Skip to main content
阿里云百炼 home page阿里云百炼
接入客户端/开发工具

OpenClaw

OpenClaw 是一个开源的个人 AI 助手平台，支持通过多种消息渠道与 AI 交互。通过配置可接入阿里云百炼平台上的 AI 模型，支持按量付费、Coding Plan、Token Plan 个人版、Token Plan 团队版四种接入方式。

安装 OpenClaw

OpenClaw 需要 Node.js 22.19.0 或更高版本。可通过以下命令检查 Node.js 版本： 
node --version
如果未安装或版本过低，请访问 Node.js 官网下载安装。
  • macOS / Linux
  • Windows
推荐使用官方安装脚本：
curl -fsSL https://openclaw.ai/install.sh | bash
或通过 npm 全局安装：
npm install -g openclaw@latest
首次安装后，OpenClaw 会自动启动配置向导，完成初始设置。也可以手动执行openclaw onboard命令进行配置。

配置项

建议配置

I understand this is powerful and inherently risky. Continue?

选择 Yes

Onboarding mode

选择 QuickStart

Model/auth provider

选择 Skip for now（稍后配置百炼模型）

Filter models by provider

选择 All providers

Default model

选择 Keep current

Select channel (QuickStart)

选择 Skip for now（稍后配置渠道）

Configure skills now? (recommended)

选择 No

Enable hooks?

按空格键选中选项，按回车键进入下一步

How do you want to hatch your bot?

选择 Do this later

配置接入凭证

Token Plan 个人版

配置项

说明

API Key

Token Plan 个人版专属 API Key

Base URL

https://token-plan.cn-beijing.maas.aliyuncs.com/apps/anthropic

可用模型

Token Plan 个人版支持的模型

配置文件位于 ~/.openclaw/openclaw.json，OpenClaw 启动时会自动读取。
示例禁用了网关鉴权（auth.mode: none），仅适合单机本地使用。如需共享或远程访问，请运行 openclaw doctor --fix 启用 token 鉴权。
首次配置：复制以下内容到配置文件，将 YOUR_API_KEY 替换为 Token Plan 个人版 API Key。 已有配置：若需保留已有配置，请勿直接全量替换，详见已有配置如何安全修改。 
{
  "meta": {
    "lastTouchedVersion": "2026.2.1",
    "lastTouchedAt": "2026-02-03T08:20:00.000Z"
  },
  "models": {
    "mode": "merge",
    "providers": {
      "bailian-token-plan": {
        "baseUrl": "https://token-plan.cn-beijing.maas.aliyuncs.com/apps/anthropic",
        "apiKey": "YOUR_API_KEY",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "qwen3.8-max",
            "name": "qwen3.8-max",
            "reasoning": true,
            "input": ["text", "image"],
            "contextWindow": 983616,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.8-flash",
            "name": "qwen3.8-flash",
            "reasoning": true,
            "input": ["text", "image"],
            "contextWindow": 983616,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.7-max",
            "name": "qwen3.7-max",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.7-plus",
            "name": "qwen3.7-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.6-flash",
            "name": "qwen3.6-flash",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "glm-5.2",
            "name": "glm-5.2",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "deepseek-v4-pro",
            "name": "deepseek-v4-pro",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v4-pro-0813",
            "name": "deepseek-v4-pro-0813",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v4-flash-0731",
            "name": "deepseek-v4-flash-0731",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 393216,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian-token-plan/qwen3.8-max"
      },
      "models": {
        "bailian-token-plan/qwen3.8-max": {},
        "bailian-token-plan/qwen3.8-flash": {},
        "bailian-token-plan/qwen3.7-max": {},
        "bailian-token-plan/qwen3.7-plus": {},
        "bailian-token-plan/qwen3.6-flash": {},
        "bailian-token-plan/glm-5.2": {},
        "bailian-token-plan/deepseek-v4-pro": {},
        "bailian-token-plan/deepseek-v4-pro-0813": {},
        "bailian-token-plan/deepseek-v4-flash-0731": {}
      }
    }
  },
  "gateway": {
    "mode": "local",
    "auth": { "mode": "none" }
  }
}

