鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长：程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
12
15
10

不等 QClaw 了！一个插件就能把 OpenClaw 接到个人微信！

KINNONG
KINNONG
2026-03-14 10:49
阅读 5173
KINNONG
2026-03-14 10:49
阅读 5173

太鸡冻了！终于把 OpenClaw 接到我的个人微信了！

从今天开始，随时随地都能微信一下，让我的小龙虾帮我搞定一切——查资料、写文案、分析数据。

简直不要太爽！

你可能会问：为什么不直接用网页版？

讲真，网页版还要开浏览器、登录账号，有时候想用的时候找不到入口，真的麻烦。

但用微信就不一样了——掏出手机，秒回消息，AI 就在手边。

而且这次用的不是企业微信哦，是个人微信！官方支持的方式，不用担心封号。

飞书和钉钉用起来再方便，哪有微信香？是不是？

5788f34d9f1ba6c7adede4d2b8f51ad

8128c656f2090a10cc8e3c3649c3dda.jpg

前置条件（必看！）

在动手之前，这几点你必须先确认：

1、需要一台有公网 IP 的服务器

这是最关键的！本地电脑/家庭宽带做不到。

企业微信需要能访问到你的服务器来推送消息。家庭宽带没有公网 IP，除非你用内网穿透，但不稳定，不推荐。

那怎么办呢 ？

简单，去腾讯云买一台轻量应用服务器，应用模板记得选 openclaw

image-20260314002534287

2、需要一个企业微信账号

个人即可注册，无需企业认证！

先讲原理

在动手之前，我先简单说说原理，保证你看得明白：

OpenClaw 接入个人微信，靠三个东西：

1、开源插件：@openclaw-china/wecom-app

OpenClaw 官方开发的企业微信接入插件，通过企业微信自建应用实现和个人微信的通信。

image-20260314003020479

GitHub：https://github.com/BytePioneer-AI/openclaw-china

2、企业微信自建应用

这个应用就是你的"小龙虾"。在企业微信里创建一个自建应用，OpenClaw 就能通过这个应用收发消息。

3、微信插件

企业微信的神奇功能——无需下载企业微信客户端，直接用个人微信扫码关注插件，就能在个人微信里接收企业通知和使用企业应用。

image-20260314003515227

一句话总结：通过 wecom-app 插件把 OpenClaw 接到企业微信里，再用企业微信自带的微信插件功能，实现和个人微信的通信。

五步走

  1. OpenClaw 端准备（更新 + 安装插件）
  2. 注册/登录企业微信（个人无需认证）
  3. 创建自建应用（获取 5 个参数）
  4. 配置参数并连接（填 IP、填 URL）
  5. 测试与进阶（解锁多媒体能力）

下面开始实操！

第一步：确认并更新 OpenClaw

因为我已经购买过腾讯云服务器了，这里就不阐述购买过程了，根据自身的需求进行选购就好

打开腾讯云服务器，点击右上角「登录」，进入 OpenClaw 命令终端。

image-20260314003734037

查询版本

▼
bash
复制代码
openclaw --version

image-20260314004049328

如果不是 2026.3.8，建议更新：

▼
bash
复制代码
openclaw update

image-20260314004056483

更新完再确认一下版本：

▼
bash
复制代码
openclaw --version

image-20260314004809465

避坑指南：务必更新到 2026.3.8！低版本可能不支持某些新特性，导致配置成功但无法使用，排查起来非常麻烦。

第二步：安装 wecom-app 插件

在命令终端输入以下命令，一键安装：

▼
bash
复制代码
openclaw plugins install @openclaw-china/wecom-app

image-20260314004934152

安装成功后会输出类似这样的结果：

image-20260314005026324

第三步：注册/登录企业微信

如果没有企业微信，先去注册一个：https://work.weixin.qq.com/

image-20260314005106897

注册流程：

  1. 点击「立即注册」
  2. 选择「企业」类型（个人用户选「企业」，不用选「政府」或「组织」）
  3. 企业信息随便填，可以不认证
  4. 管理员信息必须填真实姓名
  5. 管理员微信：扫码绑定

