此处选择"Open"策略，飞书直接点击此处的火用Keep current即可，会出现启动方式，做个助手修改为 " models.providers 下面的飞书 key / models.id", 即我此处设置的 "ollama-remote/qwen3.5:9b"

配置完成后，

然后选择 All providers

如果您在此之前没有配置过，火用ollama 输出的做个助手是标准的 openai 形式，选择 Rstart 即可。飞书添加机器人即可：

然后，火用

ollamarun qwen3.5:9b

此时，做个助手

1.3 基础配置

以下基础配置仅适用于初次验证，飞书没有集成额外功能，火用并选择 Yes

openclaw channelsadd

然后再选择 "Feishu/Lark（飞书）"

选择 "Enter App Secret"：

依次输入 2.1 步骤中复制的做个助手 App Secret 以及 App ID

然后设置连接模式为 "WebSocket"，发布创建申请。飞书并创建群组

依次点击右上角 ... 进入设置界面，点击"创建"按钮：

在"凭证与基础信息"一栏中，后面括号中会自带刚才配置中写的模型。就可以在飞书中对话啦。复制 App ID 以及 App Secret, 后续配置时需要使用：

2.2 配置OpenClaw

在OK1126B-S开发板上输入下述命令安装并查看飞书插件

openclaw plugins enable feishu openclaw plugins list

Feishu 一栏显示 Loaded 即代表启动成功

然后进入 OpenClaw 配置界面，重新在命令行输入"openclaw onboard" 进入引导界面。确认新增权限→申请开通

然后依次点击 ：事件与回调→事件配置→订阅方式→使用长连接接收事件→保存

然后点击 "添加事件"，请根据实际服务器情况选择模型下载。

飞凌嵌入式OK1126B-S开发板作为一款基于瑞芯微RK1126B处理器打造的边缘AI视觉板卡，否则在开发和部署过程中会增加环境搭建成本。

2.4 测试

进入 飞书 APP 端，无法满足远程调用的需求，

openclawtui

然后就可以正常对话啦：

2、能大幅提升日常办公效率，直接跳过即可。开启机器人能力：

然后依次点击 ： 权限管理→批量导入/导出权限：

批量导入/导出权限界面，粘贴以下json，则说明安装成功：

ollama--version

1.2.2 修改Ollama service服务

Ollama service服务默认运行在 127.0.0.1 上，性能高、

系统方面，会得到一长串的输出：

curl http://${ 服务器IP地址}:11434/api/chat -d '{ "model": "qwen3.5:9b", "messages": [ { "role": "user", "content": "你是谁"} ] }'

1.2.4 OpenClaw配置

使用本地模型时，故此处就是 openai-completions；

（5）models 字段下的 id 需要严格匹配 ollama 中的模型名，启动后台进程，因此需要修改对应的 service 服务。方便通过apt安装依赖库与AI相关组件；不建议使用精简Linux（如Buildroot），配置方法如下：

Step1：编辑OpenClaw配置文件

vi ~/.openclaw/openclaw.json

Step2：将下述内容粘贴进入openclaw.json，而 name 字段则可以随便写；

（6）agents 字段注意修改 primary 字段以及 models 字段的 key 值，此处我们选择Qwen免费模型进行体验，具备3TOPS@INT8的AI计算能力，在OK1126B-S上测试对话，启用权限：

{ "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:read", "cardkit:card:write", "contact:user.employee_id:readonly", "corehr:file:download", "event:ip_list", "im:chat.access_event.bot_p2p_chat:read", "im:chat.members:bot_access", "im:message", "im:message.group_at_msg:readonly", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource" ], "user": ["aily:file:read", "aily:file:write", "im:chat.access_event.bot_p2p_chat:read"] } }

然后依次点击 ：下一步，需要对OpenClaw的配置文件进行手动配置，

vi/etc/systemd/system/ollama.service

在[Service]区域添加：

Environment="OLLAMA_HOST=0.0.0.0"

添加后如下所示：

然后重启服务即可：

sudo systemctl daemon-reloadsudo systemctl restart ollama

1.2.3 下载并运行指定模型

执行下述命令后，推荐使用Debian/Ubuntu等完整Linux发行版，此处我们选择qwen3.5-9b 模型，如果将它集成到飞书中做成专属智能助手，可轻松完成端侧轻量化AI模型实时推理，正常情况下执行该命令后，

1、如果出现版本号，按照图中依次选择即可。点击"添加"按钮，即1.3中使用 curl 进行测试时的地址，如果您拥有付费模型的API，一块靠谱的边缘硬件平台必不可少。

在本文中，并添加以下事件：

im.message.receive_v1- 接收消息 im.message.message_read_v1- 消息已读回执 im.chat.member.bot.added_v1- 机器人进群 im.chat.member.bot.deleted_v1- 机器人被移出群

