飞书集成全攻略：OpenClaw+Qwen3-4B-Thinking打造智能工作台

1. 为什么选择OpenClaw+Qwen3-4B-Thinking组合？

去年夏天，当我第一次尝试用AI自动化处理会议纪要时，经历了从兴奋到沮丧的全过程。当时使用的是某商业SaaS方案，不仅每月要支付高昂费用，还经常因为网络延迟导致会议记录不同步。直到发现OpenClaw这个开源框架，配合本地部署的Qwen3-4B-Thinking模型，才真正找到了适合个人和小团队的解决方案。

这套组合的核心优势在于：

• 数据不出本地：所有会议录音和纪要内容都在自己控制的设备上处理
• 成本可控：只需支付模型推理的Token费用，没有订阅制强制消费
• 深度定制：可以根据团队术语库和工作习惯调整纪要生成逻辑
• 7×24待命：随时响应飞书群聊中的@指令，不会错过任何会议记录需求

2. 基础环境准备与安装

2.1 OpenClaw的三种安装方式

在我的MacBook Pro上，尝试过三种安装方法，最终推荐第三种给大多数用户：

# 方法1：官方脚本（适合纯净系统）
curl -fsSL https://openclaw.ai/install.sh | bash

# 方法2：npm安装（适合已有Node环境）
sudo npm install -g @qingchencloud/openclaw-zh@latest

# 方法3：我的推荐方案 - 使用汉化增强版
brew install node@22
npm install -g @m1heng/claw-zh@latest
openclaw --version  # 验证安装

安装完成后，建议立即运行配置向导。这里有个小技巧：在onboard阶段选择Advanced模式，虽然多花2分钟，但能避免后续重复配置：

openclaw onboard
# 选择Advanced > Provider选Qwen > 模型选qwen3-4b-thinking

2.2 Qwen3-4B-Thinking模型部署

如果你已经有星图平台的Qwen3-4B-Thinking镜像，可以直接在OpenClaw配置文件中指定模型地址。这是我的~/.openclaw/openclaw.json关键配置片段：

{
  "models": {
    "providers": {
      "my-qwen": {
        "baseUrl": "http://localhost:8000/v1",  // vLLM服务地址
        "apiKey": "EMPTY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3-4b-thinking",
            "name": "My Qwen Thinking",
            "contextWindow": 32768
          }
        ]
      }
    }
  }
}

配置完成后，务必执行以下命令验证模型连通性：

openclaw gateway restart
openclaw models test qwen3-4b-thinking

3. 飞书企业自建应用配置详解

3.1 创建应用的三个关键步骤

1. 进入开发者后台：访问飞书开放平台，在"企业自建应用"点击创建
2. 填写基础信息：应用名称建议包含"AI助手"等标识，避免审核问题
3. 获取凭证信息：记录下App ID和App Secret，这是OpenClaw连接的钥匙

特别注意：在"安全设置"中，必须添加你的服务器公网IP（通过curl ifconfig.me获取），否则后续API调用会被拦截。

3.2 权限申请避坑指南

经过三次权限申请被拒的经验，我总结出这些必选权限：

• im:message（接收和发送消息）
• im:message.group_at_msg（识别@消息）
• im:message.group_at_msg:readonly（读取@消息）
• file:file:upload（上传会议录音文件）

重要提醒：不要申请contact相关权限，这会导致应用需要额外审核。我们的会议纪要场景完全不需要读取组织架构。

3.3 安全策略最佳实践

在团队内部使用时，建议开启以下安全设置：

1. IP白名单：只允许办公室和家庭网络的公网IP
2. 消息加密：在飞书后台开启"消息内容加密"
3. 访问频控：设置每分钟不超过30次API调用
4. 敏感词过滤：在OpenClaw侧添加自定义过滤规则

这些配置可以在openclaw.json的channels.feishu部分实现：

{
  "channels": {
    "feishu": {
      "security": {
        "ipWhitelist": ["123.45.67.89", "987.65.43.21"],
        "rateLimit": 30,
        "keywordFilters": ["机密", "敏感"]
      }
    }
  }
}

4. 会议纪要自动化实战

4.1 技能安装与配置

首先安装会议纪要专用技能包：

clawhub install meeting-minutes-zh

然后创建配置文件~/.openclaw/skills/meeting-minutes/config.yaml：

template: |
  ## {meeting_topic} 会议纪要
  **时间**: {start_time} ~ {end_time}
  **参会人**: {participants}
  
  ### 关键讨论点
  {discussion_summary}

  ### 待办事项
  {action_items}
  
  ### 决策结论
  {decisions}

4.2 触发逻辑设计

当飞书群聊中出现"@AI助手 记录会议"时，OpenClaw会：

1. 自动识别最近15分钟的语音消息
2. 调用Qwen3-4B-Thinking模型进行语音转写
3. 按模板生成结构化纪要
4. 以Markdown格式回复到群聊

这个逻辑是通过skills/meeting-minutes/hooks/feishu.js实现的：

module.exports = async (ctx) => {
  if (ctx.message.text.includes('记录会议')) {
    const audio = await findRecentAudio(ctx);
    const transcript = await transcribe(audio);
    const summary = await summarize(transcript);
    return formatMinutes(summary);
  }
};

4.3 实际效果优化技巧

经过两个月迭代，这些调整显著提升了纪要质量：

• 提示词工程：在转写阶段添加"保留专业术语"指令
• 后处理脚本：自动替换"这个那个"等口语化表达
• 术语库支持：维护团队专属的术语对照表
• 人工复核机制：设置"@AI助手 修正纪要"的二次编辑流程

5. 常见问题与解决方案

5.1 消息接收失败排查

如果机器人没有响应@消息，按这个顺序检查：

1. 飞书后台"事件订阅"是否开启
2. openclaw.json中的encryptKey是否与飞书后台一致
3. 网关服务日志是否有报错（openclaw gateway logs）

5.2 模型响应慢优化

当Qwen3-4B-Thinking响应超过10秒时，可以：

• 在vLLM启动参数添加--tensor-parallel-size 1
• 使用openclaw models set qwen3-4b-thinking --max-tokens 512限制输出长度
• 开启OpenClaw的响应缓存功能

5.3 内存不足处理

在16GB内存的Mac上，同时运行OpenClaw和Qwen3-4B-Thinking可能会遇到内存压力。我的解决方案是：

# 限制OpenClaw内存使用
export NODE_OPTIONS=--max_old_space_size=4096

# 为vLLM设置swap空间
sudo sysctl vm.swappiness=60

6. 个人使用建议与边界

这套方案最适合3-5人的小团队使用，在我的设计工作室已经稳定运行半年。但需要注意：

• 非商用声明：不要将生成的纪要直接用于客户交付物
• 数据清理：定期清理~/.openclaw/cache中的临时文件
• 模型微调：如果涉及专业领域，建议用LoRA对Qwen做轻量化微调
• 合规备份：重要会议的原始录音仍需人工归档

未来计划尝试将会议待办事项自动同步到飞书日历，不过目前的自动化程度已经让每周节省至少5小时会议整理时间。最让我惊喜的是，有次临时请假时，团队成员仍然通过AI助手获得了完整的会议记录，这或许就是智能工作台的价值所在。

---

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。