然后点击“创建”。
   
3. 添加机器人能力：应用创建后，在“应用能力”页面，点击“+ 添加”，选择“机器人”。
   
   添加成功后，左侧菜单会出现“机器人”选项。
   
4. 开通权限：点击左侧“权限管理”，进入“开通权限”页面。这里需要开通后续机器人工作所需的权限。
   • 在权限列表中，找到“通讯录”、“消息与群组”、“云文档”、“多维表格”这几个分类。
   • 将这些分类下的所有权限全部勾选上（主要是为了获得完整的读写交互能力）。
   • 点击“确认开通权限”。
     
5. 发布应用：飞书的所有配置修改后，必须发布才能生效。在“应用发布”页面，点击“创建版本”。
   
6. 填写简单的版本描述（如“初始版本”），然后点击“保存”。
   
7. 最后，在确认弹窗中点击“确认发布”。
   
   发布成功后，应用状态会变为绿色的“已启用”。
   
8. 获取凭证：点击左侧“凭证与基础信息”，记录下这里的 App ID 和 App Secret。这两个值稍后配置OpenClaw时会用到。
   

OpenClaw 初始化配置

现在，让我们回到OrcaTerm中的服务器命令行，开始初始化安装OpenClaw。

1. 在终端中输入以下命令，启动交互式引导配置：

   openclaw onboard --install-daemon

   

2. 跟随引导进行选择（根据截图提示）：
   • 安全提示：输入 Yes 继续。
     
   • Onboarding mode: 选择 QuickStart。
     
   • Config handling: 选择 Use existing values。
     
   • Model/auth provider: 先选择 Skip for now（模型稍后手动配置）。
     
   • Filter models by provider: 选择 All providers。
     
   • Default model: 选择 Keep current（后续会覆盖）。
     
   • Select channel: 这里选择 Feishu/Lark（飞书）。
     
   • 输入之前记录的飞书 App ID。
     
   • 输入飞书 App Secret。
     
   • Which Feishu domain?: 选择 Feishu (feishu.cn) – China。
     
   • Group chat policy: 选择 Open – respond in all groups (requires mention)。
     
   • Configure skills now?: 选择 No，稍后配置。
     
   • Enable hooks?: 勾选 boot-md 和 session-memory。
     
   • Gateway service already installed: 选择 Restart。
     
   • How do you want to hatch your bot?: 选择 Do this later。
     

引导完成后，终端会退出配置进程。接下来，我们需要对自动生成的配置文件进行“瘦身”和自定义。

优化配置文件

1. 在OrcaTerm左侧的文件管理器区域，先点击“小文件夹”图标，再点击“小眼睛”图标，以显示隐藏文件和文件夹。
   
2. 进入 /root/.openclaw/ 目录。
   
3. 找到并打开 openclaw.json 文件，这是OpenClaw的核心配置文件。
   
4. 清理无用插件：在配置文件中找到 plugins -> entries 部分，只保留 feishu 的配置，将其余如 qqbot, ddingtalk 等插件的配置项全部删除。这能避免加载不必要的模块。
   
5. 清理无用安装记录：找到 plugins -> installs 部分，将其中的内容全部删除。
   
   清理后的 plugins 部分应简洁如下：

   "plugins": {
     "entries": {
       "feishu": {
         "enabled": true
       }
     },
     "installs": {}
   }

   

接入阿里百炼Coding Plan模型

为什么选择阿里百炼？其 Coding Plan 订阅套餐性价比极高，首月仅需7.9元（Lite套餐），即可使用通义千问、GLM、Kimi、MiniMax等多个国内一线大模型，且专门为编码场景优化，非常适合OpenClaw这类AI Agent使用。

1. 购买套餐：访问阿里百炼Coding Plan页面，建议先选择“Lite基础套餐”。
2. 获取API Key：购买后，在百炼控制台的“订阅套餐”页面，找到已生效的Coding Plan Lite套餐，点击“生成”套餐专属API Key。
   
3. 配置模型：将以下JSON配置块，复制并粘贴到 openclaw.json 文件的 "models": { 部分（替换原有的models配置）。请务必将 YOUR_API_KEY 替换为你刚刚生成的真实API Key。