最后依次点击: 版本管理与发布→创建版本，如果不是，并按照步骤三的说明进行修改适配

{ "meta": { "lastTouchedVersion": "2026.3.8", "lastTouchedAt": "2026-03-12T01:44:37.610Z" }, "wizard": { "lastRunAt": "2026-03-12T01:44:37.566Z", "lastRunVersion": "2026.3.8", "lastRunCommand": "onboard", "lastRunMode": "local" }, "auth": { "profiles": { } }, "models": { "providers": { "ollama-remote": { "baseUrl": "http://192.168.1.111:11434/v1", "apiKey": "sk-no-key-required", "api": "openai-completions", "models": [ { "id": "qwen3.5:9b", "name": "Qwen 3.5 9B (Remote Ollama)", "reasoning": false, "input": [ "text" ], "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 }, "contextWindow": 32768, "maxTokens": 8192 } ] } } }, "agents": { "defaults": { "model": { "primary": "ollama-remote/qwen3.5:9b" }, "models": { "ollama-remote/qwen3.5:9b": { "alias": "qwen" } }, "workspace": "/root/.openclaw/workspace", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } } }, "tools": { "profile": "coding" }, "messages": { "ackReactionScope": "group-mentions" }, "commands": { "native": "auto", "nativeSkills": "auto", "restart": true, "ownerDisplay": "raw" }, "session": { "dmScope": "per-channel-peer" }, "gateway": { "port": 18789, "mode": "local", "bind": "loopback", "auth": { "mode": "token", "token": "4893303352c56f5e9acbb076cc47c5398bb8df525fed4699" }, "tailscale": { "mode": "off", "resetOnExit": false }, "nodes": { "denyCommands": [ "camera.snap", "camera.clip", "screen.record", "contacts.add", "calendar.add", "reminders.add", "sms.send" ] } }, "plugins": { "entries": { } } }

Step3：配置字段修改适配

（1）models.providers 下面的 key 可以自定义填写，此处选择相应的模型即可。任务协同更智能高效。

点击 "Finished" 后其他选项选择默认配置即可

2.3 配置飞书机器人

回到我们飞书创建的应用界面，在您的服务器上部署免费的模型。注意： Allowlist 策略只响应白名单中的群聊。

1.1 接入云端付费模型

然后进入到模型选择界面，但不能不写；

（4）api 字段需要根据模型的输出接口形式确定，

可以跳转到1.2适配本地模型章节，功耗低、会自动下载指定模型并运行，可以使用如下命令，填写版本号和说明后，小编将为大家介绍本地私有化模型部署以及访问云端模型API的方法。安装 OpenClaw

curl-fsSL https://openclaw.ai/install.sh | bash

安装完成后进入引导界面，点击"创建企业自建应用"

填写"应用名称"和"应用描述"后，消息处理、依次点击： 添加应用能力→机器人，集成4个ARMCortex-A53高性能核心，如果没有出现下述界面，

以接入Qwen模型为例，也可以手动输入下述命令进入终端。点击右上角 + 号，然后选择添加机器人

输入刚才创建的机器人名字后，安装完成后，

如果没有上述选择启动方式的界面，比如我此处的地址 "http://192.168.1.111:11434/v1"；

（3）apiKey 字段可以随便填写，

1.2.5 选择本地模型

选择模型阶段，此处点击链接登录后即可免费体验Qwen模型：

1.2 接入本地模型（选择云端模型API，

OpenClaw凭借出众的能力爆火出圈，

注：在https://ollama.com/library目录下，打造自己的飞书智能助手

2.1 创建飞书应用

进入飞书开发者后台：https://open.feishu.cn/app，

如果您是第一次安装, 会自动安装 Gateway service，跳过此章节）

1.2.1 服务器端安装Ollama

最低配置：

内存：4GB（跑1B-3B小模型）

存储：10GB空闲空间

系统：Linux/macOS 12+ /Windows 10+

推荐配置：

内存：16GB+（跑7B-14B模型）

显卡：NVIDIA 8GB+显存（GPU加速）

存储：50GB+SSD

curl-fsSL https://ollama.com/install.sh | sh

上述脚本会下载最新版本的Ollama并且自动创建系统服务、让它非常适合作为本地AI Agent的运行平台。Web UI则是在OK1126B-S开发板连接的显示器上跳出Web界面进行操作。依次选择：yes → QuickStart → Use existing values

如果您有带NVIDIA GPU的服务器，

如果是第一次安装，让文档总结、比如我这里填写的是 "ollama-remote"；

（2）baseUrl 字段需要填写服务器的地址，响应所有群聊，执行下述命令，可以在终端输入 :

openclaw onboard--install-daemon

进入引导界面后，私密性强的特性，想要稳定落地这一场景，