Token Plan 团队版

配置项

说明

API Key

Token Plan 团队版专属 API Key

Base URL

https://token-plan.cn-beijing.maas.aliyuncs.com/apps/anthropic

可用模型

Token Plan 团队版支持的模型

配置文件位于 ~/.openclaw/openclaw.json，OpenClaw 启动时会自动读取。
示例禁用了网关鉴权（auth.mode: none），仅适合单机本地使用。如需共享或远程访问，请运行 openclaw doctor --fix 启用 token 鉴权。
  • 方式一：终端方式
  • 方式二：Web UI 方式
  1. 打开配置文件 
nano ~/.openclaw/openclaw.json
  1. 写入配置 首次配置：复制以下内容到配置文件，将 YOUR_API_KEY 替换为 Token Plan 团队版 API Key。 已有配置：若需保留已有配置，请勿直接全量替换，详见已有配置如何安全修改。 
{
  "meta": {
    "lastTouchedVersion": "2026.2.1",
    "lastTouchedAt": "2026-02-03T08:20:00.000Z"
  },
  "models": {
    "mode": "merge",
    "providers": {
      "bailian-token-plan": {
        "baseUrl": "https://token-plan.cn-beijing.maas.aliyuncs.com/apps/anthropic",
        "apiKey": "YOUR_API_KEY",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "qwen3.8-max",
            "name": "qwen3.8-max",
            "reasoning": true,
            "input": ["text", "image"],
            "contextWindow": 983616,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.8-flash",
            "name": "qwen3.8-flash",
            "reasoning": true,
            "input": ["text", "image"],
            "contextWindow": 983616,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.7-max",
            "name": "qwen3.7-max",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.7-plus",
            "name": "qwen3.7-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.6-plus",
            "name": "qwen3.6-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.6-flash",
            "name": "qwen3.6-flash",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "deepseek-v4-pro",
            "name": "deepseek-v4-pro",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v4-pro-0813",
            "name": "deepseek-v4-pro-0813",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v4-flash",
            "name": "deepseek-v4-flash",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v4-flash-0731",
            "name": "deepseek-v4-flash-0731",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 393216,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "deepseek-v3.2",
            "name": "deepseek-v3.2",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "kimi-k2.7-code",
            "name": "kimi-k2.7-code",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 262144,
            "maxTokens": 32768,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "kimi-k2.6",
            "name": "kimi-k2.6",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 262144,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 262144,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "glm-5.2",
            "name": "glm-5.2",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "glm-5.1",
            "name": "glm-5.1",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 202752,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 202752,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 204800,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian-token-plan/qwen3.8-max"
      },
      "models": {
        "bailian-token-plan/qwen3.8-max": {},
        "bailian-token-plan/qwen3.8-flash": {},
        "bailian-token-plan/qwen3.7-max": {},
        "bailian-token-plan/qwen3.7-plus": {},
        "bailian-token-plan/qwen3.6-plus": {},
        "bailian-token-plan/qwen3.6-flash": {},
        "bailian-token-plan/deepseek-v4-pro": {},
        "bailian-token-plan/deepseek-v4-pro-0813": {},
        "bailian-token-plan/deepseek-v4-flash": {},
        "bailian-token-plan/deepseek-v4-flash-0731": {},
        "bailian-token-plan/deepseek-v3.2": {},
        "bailian-token-plan/kimi-k2.7-code": {},
        "bailian-token-plan/kimi-k2.6": {},
        "bailian-token-plan/kimi-k2.5": {},
        "bailian-token-plan/glm-5.2": {},
        "bailian-token-plan/glm-5.1": {},
        "bailian-token-plan/glm-5": {},
        "bailian-token-plan/MiniMax-M2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local",
    "auth": { "mode": "none" }
  }
}
  1. 保存并退出 按 Ctrl+X，按 Y 确认保存，按 Enter 确认文件名。
  2. 使配置生效 运行以下命令重启网关，使配置生效。 
openclaw gateway restart

