手把手部署私域AI助手：基于OpenClaw与本地Qwen3.5-27B集成飞书机器人

一、简介

OpenClaw 是当前备受关注的、能够理解指令并执行任务的 AI 智能体框架，可应用于办公自动化、开发辅助、智能家居控制等多种场景。

然而，使用公共 AI 模型的 Token 消耗巨大。近期阿里开源的 Qwen3.5 系列模型在能力上实现了显著跨越，其中 Qwen3.5-27B 稠密模型在各项基准评估中表现优异。因此，本文将实践结合 OpenClaw、私有化部署的 Qwen3.5-27B 模型以及飞书聊天接入，构建一个完全运行在私域环境中的智能助手。

本文涵盖 本地部署 Qwen3.5-27B 模型、OpenClaw 本地部署、接入飞书机器人 等核心步骤，并在最后提供 OpenClaw 的卸载方式。

二、本地部署 Qwen3.5-27B 模型

部署采用 vLLM 推理引擎，主要依赖版本如下：

vllm==0.16.1rc1.dev37+g4fec53cfc
torch==2.10.0+cu129
torchvision==0.25.0+cu129
transformers==4.57.6
modelscope==1.34.0

2.1 下载模型

这里使用 modelscope 快速将模型下载到本地：

modelscope download --model="Qwen/Qwen3.5-27B" --local_dir Qwen3.5-27B

下载完成后，在目标目录下可以看到模型文件列表。

2.2 使用 vLLM 启动 API 服务

export CUDA_VISIBLE_DEVICES=0,1

vllm serve "Qwen3.5-27B" \
  --host 0.0.0.0 \
  --port 8000 \
  --dtype bfloat16 \
  --tensor-parallel-size 2 \
  --cpu-offload-gb 0 \
  --gpu-memory-utilization 0.8 \
  --api-key token-abc123 \
  --enable-prefix-caching \
  --reasoning-parser qwen3 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --trust-remote-code

关键参数说明：

参数	说明
export CUDA_VISIBLE_DEVICES=0,1	指定使用的 GPU 设备，根据实际情况选择
dtype	数据类型，bfloat16 为16位浮点数，适合 NVIDIA A100 等设备
tensor-parallel-size	Tensor 并行数量，在多 GPU 分布式推理时使用，建议与 GPU 数量一致
cpu-offload-gb	允许将部分模型权重卸载到 CPU 内存中（单位 GB），用于模拟 GPU 内存扩展。若模型大于显存可设置此参数，但推理速度会下降
gpu-memory-utilization	设置 GPU 内存利用率的上限
api-key	API 认证密钥
enable-prefix-caching	启用前缀缓存以减少重复计算
reasoning-parser	指定推理解析器
enable-auto-tool-choice	启用自动工具选择
tool-call-parser	工具调用解析器

服务启动成功后，终端会显示 VLLM 引擎初始化、API服务器启动及支持的路由列表等信息。

显存占用情况可通过 nvidia-smi 命令查看，部署 Qwen3.5-27B 模型通常需要较大的显存。

2.3 查看模型

vLLM 默认提供 OpenAI 兼容的 API 接口。启动后，可通过 /v1/models 接口查看模型列表：

curl http://127.0.0.1:8000/v1/models -H "Authorization: Bearer token-abc123"

2.4 Chat 交互测试

使用 curl 命令测试模型聊天功能：

curl http://127.0.0.1:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer token-abc123" \
    -d '{
        "model": "Qwen3.5-27B",
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "你是谁，你认识小毕超吗？"}
        ],
        "chat_template_kwargs": {"enable_thinking": false}
    }'

三、OpenClaw 本地部署

OpenClaw 的中文介绍文档地址：

https://openclawcn.com/docs/start/

安装前请确保已部署 Node.js 环境，版本要求 Node >=22。

3.1 安装 OpenClaw

官方版本：

npm install -g openclaw@latest --registry=https://registry.npmmirror.com

汉化版本（可选）：

npm install -g @qingchencloud/openclaw-zh@latest --registry=https://registry.npmmirror.com

本文以官方版本为例。安装过程可能会显示一些弃用警告，属于正常现象。

验证安装：

openclaw --version

查看帮助信息：

openclaw --help

3.2 初始化配置

建议后续操作在 PowerShell 中以管理员身份运行。

首先，临时放行当前窗口的脚本执行限制：

Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass

然后开始初始化配置向导：

openclaw onboard

运行命令后，会引导你完成以下配置：

1. 安全风险提示：选择 Yes。
2. 配置模式：选择 QuickStart（快速开始）。
3. 选择模型供应商：本次使用私有化部署的模型，因此选择 vLLM (Local/self-hosted OpenAI-compatible)。
4. 填写模型信息：依次填入之前部署的 vLLM 服务地址、API Key 和模型名称。
   • vLLM base URL: http://127.0.0.1:8000/v1
   • vLLM API key: token-abc123
   • vLLM model: Qwen3.5-27B
5. 设置默认模型：选择保持当前配置的模型 vllm/Qwen3.5-27B 作为默认模型。
6. 选择渠道：后续会绑定飞书机器人，此处可先选择 Skip for now，后面通过修改配置的方式添加。
7. 搜索供应商：可根据需求配置，此处选择 Skip for now。
8. 配置 Skills：可选择 No，后续可在 UI 界面设置。
9. 配置 Hooks：可选择跳过。

