2 min read

LLM：OpenClaw 消息渠道配置实践

2026/03/22

LLM 系列导航

1 LLM：Function Call（1）从传统工具调用到函数驱动 2020-09-08
2 LLM：关注因果推断研究进展 2023-06-22
3 LLM：人机协作 2024-05-19
4 LLM：分层管理风险定性 2024-08-08
5 LLM：FN分层分析与提升空间测算（1） 2024-09-12
6 LLM：FN分层分析与提升空间测算（2） 2024-09-12
7 LLM：FN分层分析与提升空间测算（3） 2024-09-12
8 LLM：FN分层分析与提升空间测算（4） 2024-09-12
9 LLM：FN分层分析与提升空间测算（5） 2024-09-12
10 LLM：推理不可复现的探索 2025-06-11
11 LLM：SFT 与 RL 的关系 2025-07-29
12 LLM：SFT 与 RL 的关系（理论修正与实践补充） 2025-07-30
13 LLM：SFT 与 RL 的关系（理论修正与实践补充II） 2025-07-31
14 LLM：表格数据特征工程（1）核心方法与框架 2025-08-03
15 LLM：表格数据特征工程（2）低数据场景的决策树生成 2025-08-03
16 LLM：表格数据特征工程（3）落地冷启动 2025-08-03
17 LLM：表格数据特征工程（4）线性可分性与模型选型 2025-08-03
18 LLM：撰写大模型落地提示词的关键 2025-08-27
19 LLM：从 Prompt 设计到工作流落地 2025-08-28
20 LLM：RL's Razor 抗遗忘 2025-09-04
21 LLM：RL's Razor 抗遗忘（2） 2025-09-04
22 LLM：RL's Razor 抗遗忘（3）SFT 与 RL 的认知偏差及应用 2025-09-04
23 LLM：RL's Razor 抗遗忘（4）on-policy认知误区 2025-09-04
24 LLM：RL's Razor 抗遗忘（5）RL在线生成样本 2025-09-04
25 LLM：MuseGraph融合GNN与LLM的通用图挖掘新框架 2025-09-05
26 LLM：幻觉成因与解决 2025-09-08
27 LLM：Agent 逻辑与应用场景 2025-09-23
28 LLM：拆解大模型缩放定律失效的三重分解 2025-10-05
29 LLM：近似on-policy数据抗遗忘 2025-10-21
30 LLM：近似on-policy数据抗遗忘（2）Iterative-SFT 2025-10-21
31 LLM：幻觉治理 2025-10-28
32 LLM：先验偏见（1）变量名带偏判断 2025-11-13
33 LLM：先验偏见（2）分层分析应对 2025-11-13
34 LLM：先验偏见（3）实验效度的场景化适配 2025-11-13
35 LLM：分层落地 2025-11-13
36 LLM：零样本在金融场景落地 2025-11-13
37 LLM：跨难度泛化的局限与量化 2025-11-26
38 LLM：重复提示词解锁非推理性能上限 2025-12-17
39 LLM：用失败样本提升指令遵循能力 2025-12-29
40 LLM：概率引导的高价值信号筛选 2026-01-14
41 LLM：低成本安全检测的级联方案 2026-01-16
42 LLM：定性编码的假阳性解决方案 2026-01-16
43 LLM：先验偏见（4）挑战与落地解决方案 2026-01-22
44 LLM：先验偏见（5）工程化方案 2026-01-22
45 LLM：先验偏见（6）递进式优化与工程化落地 2026-01-22
46 LLM：SimRL（1）分层评估 2026-02-03
47 LLM：SimRL（2）理论逻辑与工程落地 2026-02-03
48 LLM：SimRL（3）质量评估与落地优化 2026-02-03
49 LLM：MCP vs Skills 核心差异 2026-03-22

OpenClaw 是一个开源的个人 AI 助理系统，支持通过多种即时通讯平台与其交互。本文记录钉钉和飞书渠道的配置过程，包括遇到的问题和解决方案。

最简配置方法

配置消息渠道的最简单方式：

  1. 将官方文档链接 https://docs.coze.cn/tutorial/openclaw 发送给 OpenClaw
  2. OpenClaw 会读取文档并指导配置步骤
  3. 在钉钉或飞书的企业后台按要求完成机器人配置即可