Coding Plan

配置项

说明

API Key

Coding Plan 专属 API Key，格式为 sk-sp-xxxxx

Base URL

https://coding.dashscope.aliyuncs.com/apps/anthropic

可用模型

Coding Plan 支持的模型

配置文件位于 ~/.openclaw/openclaw.json，OpenClaw 启动时会自动读取。
示例禁用了网关鉴权（auth.mode: none），仅适合单机本地使用。如需共享或远程访问，请运行 openclaw doctor --fix 启用 token 鉴权。
  • 方式一：终端方式
  • 方式二：Web UI 方式
  1. 打开配置文件 
nano ~/.openclaw/openclaw.json
  1. 写入配置 首次配置：复制以下内容到配置文件，将 YOUR_API_KEY 替换为 Coding Plan API Key。 已有配置：若需保留已有配置，请勿直接全量替换，详见已有配置如何安全修改。 
{
  "meta": {
    "lastTouchedVersion": "2026.2.1",
    "lastTouchedAt": "2026-02-03T08:20:00.000Z"
  },
  "models": {
    "mode": "merge",
    "providers": {
      "bailian-coding-plan": {
        "baseUrl": "https://coding.dashscope.aliyuncs.com/apps/anthropic",
        "apiKey": "YOUR_API_KEY",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "qwen3.7-plus",
            "name": "qwen3.7-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.6-plus",
            "name": "qwen3.6-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3-max-2026-01-23",
            "name": "qwen3-max-2026-01-23",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 262144,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "qwen3-coder-next",
            "name": "qwen3-coder-next",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 262144,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "qwen3-coder-plus",
            "name": "qwen3-coder-plus",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 204800,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 202752,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "glm-4.7",
            "name": "glm-4.7",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 202752,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 262144,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian-coding-plan/qwen3.7-plus"
      },
      "models": {
        "bailian-coding-plan/qwen3.7-plus": {},
        "bailian-coding-plan/qwen3.6-plus": {},
        "bailian-coding-plan/qwen3.5-plus": {},
        "bailian-coding-plan/qwen3-max-2026-01-23": {},
        "bailian-coding-plan/qwen3-coder-next": {},
        "bailian-coding-plan/qwen3-coder-plus": {},
        "bailian-coding-plan/MiniMax-M2.5": {},
        "bailian-coding-plan/glm-5": {},
        "bailian-coding-plan/glm-4.7": {},
        "bailian-coding-plan/kimi-k2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local",
    "auth": { "mode": "none" }
  }
}
  1. 保存并退出 按 Ctrl+X，按 Y 确认保存，按 Enter 确认文件名。
  2. 使配置生效 运行以下命令重启网关，使配置生效。 
openclaw gateway restart

按量付费

配置项

说明

API Key

阿里云百炼 API Key，格式为 sk-xxxxx

Base URL

请确保 Base URL、API Key 和模型归属同一地域，并将 WorkspaceId替换为真实的获取Workspace ID

  • 华北2（北京）：https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/apps/anthropic

  • 新加坡：https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/apps/anthropic

可用模型

填入模型广场中支持的模型

以下配置以华北2（北京）地域为例，如使用其他地域请替换 baseUrl 为上表中对应地域的 URL。 配置文件位于 ~/.openclaw/openclaw.json，OpenClaw 启动时会自动读取。
示例禁用了网关鉴权（auth.mode: none），仅适合单机本地使用。如需共享或远程访问，请运行 openclaw doctor --fix 启用 token 鉴权。
  • 方式一：终端方式
  • 方式二：Web UI 方式
  1. 打开配置文件 
nano ~/.openclaw/openclaw.json
  1. 写入配置 首次配置：复制以下内容到配置文件，将 YOUR_API_KEY 替换为百炼 API Key。 已有配置：若需保留已有配置，请勿直接全量替换，详见已有配置如何安全修改。 
{
  "meta": {
    "lastTouchedVersion": "2026.2.1",
    "lastTouchedAt": "2026-02-03T08:20:00.000Z"
  },
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/apps/anthropic",
        "apiKey": "YOUR_API_KEY",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "qwen3.6-plus",
            "name": "qwen3.6-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 204800,
            "maxTokens": 131072,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 202752,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          },
          {
            "id": "deepseek-v3.2",
            "name": "deepseek-v3.2",
            "reasoning": false,
            "input": ["text"],
            "contextWindow": 163840,
            "maxTokens": 16384,
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "compat": { "thinkingFormat": "openai" }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.6-plus"
      },
      "models": {
        "bailian/qwen3.6-plus": {},
        "bailian/MiniMax-M2.5": {},
        "bailian/glm-5": {},
        "bailian/deepseek-v3.2": {}
      }
    }
  },
  "gateway": {
    "mode": "local",
    "auth": { "mode": "none" }
  }
}
  1. 保存并退出 按 Ctrl+X，按 Y 确认保存，按 Enter 确认文件名。
  2. 使配置生效 运行以下命令重启网关，使配置生效。 
openclaw gateway restart

接入消息渠道

钉钉

步骤一：创建钉钉应用并获取凭证

  1. 选择或创建组织
    1. 登录钉钉开放平台，选择您有开发者权限的组织，或者选择某个组织后，获取开发者权限。
    2. 如果没有开发者权限，请直接创建一个组织。使用移动端钉钉扫描下方二维码，可快速完成创建。
  2. 创建钉钉机器人应用
    1. 登录钉钉开放平台，在顶部菜单栏，选择应用。
    2. 在页面右侧，单击创建应用，填写应用名称（例如"AI 助手"）和描述，然后单击保存，系统自动进入应用详情页。
    3. 在应用详情的添加应用能力页面，选择添加机器人。
    4. 配置机器人：
      • 开启机器人配置开关。
      • 填写机器人名称等必填项。
      • 消息接收模式 采用默认的 Stream 模式。
      • 单击发布。
  3. 获取应用凭证 在左侧导航栏，单击凭证与基础信息，获取Client ID和Client Secret。后续部署时使用。
  4. 发布应用
    1. 在应用详情的左侧导航栏，单击版本管理与发布。
    2. 在页面右侧，单击创建新版本，填写版本号（例如 1.0.0）。
    3. 设置可见范围，例如仅我可见。
    4. 单击保存，然后确认发布。