   "models": {
     "mode": "merge",
     "providers": {
       "bailian": {
         "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
         "apiKey": "YOUR_API_KEY", // 替换成你的
         "api": "openai-completions",
         "models": [
           {
             "id": "qwen3.5-plus",
             "name": "qwen3.5-plus",
             "reasoning": false,
             "input": ["text", "image"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 1000000,
             "maxTokens": 65536
           },
           {
             "id": "qwen3-max-2026-01-23",
             "name": "qwen3-max-2026-01-23",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 262144,
             "maxTokens": 65536
           },
           {
             "id": "qwen3-coder-next",
             "name": "qwen3-coder-next",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 262144,
             "maxTokens": 65536
           },
           {
             "id": "qwen3-coder-plus",
             "name": "qwen3-coder-plus",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 1000000,
             "maxTokens": 65536
           },
           {
             "id": "MiniMax-M2.5",
             "name": "MiniMax-M2.5",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 1000000,
             "maxTokens": 65536
           },
           {
             "id": "glm-5",
             "name": "glm-5",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 202752,
             "maxTokens": 16384
           },
           {
             "id": "glm-4.7",
             "name": "glm-4.7",
             "reasoning": false,
             "input": ["text"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 202752,
             "maxTokens": 16384
           },
           {
             "id": "kimi-k2.5",
             "name": "kimi-k2.5",
             "reasoning": false,
             "input": ["text", "image"],
             "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
             "contextWindow": 262144,
             "maxTokens": 32768
           }
         ]
       }
     }
   }

   

4. 设置默认模型：在 openclaw.json 中找到 agents.defaults 对象，在其中添加或替换以下字段，将主模型设置为通义千问Qwen3.5 Plus。

   "model": {
     "primary": "bailian/qwen3.5-plus"
   },
   "models": {
     "bailian/qwen3.5-plus": {},
     "bailian/qwen3-max-2026-01-23": {},
     "bailian/qwen3-coder-next": {},
     "bailian/qwen3-coder-plus": {},
     "bailian/MiniMax-M2.5": {},
     "bailian/glm-5": {},
     "bailian/glm-4.7": {},
     "bailian/kimi-k2.5": {}
   },

   

至此，模型配置已完成。保存 openclaw.json 文件。

配置飞书事件订阅与最终配对

这是连通飞书机器人与OpenClaw服务的关键一步。

1. 配置事件订阅：回到飞书开放平台，在应用管理界面，点击左侧“事件与回调”，再点击右侧“事件配置”旁的编辑（铅笔）图标。
   

2. 在配置页面，订阅方式选择“使用长连接接收事件（推荐）”，然后直接点击“保存”。

   • 注意：若此处提示“应用未建立长连接”，请检查前面步骤中飞书机器人的 App ID 和 App Secret 是否在OpenClaw配置中填写正确。
     

3. 点击“添加事件”。
   

4. 在事件添加窗口，将“通讯录”、“消息与群组”、“云文档”这几个分类下的所有事件全选，然后点击“确认添加”。
   

5. 再次发布应用：事件添加后，必须再次创建并发布新版本，使配置生效。点击“创建版本”，然后“保存”并“确认发布”。
   

6. 用户配对：

   • 打开飞书，在搜索框中搜索你创建的机器人名称。
     
   • 与机器人发起聊天，发送任意消息（如“hi”）。机器人会回复一条“access not configured”的消息，其中包含一个 配对码（Pairing code）。
     
   • 回到OrcaTerm服务器终端，执行以下命令完成配对（将 你的token 替换为机器人回复的配对码）：

     openclaw pairing approve feishu 你的token

     

   • 命令成功后，会显示“Approved feishu sender”以及一个用户ID（如 ou_ca...），这个ID应与飞书聊天中机器人提示的用户ID一致。
     

7. 重启网关：最后，重启OpenClaw网关服务以使所有配置生效。

   openclaw gateway restart

   

验证与使用

完成以上所有步骤后，你的OpenClaw飞书机器人就应该活过来了。再次在飞书中与机器人对话，它会热情地打招呼，并告知已获得的权限列表（如读写文档、管理表格等），询问你需要什么帮助。

如果在对话中机器人提示缺少某些权限，它会贴心地提供授权链接，引导你完成授权，非常友好。

总结

这套基于腾讯云服务器、飞书机器人通道和阿里百炼大模型的OpenClaw搭建方案，完全利用国内生态链，避免了海外网络的不确定性，在云原生基础设施上实现了稳定部署。从成本角度看，服务器年费199元，模型套餐首月7.9元，是体验和深入学习AI Agent能力的极高性价比路径。

希望这篇详细的指南能帮助你顺利踏上OpenClaw的探索之旅。如果在配置过程中遇到问题，欢迎在云栈社区的技术板块与大家交流讨论。