整个过程由 OpenClaw 引导，无需手动查阅配置细节。

配置背景

OpenClaw 采用插件化架构，通过 Channel 插件连接不同的消息平台。主要组件包括：

  • Gateway：HTTP + WebSocket 服务器，负责状态与通信控制
  • Agent：嵌入式编码代理，通过 RPC 与 Gateway 通信
  • Channels：消息平台适配器
  • Skills：可扩展的工具与能力系统

配置目标是在手机端通过钉钉或飞书与 OpenClaw 对话，无需公网 IP。

钉钉渠道配置

插件选择

钉钉渠道使用社区插件 @largezhou/ddingtalk，采用 Stream 模式连接。Stream 模式的优势是不需要公网 IP 或 webhook 回调地址，通过长连接接收消息。

配置步骤

  1. 在钉钉开发者平台创建企业内部应用
  2. 获取 App Key 和 App Secret
  3. 在 openclaw.json 中添加配置：
{
  "channels": {
    "ddingtalk": {
      "enabled": true,
      "appKey": "your-app-key",
      "appSecret": "your-app-secret"
    }
  },
  "plugins": {
    "allow": ["@largezhou/ddingtalk"]
  }
}
  1. 在钉钉开发者平台填写机器人名称和描述
  2. 发布应用版本
  3. 用户在钉钉 App 中搜索机器人名称即可找到

验证连接

使用以下命令检查渠道状态：

openclaw channels status --probe

状态显示 connected 表示连接正常。

问题处理

配置完成后，如果在钉钉 App 中找不到机器人，需要检查：

  • 应用是否已发布版本
  • 机器人信息是否填写完整
  • 用户是否在应用可见范围内

飞书渠道配置

插件选择

飞书渠道使用官方插件 @larksuite/openclaw-lark，采用 WebSocket 模式连接。

配置步骤

  1. 在飞书开发者平台创建企业自建应用
  2. 获取 App ID 和 App Secret
  3. 在 openclaw.json 中添加配置：
{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxxxxxxxxxxxxxxx",
      "appSecret": "your-app-secret"
    }
  },
  "plugins": {
    "allow": ["@larksuite/openclaw-lark"]
  }
}
  1. 在飞书开发者平台配置事件订阅
  2. 添加所需权限

用户配对

首次对话时，OpenClaw 会创建配对请求。用户需要：

  1. 在飞书端获取配对码（显示为 6 位字母数字组合）
  2. 在控制台执行配对命令：
openclaw pairing approve feishu XXXXXX

配对成功后，用户 ID 会被记录，后续消息可直接处理。

权限问题

对话过程中遇到权限错误：

Access denied. One of the following scopes is required: [cardkit:card:write]

解决方案是在飞书开发者平台为应用添加 cardkit:card:write 权限。权限管理路径：

应用详情 → 权限管理 → 申请权限

添加权限后需要重新发布应用版本。

企业微信渠道尝试

企业微信渠道使用插件 @wecom/wecom-openclaw-plugin。配置时遇到 invalid open_botid 错误。

经排查，原因是应用类型为普通应用而非智能机器人。智能机器人功能需要在企业微信管理后台单独开启，开启后才能获取 Bot ID。

企业微信渠道配置暂时搁置，待后续开启智能机器人功能后继续。

配置对比

项目 钉钉 飞书
插件 @largezhou/ddingtalk @larksuite/openclaw-lark
连接模式 Stream WebSocket
公网 IP 不需要 不需要
用户配对 自动 需要配对码
权限配置 基础权限 需要额外权限

常用命令

# 查看渠道状态
openclaw channels status --probe

# 查看配置文件路径
openclaw config file

# 验证配置
openclaw config validate

# 查看日志
tail -n 200 /app/work/logs/bypass/dev.log

# 批准配对请求
openclaw pairing approve feishu XXXXXX

小结

配置消息渠道最简单的方式是将官方文档链接 https://docs.coze.cn/tutorial/openclaw 发送给 OpenClaw，由其引导完成钉钉或飞书的企业后台配置。