步骤二：安装钉钉渠道插件

如果使用轻量应用服务器部署方案或无影云电脑部署方案部署 OpenClaw，通常已经内置插件，无需手动安装。
  1. 在终端执行以下命令安装钉钉渠道插件
openclaw plugins install @soimy/dingtalk
  1. 安装完成后，执行以下命令确认插件已加载：
openclaw plugins list
输出中应该包含dingtalk插件且状态为 loaded。

步骤三：配置钉钉渠道

如果使用轻量应用服务器部署方案或无影云电脑部署方案部署 OpenClaw，通常可以通过图形化界面进行配置，无需手动修改配置文件。
在 ~/.openclaw/openclaw.json 中添加 channels 和 plugins.allow 配置。将 YOUR_DINGTALK_APPKEY 和 YOUR_DINGTALK_APPSECRET 替换为步骤一中获取的凭证。请将 channels 和 plugins 添加到已有配置文件的对应位置，不要覆盖已有的 models、agents 等配置。
如果使用轻量应用服务器或无影云电脑部署 OpenClaw，通常可以通过图形化界面进行配置，无需手动修改配置文件，具体请参见对应产品的文档。
{
  "channels": {
    "dingtalk": {
      "enabled": true,
      "clientId": "YOUR_DINGTALK_APPKEY",
      "clientSecret": "YOUR_DINGTALK_APPSECRET",
      "robotCode": "YOUR_DINGTALK_APPKEY",
      "dmPolicy": "open",
      "groupPolicy": "open",
      "messageType": "markdown"
    }
  },
  "plugins": {
    "allow": ["dingtalk"],
    "entries": {
      "dingtalk": {
        "enabled": true
      }
    }
  }
}
以上配置中 dmPolicy 和 groupPolicy 均设为 open，适用于测试或个人使用场景。生产环境中建议设为 allowlist，通过白名单限制可访问的用户和群组，降低安全风险。 切换到 allowlist 模式时，将 dmPolicy 和 groupPolicy 改为 "allowlist"，并添加 allowFrom 字段，填入允许访问的工号和群 ID。示例： 
"dmPolicy": "allowlist",
"groupPolicy": "allowlist",
"allowFrom": ["你的工号", "群ID"]

步骤四：测试

  1. 执行以下命令重启网关。
openclaw gateway restart
  1. 执行以下命令检查钉钉渠道状态
openclaw status
在 Channels 部分，DingTalk 应显示为 ON 且状态为 OK - configured。 3. 在钉钉群聊中找到机器人，发送消息进行测试。

飞书

步骤一：创建飞书应用

  1. 访问飞书开放平台，单击创建企业自建应用，填写应用名称和描述，选择应用图标，单击创建。
  2. 左侧导航栏单击凭证与基础信息 页面，复制App ID（格式如 cli_xxx）和App Secret。
  3. 左侧导航栏单击 权限管理页面，单击批量导入/导出权限 按钮，粘贴以下 JSON 配置，单击下一步，确认新增权限，单击申请开通。
   {
     "scopes": {
       "tenant": [
         "aily:file:read",
         "aily:file:write",
         "application:application.app_message_stats.overview:readonly",
         "application:application:self_manage",
         "application:bot.menu:write",
         "cardkit:card:write",
         "contact:user.employee_id:readonly",
         "corehr:file:download",
         "docs:document.content:read",
         "event:ip_list",
         "im:chat",
         "im:chat.access_event.bot_p2p_chat:read",
         "im:chat.members:bot_access",
         "im:message",
         "im:message.group_at_msg:readonly",
         "im:message.group_msg",
         "im:message.p2p_msg:readonly",
         "im:message:readonly",
         "im:message:send_as_bot",
         "im:resource",
         "sheets:spreadsheet",
         "wiki:wiki:readonly"
       ],
       "user": ["aily:file:read", "aily:file:write", "im:chat.access_event.bot_p2p_chat:read"]
     }
   }
  1. 左侧导航栏中单击添加应用能力， 选择按能力添加页签，找到机器人卡片，单击配置。
  2. 配置事件订阅。
    1. 在飞书开放平台左侧导航栏单击事件与回调，在事件配置页签中单击订阅方式，选择使用 长连接 接收事件，单击保存。
    2. 在事件配置页面，单击添加事件，搜索事件im.message.receive_v1（接收消息），单击确认添加。
  3. 在 版本管理与发布 页面创建版本，填写应用版本号和更新说明，单击保存，提交审核并发布。