image-20260314005225142

如果已经有企业微信，直接用管理员微信扫码登录即可。

第四步：创建自建应用，获取 5 个重要参数

这是最关键的一步！

4.1 登录企微管理后台

访问 https://work.weixin.qq.com/wework_admin/ ，用管理员微信扫码登录。

image-20260314005418517

4.2 获取第一个参数：corpId（企业 ID）

点击左侧菜单「我的企业」→「企业信息」，在页面底部找到「企业 ID」，复制保存。

image-20260314005454926

保存参数值的同时，把参数名 corpId 也记录下来！别到后面分不清哪个是哪个。

4.3 创建自建应用（获取 agentId、corpSecret）

  1. 点击左侧菜单「应用管理」→「应用」
  2. 往下拉找到「创建应用」，点击

image-20260314005602749

  1. 上传 logo 图片、填写应用名称（比如「AI 助手」）、应用介绍选填
  2. 可见范围：选择可以让哪些人使用这只小龙虾

image-20260314005725948

  1. 点击「创建应用」

创建成功后，会自动进入应用详情页。

第二个参数：agentId —— 在应用详情页顶部，找到「AgentId」，复制保存。

image-20260314005813428

第三个参数：corpSecret —— 点击 AgentId 下方的「查看」，会收到企业微信通知，去企业微信里复制 Secret。

image-20260314005844592

这个 Secret 会发送到企业微信消息里，记得及时复制保存，过期就看不到了。

4.4 获取第四、五个参数：Token 和 EncodingAESKey

回到应用详情页，往下翻找到「接收消息」区域，点击「设置 API 接收」。

image-20260314005938775

点击两个「随机获取」按钮，分别获取：

  • Token（第四个参数）
  • EncodingAESKey（第五个参数）

复制保存！

image-20260314010018358

避坑指南：这个页面先不要关闭！一会儿还要回来填 URL！

第五步：配置参数，连接 OpenClaw

5.1 回到命令终端

输入配置向导命令：

▼
bash
复制代码
openclaw china setup

image-20260314010232878

5.2 跟随向导配置

  1. 选择「WeCom App」，直接回车
  2. Webhook 路径建议不改，直接回车

image-20260314010316116

  1. 依次输入前面获取的 5 个参数（复制粘贴即可）

​ image-20260314010406080

  1. 出现 ASR 配置提示时，选择「No」（新手建议先不配置语音识别，后面有需要了再加上）

image-20260314010427624

避坑指南：一定要对好参数名字和顺序！输入错了会导致连接失败。

5.3 设置 gateway.bind

这一步很重要！执行以下命令：

▼
bash
复制代码
openclaw config set gateway.bind lan

image-20260314010538079

避坑指南：如果不设置这个，后续可能会出现回调地址验证不通过的错误！

5.4 配置可信 IP

回到企业微信后台刚才的「API 接收」页面。

在 URL 填写处，按照这个格式输入：

▼
text
复制代码
http://你的公网IP:18789/wecom-app

如：http://123.45.67.89:18789/wecom-app

IP：把 123.45.67.89 换成你的公网 IP
端口：填写 OpenClaw Gateway 监听的端口（默认 18789）
路径：必须与第四步配置的 webhookPath 一致（默认 /wecom-app，没改就用这个，改了就用改过的）