手动配置时，钉钉渠道使用 Stream 模式，配置较为简单；飞书渠道需要注意权限配置和用户配对流程。两个渠道都不需要公网 IP，适合个人使用场景。

参考

OpenClaw 官方文档: https://docs.coze.cn

钉钉开发者平台: https://open.dingtalk.com

飞书开发者平台: https://open.feishu.cn

LLM 系列导航

1 LLM：Function Call（1）从传统工具调用到函数驱动 2020-09-08
2 LLM：关注因果推断研究进展 2023-06-22
3 LLM：人机协作 2024-05-19
4 LLM：分层管理风险定性 2024-08-08
5 LLM：FN分层分析与提升空间测算（1） 2024-09-12
6 LLM：FN分层分析与提升空间测算（2） 2024-09-12
7 LLM：FN分层分析与提升空间测算（3） 2024-09-12
8 LLM：FN分层分析与提升空间测算（4） 2024-09-12
9 LLM：FN分层分析与提升空间测算（5） 2024-09-12
10 LLM：推理不可复现的探索 2025-06-11
11 LLM：SFT 与 RL 的关系 2025-07-29
12 LLM：SFT 与 RL 的关系（理论修正与实践补充） 2025-07-30
13 LLM：SFT 与 RL 的关系（理论修正与实践补充II） 2025-07-31
14 LLM：表格数据特征工程（1）核心方法与框架 2025-08-03
15 LLM：表格数据特征工程（2）低数据场景的决策树生成 2025-08-03
16 LLM：表格数据特征工程（3）落地冷启动 2025-08-03
17 LLM：表格数据特征工程（4）线性可分性与模型选型 2025-08-03
18 LLM：撰写大模型落地提示词的关键 2025-08-27
19 LLM：从 Prompt 设计到工作流落地 2025-08-28
20 LLM：RL's Razor 抗遗忘 2025-09-04
21 LLM：RL's Razor 抗遗忘（2） 2025-09-04
22 LLM：RL's Razor 抗遗忘（3）SFT 与 RL 的认知偏差及应用 2025-09-04
23 LLM：RL's Razor 抗遗忘（4）on-policy认知误区 2025-09-04
24 LLM：RL's Razor 抗遗忘（5）RL在线生成样本 2025-09-04
25 LLM：MuseGraph融合GNN与LLM的通用图挖掘新框架 2025-09-05
26 LLM：幻觉成因与解决 2025-09-08
27 LLM：Agent 逻辑与应用场景 2025-09-23
28 LLM：拆解大模型缩放定律失效的三重分解 2025-10-05
29 LLM：近似on-policy数据抗遗忘 2025-10-21
30 LLM：近似on-policy数据抗遗忘（2）Iterative-SFT 2025-10-21
31 LLM：幻觉治理 2025-10-28
32 LLM：先验偏见（1）变量名带偏判断 2025-11-13
33 LLM：先验偏见（2）分层分析应对 2025-11-13
34 LLM：先验偏见（3）实验效度的场景化适配 2025-11-13
35 LLM：分层落地 2025-11-13
36 LLM：零样本在金融场景落地 2025-11-13
37 LLM：跨难度泛化的局限与量化 2025-11-26
38 LLM：重复提示词解锁非推理性能上限 2025-12-17
39 LLM：用失败样本提升指令遵循能力 2025-12-29
40 LLM：概率引导的高价值信号筛选 2026-01-14
41 LLM：低成本安全检测的级联方案 2026-01-16
42 LLM：定性编码的假阳性解决方案 2026-01-16
43 LLM：先验偏见（4）挑战与落地解决方案 2026-01-22
44 LLM：先验偏见（5）工程化方案 2026-01-22
45 LLM：先验偏见（6）递进式优化与工程化落地 2026-01-22
46 LLM：SimRL（1）分层评估 2026-02-03
47 LLM：SimRL（2）理论逻辑与工程落地 2026-02-03
48 LLM：SimRL（3）质量评估与落地优化 2026-02-03
49 LLM：MCP vs Skills 核心差异 2026-03-22