步骤二：配置飞书机器人

  1. 在终端中输入以下命令配置飞书渠道
openclaw channels add
根据界面交互提示，完成以下配置。
  • 选择 Feishu
  • 输入 App ID
  • 输入 App Secret
配置完成后，重启网关。 2. 创建群聊或在已有群聊中添加机器人，在飞书群中@机器人进行对话，或通过搜索的方式与机器人私聊进行测试。 3. 在群聊中添加机器人：设置群机器人添加机器人。 4. 单击机器人头像，单击发送消息，可向机器人私发一条消息，机器人会回复一条包含配对码的消息。 5. 复制消息的最后一行，在 OpenClaw 对话中发送，OpenClaw 会自动完成飞书机器人配对。

步骤三：测试

  1. 执行以下命令重启网关。
openclaw gateway restart
  1. 执行以下命令检查飞书渠道状态
openclaw status
在 Channels 部分，Feishu 应显示为 ON 且状态为 OK。 3. 在飞书中发送消息进行测试。

微信

请确保微信版本不低于 8.0.70。

步骤一：安装微信渠道插件

  1. 在终端中执行以下命令安装微信渠道插件。
npx -y @tencent-weixin/openclaw-weixin-cli@latest install
  1. 安装完成后，终端会显示一个二维码，使用微信扫描该二维码完成身份绑定。绑定成功后，微信会自动弹出 ClawBot 的聊天页面。
  2. 安装完成后，执行以下命令确认插件已加载：
openclaw plugins list
输出中应包含 openclaw-weixin 插件且状态为 loaded。

步骤二：测试

  1. 执行以下命令重启网关。
openclaw gateway restart
  1. 在微信中找到 ClawBot，发送消息进行测试。

QQ

步骤一：安装 QQ 渠道插件

  1. 在终端中执行以下命令安装 QQ 渠道插件：
openclaw plugins install @sliverp/qqbot
  1. 安装完成后，执行以下命令确认插件已加载：
openclaw plugins list
输出中应该包含qqbot插件且状态为loaded 。

步骤二：创建 QQ 机器人

  1. 访问QQ 开放平台，注册并登录开发者账号。
  2. 在OpenClaw 专属页面创建机器人，并获取 AppID 和 AppSecret。
    AppSecret 不支持明文保存，二次查看将会强制重置，请自行妥善保存。
  3. 创建完毕后，QQ 会自动弹出机器人聊天页面。

步骤三：接入 QQ 消息渠道

  1. 在 ~/.openclaw/openclaw.json 中添加 channels 和 plugins.allow 配置。将 YOUR_APP_ID 和 YOUR_APP_SECRET 替换为步骤二中获取的凭证。请将 channels 和 plugins 添加到已有配置文件的对应位置，不要覆盖已有的 models、agents 等配置。
{
  "channels": {
    "qqbot": {
      "enabled": true,
      "appId": "YOUR_APP_ID",
      "clientSecret": "YOUR_APP_SECRET",
      "dmPolicy": "open",
      "allowFrom": ["*"]
    }
  },
  "plugins": {
    "allow": ["qqbot"],
    "entries": {
      "qqbot": {
        "enabled": true,
        "config": {}
      }
    }
  }
}
以上配置中dmPolicy设为open表示允许私聊，allowFrom设为["*"]表示允许所有用户消息，适用于测试或个人使用场景，生产环境中建议根据实际需求限制访问范围。 2. 配置完成后重启网关。 
openclaw gateway restart
  1. 在 QQ 中向机器人发送消息进行测试。

邮箱

通过邮箱渠道，您可以使用 163 邮箱等支持 IMAP/SMTP 协议的邮箱与 OpenClaw 进行交互。

步骤一：安装邮箱渠道插件

  1. 在终端中执行以下命令安装邮箱渠道插件：
openclaw plugins install @openclaw/email
  1. 安装完成后，执行以下命令确认插件已加载：
openclaw plugins list
输出中应包含 email 插件且状态为 loaded。