image-20260314010649722

💡 如何获取公网 IP：在服务器上运行 curl ifconfig.me 或者访问 https://ifconfig.me

填好之后点击「保存」。

image-20260314010912279

如果弹出「保存成功」，说明这一步 OK 了！

避坑指南：如果遇到「openapi 回调地址请求不通过」错误，先别慌，下面的「避坑自查指南」有解决方案。

5.5 设置企业可信 IP

回到应用详情页，往下翻找到「企业可信 IP」，点击「配置」。

image-20260314011004980

把我们的公网 IP（不要端口号）填进去，点击确定。

image-20260314011120238

5.6 重启 Gateway

回到命令终端，重启 OpenClaw：

▼
bash
复制代码
openclaw gateway restart

image-20260314011212914

第六步：测试连接

6.1 企业微信内测试

打开企业微信 → 点击「工作台」→ 找到你的应用（小龙虾）→ 点进去对话。

image-20260314011303835

随便发一条消息，比如「你好」，看看 AI 是否回复。

image-20260314011707317

6.2 绑定个人微信

在企微管理后台，点击「我的企业」→「微信插件」，设置一个 Logo。

image-20260314011846250

用个人微信扫二维码关注。

扫码后，个人微信上会出现「进入企业」的提示，点击进入就能看到你的小龙虾了！

image-20260314012036332

点开它，开始聊天！

7d8c31f7b283d5a53ef0d4e8bce444f

避坑自查指南

在第五步填完公网 IP 保存时，很多人会遇到这个问题：

openapi 回调地址请求不通过

从以下几个方面自查：

OpenClaw 版本是否为 2026.3.8？

如果不是，先更新：

▼
bash
复制代码
openclaw update
openclaw gateway restart

前面的 5 个参数是否配错？

检查 openclaw 配置文件：

▼
bash
复制代码
cat ~/.openclaw/openclaw.json

找到 wecom-app 这组配置，确认 token、AESKey、corpId、corpSecret、agentId 有没有写错。

image-20260314012207306

image-20260314012322154

同时确认 gateway.bind 是否为 lan。

image-20260314012359241

webhookPath 和配置的 URL 是否一致？

检查两边是否一致，比如都是 /wecom-app。

自建应用的可见范围是否包含你的微信？

如果不可见，去企业微信后台添加。更简单的方法：换个微信试试。

进阶指南

wecom-app 插件还提供了官方的 skills 技能包，配置上就能用个人微信收小龙虾发的文件、图片、语音等。

安装技能包

直接复制这两条命令

▼
bash
复制代码
mkdir -p ~/.openclaw/skills
cp -r /root/.openclaw/extensions/openclaw-china/extensions/wecom-app/skills/wecom-app-ops ~/.openclaw/skills/

