5分钟搞定OpenClaw+千问3.5-35B-A3B-FP8：飞书机器人配置指南

1. 为什么选择这个组合？

上周我需要给团队搭建一个能自动解析群聊图片的飞书助手，尝试过直接调用API但开发成本太高。直到发现星图平台的OpenClaw镜像已经预装了千问3.5多模态模型，才意识到这是个"开箱即用"的解决方案。这个组合最吸引我的两点是：

1. 零环境配置：不用操心CUDA版本、依赖冲突这些头疼问题
2. 多模态原生支持：千问3.5模型能直接理解图片内容，省去了自己搭建OCR服务的麻烦

实际测试从创建云主机到完成飞书对接，整个过程只用了4分38秒（是的我计时了）。下面分享我的具体操作和几个关键避坑点。

2. 准备工作：星图平台快速部署

2.1 创建云主机实例

在星图平台选择"OpenClaw+千问3.5"组合镜像时，建议配置：

• 最低配置：8核CPU/32GB内存/50GB磁盘（实测解析1080P图片约需12GB显存）
• 网络设置：务必开启18789端口（OpenClaw网关默认端口）
• 登录方式：推荐SSH密钥对，后续配置飞书Webhook时需要用到公网IP

# 启动后验证服务状态（镜像已预装openclaw）
ssh root@your-instance-ip
openclaw gateway status

2.2 初始化模型服务

镜像虽然预装了千问3.5，但首次使用需要激活模型服务：

# 进入模型管理目录
cd /opt/qwen-serving

# 启动模型服务（镜像已配置systemd服务）
sudo systemctl start qwen-serving

# 验证服务状态
curl http://localhost:8000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.5-35b-a3b-fp8","messages":[{"role":"user","content":"你好"}]}'

如果返回类似下面的响应，说明模型就绪：

{
  "choices": [{
    "message": {
      "content": "你好！我是千问AI助手。"
    }
  }]
}

3. 飞书机器人配置实战

3.1 安装飞书插件

在云主机执行以下命令（国内网络可能需要设置npm镜像源）：

openclaw plugins install @m1heng-clawd/feishu
openclaw plugins list | grep feishu  # 确认插件状态

这里有个小坑：如果插件列表为空，可能是权限问题。需要手动创建插件目录并赋权：

mkdir -p ~/.openclaw/plugins
chmod 755 ~/.openclaw/plugins

3.2 获取飞书开发者凭证

1. 登录飞书开放平台
2. 创建"企业自建应用"，记录App ID和App Secret
3. 在"权限管理"中开启：
   • im:message（接收消息）
   • im:resource（获取图片资源）
4. 在"事件订阅"添加接收消息事件

特别注意：飞书要求配置"加密密钥"(Encrypt Key)，但OpenClaw最新版已内置解密逻辑，这个字段可以留空。

3.3 修改OpenClaw配置文件

编辑~/.openclaw/openclaw.json，重点检查这几项：

{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxxxxx",
      "appSecret": "xxxxxx-xxxx-xxxx-xxxx-xxxxxxxx",
      "verificationToken": "xxxxxx"  // 来自飞书后台"事件订阅"
    }
  },
  "models": {
    "default": "qwen3.5-35b-a3b-fp8",
    "providers": {
      "local-qwen": {
        "baseUrl": "http://localhost:8000/v1",
        "api": "openai-completions"
      }
    }
  }
}

配置完成后需要重启网关：

openclaw gateway restart

4. 多模态任务测试技巧

4.1 图片解析实战

在飞书群聊中发送一张图片，OpenClaw会自动触发以下流程：

1. 下载图片到临时目录（路径可在日志中查看）
2. 调用千问3.5的视觉理解能力生成描述
3. 将结果回复到群聊

我测试了一张会议白板照片，模型返回了：

"检测到白板上有以下内容：

1. 项目时间轴：Q2~Q4 2024
2. 三个里程碑节点：原型验证(6月)、内测(9月)、发布(12月)
3. 右下角有手写备注：'需协调设计资源'"

性能参考值：

• 文字截图：响应时间2~3秒
• 复杂照片：5~8秒（与图片分辨率正相关）

4.2 常见问题排查

如果图片解析失败，建议按这个顺序检查：

1. 查看网关日志：

   journalctl -u openclaw-gateway -f
   

   重点观察是否有Download image failed或Model inference timeout错误

2. 验证模型服务：

   curl http://localhost:8000/v1/models
   

   正常应返回qwen3.5-35b-a3b-fp8在列

3. 检查飞书权限： 确保应用已获取im:resource权限，且IP白名单包含云主机公网IP

5. 进阶使用建议

经过一周的实测，我总结出几个提升体验的技巧：

1. 会话记忆优化：在配置文件中增加contextWindow参数，避免长对话丢失历史：

   "models": {
     "providers": {
       "local-qwen": {
         "models": [{
           "id": "qwen3.5-35b-a3b-fp8",
           "contextWindow": 8192  // 千问3.5支持的最大上下文长度
         }]
       }
     }
   }
   

2. 安全限制：通过allowedGroups限定响应范围，避免骚扰无关群聊：

   "feishu": {
     "allowedGroups": ["oc_xxxxxx"]  // 飞书群聊ID
   }
   

3. 流量控制：对于多人使用的场景，建议在云主机配置速率限制：

   # 使用iptables限制每分钟60次请求
   iptables -A INPUT -p tcp --dport 18789 -m limit --limit 60/minute -j ACCEPT
   

这个方案特别适合小团队的敏捷验证。我们市场部现在用它自动解析用户反馈截图，技术组用来讨论架构图，连行政同事都开始用它识别会议纪要里的手写备注。整个过程几乎没有写一行代码，全靠OpenClaw的配置能力和千问3.5强大的多模态理解。

---

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。