步骤二：配置邮箱渠道

在 ~/.openclaw/openclaw.json 中添加 channels 和 plugins.allow 配置。请将 channels 和 plugins 添加到已有配置文件的对应位置，不要覆盖已有的 models、agents 等配置。 以 163 邮箱为例，将 YOUR_EMAIL 替换为您的 163 邮箱地址，将 YOUR_AUTH_CODE 替换为 163 邮箱的授权码（非登录密码，需在 163 邮箱设置中开启 IMAP 服务后获取）。 
{
  "channels": {
    "email": {
      "enabled": true,
      "imap": {
        "host": "imap.163.com",
        "port": 993,
        "secure": true,
        "user": "YOUR_EMAIL",
        "password": "YOUR_AUTH_CODE"
      },
      "smtp": {
        "host": "smtp.163.com",
        "port": 465,
        "secure": true,
        "user": "YOUR_EMAIL",
        "password": "YOUR_AUTH_CODE"
      }
    }
  },
  "plugins": {
    "allow": ["email"],
    "entries": {
      "email": {
        "enabled": true
      }
    }
  }
}

步骤三：测试

  1. 执行以下命令重启网关。
openclaw gateway restart
  1. 执行以下命令检查邮箱渠道状态。
openclaw status
在 Channels 部分，Email 应显示为 ON 且状态为 OK。 3. 向配置的邮箱地址发送一封邮件，验证机器人是否自动回复。

常见命令

命令

说明

示例

/help

显示可用命令的快速摘要。

/help

/status

查看当前模型、会话、网关等状态信息。

/status

/model <模型名称>

切换当前会话使用的模型。

/model qwen3.7-max

/new

开始一个新会话。

/new

/compact

压缩对话历史，释放上下文窗口空间。

/compact

/think <级别>

设置思考（推理）深度级别，可选 off、low、medium、high 等。

/think high

/skills

展示全部可用的 Skill。

/skills

使用案例

案例一：定时推送 AI 新闻

通过 OpenClaw 的 Cron 定时任务功能，可以让 AI 每天定时抓取指定网站的新闻并通过钉钉推送给您，无需额外安装任何 Skill 或插件。
  1. 完成钉钉接入。
  2. 在终端执行以下命令：
openclaw cron add \
  --name "ai-daily-news" \
  --cron "0 9 * * *" \
  --tz "Asia/Shanghai" \
  --message "请访问 https://www.aibase.com/zh/daily 获取今天的AI日报，总结前10条最重要的AI新闻，用简洁的中文列表形式输出，每条包含标题和一句话摘要" \
  --channel dingtalk \
  --announce \
  --timeout-seconds 120
参数说明如下：| 参数 | 说明 | | --- | --- | | --name | 任务名称 | | --cron | Cron 表达式，"0 9 * * *" 表示每天 9:00 执行 | | --tz | 时区，设为 "Asia/Shanghai" 即北京时间 | | --message | 发送给 Agent 的提示词，告诉 AI 要抓取什么内容、如何总结 | | --channel | 推送通道，设为 dingtalk | | --announce | 将结果推送到钉钉对话中 | | --timeout-seconds | 任务超时时间（秒），网页抓取建议设为 120 |创建成功后将返回 JSON 格式的任务信息，包含任务 ID 和下次执行时间。 3. 创建任务后，可以立即手动触发一次以验证效果。
  1. 查看任务列表，获取任务 ID。
openclaw cron list
  1. 手动触发执行。
openclaw cron run <任务ID> --timeout 120000
  1. 查看执行结果。
openclaw cron runs --id <任务ID>
当输出中 "status": "ok" 且 "delivered": true 时，表示新闻已成功推送到钉钉。