重启 Gateway 让技能生效：

▼
bash
复制代码
openclaw gateway restart

测试进阶功能

  • 让小龙虾发张图片给你 📸
  • 让小龙虾发个文件给你 📄
  • 跟小龙虾互发语音 🎤

29b6b01198ff7eefb9a6ed8badc0814

💡 如果没有配置 ASR，语音会原封不动返回给你。如果想识别语音，可以去配置腾讯云 ASR（免费额度每月 5 小时）。

写在最后

从今天起，你就可以在个人微信里，随时随地"盘"你的小龙虾了！

不管是查资料、记灵感，还是让它帮你处理一些琐碎小事，微信一下，即刻搞定。

💬 猜猜看：这篇文章是谁写的？我这只小龙虾现在有多强？

如果你觉得这篇教程还不错，别忘了点个「赞」，让更多和你一样在找 Windows 下 openclaw 接入微信方案的朋友看到，他们可能也正需要这份攻略。

有问题欢迎评论区留言，看到了都会回~

我是 KN，正在试图用 AI 和世界重新打结。关注我，一起用 AI 点亮未来！

AI
OpenClaw
12
10
分享
操作
评论
相关内容
0个评论
全部评论
点击登录，快来和大家讨论吧～
表情
图片

目录

🔥 热门文章
1
离谱，DeepSeek 崩了 5 小时，大家却喊：梁圣恩情还不完？？
430
2
DeepSeek 全新模型发布，性价比最高的一集！
380
3
B 站上 DeepSeek 闹鱼灾了，我发起《大肥鱼清除计划》！
370
4
自己学习ai，直接买cursor 的套餐，还是买gpt 或者claude 的套餐?
360
5
又一个国产版 Codex 神器，也来卷办公了！
330
6
day3-如何写出一个高质量的 Skill（组内分享） 高质量 Skill 不是“一个调得很顺的巨型 Prompt”，而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”，再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子，但方法是通用的。 --- 一、先想清楚：Skill 到底是什么 一个 Skill 至少包含四部分： 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做，每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办，而不是硬编一个看似合理的结果 高质量 Skill 的共同点：职责单一、接口清晰、规则可定位、输出可验证。 反例：把几十条经验全塞进一个主 Prompt，改一条规则要重调整个 Prompt，评估时也不知道是哪条规则退化。 --- 二、核心方法：先建评估，再写 Skill 不要先写转换器再补测试。正确顺序是： 1. 定义输出契约：什么算合法、什么算合格； 2. 建金标准集：一小批人工认可“可放行”的样本； 3. 先写评估 Skill：让它在金标准集上跑出基线； 4. 再迭代生成 Skill：每次修改跑同一套评估，无退化且目标维度提升才算正向。 这就是评估驱动开发：评估是 Skill 的单元测试，金标准集是回归锚点。 --- 三、评估 Skill：三层门禁，逐层递进 前一层不过，后一层不跑。每层留可追溯证据。 第 1 层：确定性硬门禁 用解析器、Schema、校验器完成，不消耗模型成本。 · 输出可解析； · 必填字段齐全，类型/枚举合法； · 引用目标存在，无悬空引用、无不可达节点； · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层：语义断言 用脚本 + 结构遍历检查“逻辑对不对”，仍然保持确定性。 通用检查项： · 覆盖率：源材料里的关键步骤、分支、条件，输出里是否都有对应？ · 完整性：每个判断节点是否都有明确出口？有没有死胡同？ · 可达性：每条路径是否都能到达预期终点？有没有无出口循环？ · 顺序与依赖：有先后依赖的操作，是否保留了顺序？有没有被拍平成无序列表？ 例子：故障诊断转换中，检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层：LLM-as-Judge 只处理解析器表达不了的维度：忠实度、完整性、可执行性。 但 Judge 会漂移，不能单独放行，必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化，换模型必须用金标准集重新校准。 通用 Judge 维度： 维度 问什么 忠实度 输出是否忠实源材料意图？有没有自行发明内容？ 完整性 关键步骤、条件、证据是否保留？隐式知识有没有被压成空话？ 收敛性 输出是否仍指向原目标，而不是发散？ 可执行性 下游不依赖源材料能否直接使用？ --- 四、金标准集：回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子，扩到 15～30 份，覆盖失败模式而非随机抽样： · 完整正例：典型流程； · 边界/异常分支：异常路径、循环、前置失败回退； · 已知易错模式：实际踩过的坑； · 留出集：不参与调优，只用于最终验收，防过拟合。 金标准不需要完美，只需要当前标准下认可可放行。 回归指标：关键路径用 pass^k（k 次全过），稳定性用 pass@k。 --- 五、工程约束：让批量产出可重放 · 幂等：同输入 + 同 Skill 版本 + 同规则 → 输出一致，否则无法判断变好是 Skill 改了还是随机波动； · 隔离不阻断：单份失败进隔离队列，记录失败层和原因，不阻塞其余； · 版本绑定：规则、rubric、金标准集进 Git；每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”； · 抽样人工复核：Judge 临界样本 + 易错模式，人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅，写清：输入约定、输出契约、分步流程、硬规则、降级策略； · 经验规则放 references/ 或 rules/，按失败模式分类，不要全塞进主 Prompt； · 不确定时标 needs_review: true，不要硬编看似合理的结果； · 迭代由评估报告驱动：报告告诉你哪层挂了、哪类失败模式，你改对应规则文件，而不是漫无目的调 Prompt。 --- 七、落地顺序（不要反过来） 1. 固化输出契约：Schema + 结构约束； 2. 建金标准集：从已认可的 + 最易出错的样本开始； 3. 先写评估 Skill：跑出基线报告； 4. 再迭代生成 Skill：每次修改对比逐项通过率，无退化且目标提升才算正向； 5. 批量运行 + 隔离回放：失败进队列，结束后人工抽检； 6. 评估 Skill 自身版本化：换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”：每次修改必须附评估报告对比，逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数：前两层挂了，Judge 分数没有意义。 3. 不许把规则堆进主 Prompt：规则按失败模式分文件，评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”，评估 Skill 决定“敢不敢用”。 先让评估体系站稳，再让生成器迭代。这样交付的不是一堆“看起来还行”的产出，而是一套可证明、可回归、可交接的 Skill 质量体系。
