openclaw的一些聊天配置

使用docker 安装好docker之后可以配置channels(聊天渠道)

openclaw 接入qq,

1.在qq开放平台,注册机器人 https://q.qq.com/qqbot

会有下图，按照步骤操作

发送消息，（前先问机器人，自己的id是多少，然后试着后台命令给自己发消息）（文件必须在，qq的媒体目录下，否则无法发送文件）

2.在安装好的openclaw中通过openclaw configure配置机器人

QQBot 的媒体目录是 /home/node/.openclaw/media/qqbot/，不是 /home/node/.openclaw/media/！

服务器执行命令：

openclaw message send \
  --channel qqbot \
  --target qqbot:c2c:86EB2AD70EE25F98F8A0DE96E6A821AF \
  --message "看看这pdf" \
  --media /home/node/.openclaw/media/qqbot/R20260413002.pdf

可以用 openclaw message send 命令发送文件：
openclaw message send \
  --channel qqbot \
  --target qqbot:c2c:86EB2AD70EE25F98F8A0DE96E6A821AF \
  --media /home/node/.openclaw/media/qqbot/R20260413002.pdf
或者用简短格式：
openclaw message send -t qqbot:c2c:86EB2AD70EE25F98F8A0DE96E6A821AF -m "" --media /home/node/.openclaw/media/qqbot/R20260413002.pdf
参数说明：
•  --channel qqbot - 指定 QQBot 渠道
•  --target - 目标用户（格式：qqbot:c2c:你的 QQ openid）
•  --media - 媒体文件路径（必须在 /home/node/.openclaw/media/qqbot/ 目录下）
•  -m "" - 消息文本可以留空
测试命令（先预览不发送）：
openclaw message send \
  --channel qqbot \
  --target qqbot:c2c:86EB2AD70EE25F98F8A0DE96E6A821AF \
  --media /home/node/.openclaw/media/qqbot/R20260413002.pdf \
  --dry-run
你想试试吗？

-----------

## 方法二：命令行测试

如果你想在服务器上测试 API 调用，可以用 curl：

```bash
# 1. 先获取 access_token
TOKEN=$(curl -s -X POST "https://bots.qq.com/app/getAppAccessToken" \
  -H "Content-Type: application/json" \
  -d '{"appId":"1903828774","clientSecret":"9PgxEVm3KcuCUm4MexGZsBUn7Rl5Pj3O"}' \
  | grep -o '"accessToken":"[^"]*"' | cut -d'"' -f4)

# 2. 上传文件（需要先转 base64）
FILE_BASE64=$(base64 -w 0 /home/node/.openclaw/media/qqbot/R20260413002.pdf)

# 3. 调用上传接口
curl -X POST "https://api.sgroup.qq.com/v2/users/86EB2AD70EE25F98F8A0DE96E6A821AF/files" \
  -H "Authorization: QQBot $TOKEN" \
  -H "Content-Type: application/json" \
  -d "{
    \"file_type\": \"PDF\",
    \"file_data\": \"$FILE_BASE64\",
    \"file_name\": \"R20260413002.pdf\",
    \"srv_send_msg\": true
  }"
不过推荐直接用聊天方式，简单很多！你想试哪个？

微信机器人接入：

腾讯云，后台配置阿里云免费额度的大模型，选择自定义模型

{
"provider": "dashscope",
"base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
"api": "openai-completions",
"api_key": "sk-1a79",
"model": {
    "id": "qwen-max-2025-01-25",
    "name": "千问-max-2025-01-25"
    }
}

-----多agent

删除agent

openclaw agents delete ai-invoice

创建agent

openclaw agents add ai-invoice --non-interactive

一些名词

1.prompt Engineering

2.Fine tuning 微调

3.GAG 检索增强生成

5.Function call 模型调用工具

6.MCP 模型上下文协议（按照协议开发Function callo）

7.Agent 思考、行动、观察的循环

8.一些智能体框架产生了（openclaw、hermes Agent）

9.Harness Engineering 驾驭/治理工程-比喻大模型是一个野马，你需要驾驭它或治理他（也就是一些智能体）

　　在多轮对话中把事情做好。

10. 提示词工程

prompt --context--harness

微调：

LoRA （微调算法，低成本，低秩矩阵）、 RLHF （强化学习）、STF（有监督微调）、GAG 检索增强生成

蒸馏：把一个超大模型转为一个较少参数同时损失较少的小模型。（可理解为压缩吧）

微调框架：transformers.trainer、DeepSpeed、llama-factory (零代码web微调) conda环境

langchain:语言链

context Engineering：上下文爆炸

transformer

RNN、CNN

WLS : windows subsystem for linux

openclaw 和 hermes Agent 两个智能体框架

名词：https://www.bilibili.com/video/BV1zSDMBUE5o

文档：https://oigi8odzc5w.feishu.cn/wiki/WBMfwiNkfi6uNFkRtXdcavDzn0e?from=from_copylink

卷积核：滑动小矩阵，专门用来提取图片局部特征，是 CNN 图像处理的核心工具。

Transformer：依靠注意力机制、全局建模关系的通用 AI 基础结构，大模型、AI 画图都靠它。

先分清：两种「看图方式」

① 卷积核（CNN 老方法）

只看局部一小片
3×3 小窗口滑动，只认：边缘、纹理、色块、局部形状
优点：看图细节、画质、线条超强
缺点：看不到整张图的关系

比如：画一个人，卷积只能看懂眼睛、嘴巴，不懂「人体结构、姿势逻辑」

② Transformer（注意力新方法）

能看整张图所有位置
每一个像素，都能和远处的像素建立联系
优点：懂全局逻辑、构图、光影、语义、画风、人体结构
缺点：纯 Transformer 处理高清细节，不如卷积细腻

所以：Transformer 替代卷积核了吗？

1. 能力上：完全替代

ViT（视觉 Transformer）证明：
不用任何卷积核，纯靠 Transformer，也能识别图片、画图、分类图片
= Transformer 包含了卷积核的所有图像能力，还更强

2. 实际 AI 画图：混搭最优

现在所有主流 AI 绘图模型都是：

卷积负责：细节、画质、纹理、清晰度
Transformer 负责：构图、逻辑、语义、画风、整体结构、理解文字提示词

3. 用一句最简单的话听懂

卷积核 = 只会盯一小块，擅长画细节
Transformer = 会看全图、懂逻辑、懂你文字想要什么画面
Transformer 向下兼容，能做卷积所有事；但画图为了画质，还是会保留卷积

posted @ 2026-04-14 09:31 与f 阅读(174) 评论(0) 收藏举报

刷新页面返回顶部

与f