案例二：更多定时推送模板

示例：每周一早上九点推送agent+evaluation相关的最新论文。
openclaw cron add \
  --name "paper-digest" \
  --cron "0 9 * * 1" \
  --tz "Asia/Shanghai" \
  --message '请使用 curl 命令执行以下请求获取论文数据：
curl -s "http://export.arxiv.org/api/query?search_query=all:%22agent+evaluation%22&start=0&max_results=5&sortBy=submittedDate&sortOrder=descending"
解析返回的 XML 数据，列出前5篇论文，每篇包含：
1. 标题
2. 发布日期
3. 摘要总结（用中文，2-3句话概括核心贡献）
4. arXiv链接
5. 如果XML中包含GitHub代码链接也列出
按发布时间从新到旧排列。' \
  --channel dingtalk \
  --announce \
  --timeout-seconds 120
示例：每周一早上九点推送 HuggingFace 上最近热门的大语言模型。
openclaw cron add \
  --name "hf-trending-models" \
  --cron "0 9 * * 1" \
  --tz "Asia/Shanghai" \
  --message '请使用 curl 命令执行以下请求获取 HuggingFace 上最近热门的大语言模型：
curl -s "https://hf-mirror.com/api/models?sort=trendingScore&direction=-1&limit=10&pipeline_tag=text-generation"
解析返回的 JSON 数据，列出前10个模型，每个包含：
1. 模型名称
2. 发布日期
3. 下载量和点赞数
4. 模型页面链接（格式为 https://huggingface.co/<模型id>）
重点标注最近一个月内新发布的模型，并用中文简要说明每个模型的特点（如参数量、所属机构等）。' \
  --channel dingtalk \
  --announce \
  --timeout-seconds 120
示例：每周一早上九点推送 Github 上新创建的热门项目。
openclaw cron add \
    --name "github-trending" \
    --cron "0 9 * * 1" \
    --tz "Asia/Shanghai" \
    --message '请获取过去一周内 GitHub 上新创建的热门项目（按 Star
  数排序前10），每个项目列出名称、Star
  数、简介（中文翻译）、编程语言和链接，重点标注 Star 数超过 1000
  的项目。请先用 date 命令计算7天前的日期，然后通过 GitHub Search API 的
  created 参数筛选。' \
    --channel dingtalk \
    --announce \
    --timeout-seconds 120

案例三：小红书自动运营

通过 OpenClaw 可自动化运营小红书账号，提供内容创作、自动发布、评论回复等全链路运营能力。
  1. 安装小红书 Skill 在 OpenClaw 对话中输入以下指令，自动完成安装。 
帮我安装这个skill，`https://github.com/Xiangyu-CAS/xiaohongshu-ops-skill`
  1. 安装完成后，返回终端并重启网关使 Skill 生效。
openclaw gateway restart
  1. 验证 Skill 是否安装成功。
openclaw skills list
  1. 首次使用需登录小红书，后续无需重复验证。在 OpenClaw 对话中输入登录小红书，按照提示完成扫码登录即可。
输入帮我分析一下小红书首页推荐流，OpenClaw 会分析首页推荐内容，提炼可复用的选题方向和标题模式。
输入帮我发布一篇关于AI工具使用技巧的小红书笔记，OpenClaw 会自动生成封面、填写标题和正文，并完成发布。
输入帮我检查小红书最新评论并回复，OpenClaw 会自动检查通知中的新评论，根据账号人设逐条回复。

案例四：股市监控与分析

让 OpenClaw 分析股票走势，并提供技术面分析和投资建议。
AI 生成内容仅供参考，不构成实际的投资建议或决策依据。
  1. 安装 ClawHub CLI 
npm install -g clawhub
  1. 安装 Skill 在 OpenClaw 对话中输入以下指令，OpenClaw 会自动完成安装： 
帮我安装 china-stock-analysis 这个 skill
  1. 安装完成后，返回终端并重启网关使 Skill 生效。
openclaw gateway restart
验证 Skill 是否安装成功。
openclaw skills list
  1. 在 OpenClaw 对话中输入股市相关问题，例如分析贵州茅台的股价。

了解更多

Skill

Skill 是可扩展的能力模块，Agent 会根据请求自动匹配并加载对应的 Skill。OpenClaw 支持查看和启用内置 Skill，从 ClawHub安装社区 Skill，或创建自定义 Skill。

查看已有 Skill

  1. 执行以下命令查看已安装的 Skill 及其状态。
# 列出已安装的 Skill
openclaw skills list

# 查看 Skill 状态（已启用、已禁用、缺少依赖等）
openclaw skills check

# 查看特定 Skill 的详细信息
openclaw skills info <skill-name>
  1. 内置 Skill 默认未启用，需在 ~/.openclaw/openclaw.json 中通过 skills.allowBundled 白名单启用，只有列在其中的内置 Skill 才会被加载。
{
  "skills": {
    "allowBundled": [
      "github",
      "weather",
      "summarize",
      "coding-agent",
      "clawhub",
      "nano-pdf",
      "google-web-search",
      "image-lab"
    ]
  }
}
部分内置 Skill需要配置对应的第三方 API Key 才能使用，请在 ~/.openclaw/openclaw.json 的 skills.entries 中配置，具体请参考 Skills 配置文档。

查找更多 Skill

可以通过以下两种方式查找并安装更多 Skill。
  1. 通过 ClawHub 搜索安装 ClawHub 提供 3,000+ 个社区 Skill，可以在网站上浏览，也可以通过命令行搜索。 
# 按关键词搜索
npx clawhub search [关键词]

# 浏览最近更新的 Skill
npx clawhub explore
找到合适的 Skill 后，执行以下命令安装，安装完成后重启网关即可使用。 
npx clawhub install <skill-name>
  1. 直接在 OpenClaw 中提问 在对话中直接描述需求，例如帮我找一个可以查天气的 Skill，OpenClaw 会自动搜索并安装。