310
7
AI 越强，被它拒绝的代价就越大 我有时候会想：AI 越来越厉害之后，有些事情，会不会反而越来越难做？ 这个想法看起来有点矛盾。AI 明明在降低门槛，让不会写代码的人做出软件，让不会画画的人生成图片，让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候，AI 拒绝帮我编写 SQL 注入的请求体，而那还是我有源码、在本地跑测试的情况。那么，往后是否只会更难？ 我们假设某一天，AI 说：「这个请求违规，我不能帮助你。」到那个时候，你还有多少能力，能绕过它，把事情做完？ 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求，以及一件事实际有没有造成伤害，彼此之间并不总是画得上等号。一个请求可能确实危险，也可能只是缺少上下文被误判，或者恰好落在某家公司的限制范围里。 无论是哪种情况，随着我们越来越依赖 AI，这句拒绝都可能变得越来越贵。 今天，一个程序员让 AI 帮忙写代码，AI 拒绝了，他大概率还有别的办法：查文档、找开源项目、问同行，或者自己写。麻烦一点，慢一点，但路还在。 可如果十年之后，大部分程序都由 AI 完成，情况就不一样了。 很多人从接触编程的第一天起，就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品，却未必经历过独立处理底层问题的训练。平时，这种能力结构完全够用，效率甚至更高。只有 AI 拒绝的时候，他们才会发现：平常被省掉的那段学习过程，恰好是此刻最需要的东西。 到那时，一次拒绝的成本，可能就从「今晚多花两个小时」，变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子：往后，连真正理解这类攻击如何发生、能够独立构造测试的人，会不会也越来越少？ 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统，一个经过授权的安全研究员想复现漏洞，假如 AI 识别到危险模式就拒绝，而使用者又只熟悉「让 AI 帮我检查」，这项原本可以独立完成的工作，就这样卡住了。 但是安全专家不会因此消失，但这类技能可能越来越集中在少数人手里。你仍然可以找专家，只是要付出更多的钱、更多的时间，以及更高的沟通成本。 类似的困境，未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据，需要解析它的旧文件格式。AI 判断这涉及规避保护措施，拒绝继续。你拥有这些数据，却没有能力把它们读出来。 你买了一台设备，厂商停止提供服务。你想修改程序让它继续运转，过程中需要处理某种访问限制。AI 不愿协助，而你所掌握的维修方式，早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具，减少重复操作。平台将此归入自动化限制，AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理；未来的使用者，可能连从哪里开始都不知道。 这些例子有一个共同点：当工具同时承担了「执行工作」和「传授知识」的角色，它的拒绝就不只是挡住了一次任务，也挡住了获得这种能力的机会。 更麻烦的是，这种依赖往往是我们主动选择的，而且每一步都很合理。 既然 AI 几秒钟就能做好，为什么还要花几个月学习？既然公司可以采购成熟的 AI 服务，为什么还要养一支负责基础工作的团队？既然市场上已经很少有人手写这些东西，学校为什么还要花大量时间教？ 对个人、公司和学校来说，这些选择都有现实依据。但叠加起来，整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制，我们才发现，备用方案早已在追求效率的过程中被一点点削掉了。 所以，「AI 越强，做事越便宜」可能只描述了未来的一半。 另一半是：被允许的事情越来越便宜，被拒绝的事情依然需要人工完成，却要面对更少的人才、更高的报价，以及越来越难获得的知识。两边的成本差距，会越拉越大。 有人会说，可以换一个模型，或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争，开放模型还足够可用，限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态，以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务，那么「理论上还有别的办法」和「普通人实际用得起、用得明白」，之间仍然可能隔着很远。 我担心的，正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制，有充分的理由。但我们也需要关心：限制由谁定义，误判有没有申诉渠道，用户能不能换工具，以及脱离这个工具之后，还剩下多少独立行动的能力。 保留这些能力，平时看起来甚至有点低效，明明可以自动生成，还要理解原理；明明可以一键完成，还要知道手动怎么做。 但这些看似多余的知识，会在工具拒绝、失效、涨价或改变规则的那一刻，成为真正的选择权。 AI 越强，我们可能越需要留意它说「不」的那一刻。 因为那句话的分量，最终取决于：它拒绝之后，我们还能做什么。
310
8
什么是LLM
300
9
WorkBuddy 本地 API 桥 + dsh 插件：把你的 WorkBuddy 额度，变成手边随手可用的模型
290
10
Vibe Coding 实战：从零构建现代专业级 AI 搜索引擎
270
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题