配置完成后，系统会自动执行脚本启动 Gateway 网关，并尝试在浏览器中打开 Web UI 控制台。

如果浏览器未自动打开或页面无法访问，可在控制台检查网关状态：

openclaw gateway status

如果网关未启动，可使用以下命令重启：

openclaw gateway restart

然后重新尝试访问 Web UI 页面。

3.3 交互测试

在 OpenClaw 提供的 Web UI 页面中，可以直接与 AI 进行对话交互。你可以为助手设定名称、风格和表情符号，完成初步的“身份档案”配置。至此，一个基于本地大模型的 AI 智能体已可独立运行。

四、接入飞书机器人

为了更方便地与助手交互，我们将其接入飞书聊天机器人。

4.1 创建飞书机器人应用

1. 访问飞书开放平台。
2. 点击“创建企业自建应用”，填写应用名称（如“小龙虾”）和描述。
3. 在“应用能力”中，为应用添加“机器人”能力。
4. 在“权限管理”中，为机器人开通必要的通讯权限（如im:message等）。
5. 在“事件与回调”中，订阅“接收消息 v2.0 (im.message.receive_v1)”事件，使机器人能够接收用户消息。
6. 在“版本管理与发布”中，创建新版本（如 1.0.0），填写更新说明，并提交发布申请。提交后需企业管理员审核通过，应用方可上线。
7. 应用审核通过后，在飞书客户端中即可找到该机器人。
8. 在飞书开放平台的应用“凭证与基础信息”页面，记录下 App ID 和 App Secret，后续 OpenClaw 集成时需要。

4.2 OpenClaw 集成飞书机器人

安装飞书插件：

OpenClaw 通过插件扩展支持不同渠道，需要先安装飞书插件。

openclaw plugins install @mlheng-clawd/feishu

配置飞书渠道：

使用配置向导添加飞书渠道。

openclaw config

在配置菜单中选择 Channels，然后选择 Feishu/Lark (飞书)。根据提示，填入从飞书开放平台获取的 App ID 和 App Secret。

后续配置选项包括：

• 连接方式：选择 WebSockets (default)。
• Domain：根据地区选择，例如 Feishu (feishu.cn) - China。
• 群聊策略：例如 Open - respond in all groups (requires mention)（在所有群聊中响应，但需要@机器人）。
• 私聊策略：例如 Open (public inbound DMs)。

配置完成后，选择 Finished (Done) 退出向导。

重启 Gateway 使配置生效：

openclaw gateway restart

4.3 在飞书中测试交互

配置完成后，即可在飞书 App 中与刚刚创建的机器人对话。你可以直接发送消息，机器人会调用后端部署的 Qwen3.5-27B 模型进行回复。通过飞书，你可以方便地远程给助手下达指令，例如查询信息、操作文件等。

五、OpenClaw 常用命令

以下是一些常用的 OpenClaw 管理命令：

命令	说明
openclaw	启动
openclaw onboard	初始化配置向导
openclaw dashboard	打开 Web 控制台
openclaw config	进入交互式配置向导
openclaw skills	管理技能
openclaw --help	查看帮助
openclaw gateway run	前台运行网关
openclaw gateway start	后台启动网关
openclaw gateway stop	停止网关
openclaw gateway restart	重启网关
openclaw gateway status	查看网关状态
openclaw gateway install	设置为开机自启

六、卸载 OpenClaw

如果不再需要，可以通过以下步骤卸载 OpenClaw：

1. 停止 Gateway 服务：

   openclaw gateway stop

2. 卸载 OpenClaw npm 包：

   npm remove -g openclaw

3. （可选）删除 OpenClaw 的配置文件和数据目录，通常位于用户主目录下的 .openclaw 文件夹。

通过以上步骤，我们完成了一个从本地大模型部署到 AI 智能体框架集成，再到企业级聊天应用接入的完整实践。这种方案将前沿的人工智能能力置于私域环境中，兼顾了性能、安全与使用的便利性，为构建企业内部自动化助手提供了可行路径。技术探索永无止境，更多关于开源实战项目的讨论，欢迎来到云栈社区交流分享。