创建自定义 Skill

  1. 创建 Skill 目录。
mkdir -p ~/.openclaw/workspace/skills/my-custom-skill
  1. 在该目录下创建 SKILL.md 文件。文件由 YAML 前置元数据和 Markdown 指令两部分组成，其中 name 和 description 为必填字段。Agent 根据 description 判断是否加载该 Skill，请确保描述准确。
---
name: my-custom-skill
description: 简短描述
---

# My Custom Skill

当用户请求 XXX 时，执行以下操作：

1. 使用 bash 工具运行 xxx 命令
2. 解析输出结果
3. 以表格形式返回给用户
  1. 重启网关使 Skill 生效。
# 重启网关
openclaw gateway restart

# 查看 Skill 是否生效
openclaw skills list
更多 Skill 配置说明请参考OpenClaw 官方文档。

接入 MCP 服务

OpenClaw 支持通过 MCP（Model Context Protocol）插件扩展 Agent 的工具调用能力，例如联网搜索、网页抓取等。具体案例可以参考添加联网搜索MCP。

常见问题

在终端输入openclaw tui，进入 OpenClaw 终端命令行，接着输入/model查看模型列表。按回车键选中模型，按Esc键退出模型列表。
可能原因：
  1. API Key 无效、过期、为空、格式错误，或与端点环境不匹配。请检查 API Key 是否与所使用的付费方式匹配，并确保复制完整且无空格；确认订阅状态有效。
  2. OpenClaw 的历史配置缓存导致配置错误，请删除~/.openclaw/agents/main/agent/models.json文件中的providers配置项，并重启 OpenClaw。
  3. invalid_iam_token 表示 API Key 经 IAM 鉴权校验失败。常见场景：API Key 已被吊销或禁用、API Key 归属的地域与 Base URL 所指地域不一致（例如 API Key 在华北2（北京），但 Base URL 指向新加坡）、使用 STS 临时凭证且已过期。请核对 API Key 与 Base URL 归属同一地域，并确认 API Key 状态正常。
  • 请勿直接全量覆盖。直接"全部替换"会覆盖掉自定义配置，请进行局部修改。
  • 可以选择以下方式完成配置：
    • 若 OpenClaw 可正常对话：直接在 OpenClaw 对话中输入指令完成配置合并。
    • 若 OpenClaw 未配置模型或无法对话：请手动编辑 ~/.openclaw/openclaw.json，只修改需要变更的字段，保留原有配置不变。
重启网关后，已有会话可能无法正常对话，请重启会话。
详细报错信息：
http://127.0.0.1:18791/15:05:56 [ws] closed before connect conn=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx remote=127.0.0.1 fwd=n/a origin=n/a host=127.0.0.1:18789 ua=n/a code=1008 reason=device identity required
原因：客户端连接网关时未提供设备身份信息，通常由以下原因导致：
  • 首次打开浏览器访问地址，尚未完成设备配对。
  • 浏览器缓存被清除，设备密钥丢失。
  • 重装或升级 OpenClaw 后，~/.openclaw/identity/ 目录下的密钥文件缺失。
解决方法：在终端执行以下命令，允许当前设备连接并重新生成浏览器访问地址：
openclaw devices approve --latest
openclaw dashboard --no-open
如果仍未解决，先清除异常的设备记录再重试：
openclaw devices clear --pending --yes
openclaw dashboard --no-open
执行 openclaw devices list，确认设备显示在 Paired 列表中即为正常。
原因：OpenClaw 内置心跳机制（Heartbeat），网关运行期间会按固定间隔（默认 30 分钟）自动调用已配置的模型，检查是否有待处理任务。每次心跳都会消耗少量 Token。如何确认：查看 ~/.openclaw/agents/main/sessions/ 目录下的会话记录文件（.jsonl），其中包含 [OpenClaw heartbeat poll] 标记的心跳调用记录。解决方法：
  • 停止网关：不使用时执行 openclaw gateway stop，心跳随即停止。
  • 增大心跳间隔：在 ~/.openclaw/openclaw.json 中设置 agents.defaults.heartbeat.every，例如 "2h" 表示每 2 小时一次。
阿里云百炼 home page阿里云百炼
开始使用
产品计费
Token Plan
模型体验
  • 3D模型生成
  • 音乐生成
接入客户端/开发工具
模型推理
模型调优
模型部署
模型评测
模型压缩目录节点
用量统计与性能监控
资产中心
模型数据
安全合规
实践教程
服务支持
产品动态