先kanZui终跑通的架构，后面再讲怎么一步步走到这里的：

说实话，刚开始我也是一头雾水，哈哈。

api 字段的有效值，你知道有哪些吗？

{ "providers": { "openai": { "api": "openai-completions", "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1", "apiKey": "sk-your-dashscope-key", "models": , "cost": { "input": , "output": }, "contextWindow": , "maxTokens": }] } }} 启动 OpenClaw Gateway

export OPENAI_API_KEY="sk-your-dashscope-key"export OPENAI_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"openclaw gateway

kan到以下输出就说明成功了：

agent model: openai/qwen-turbo ← 模型正确 feishu: WebSocket client started: ', 'ws client ready' ] ← 飞书连接成功 那些年我踩过的坑

按时间顺序，把这次搭建过程中遇到的所有坑dou列出来：

提醒部署前务必确认服务器资源是否满足Zui低要求，避免在资源不足的环境上反复折腾。

OpenClaw 不是简单的消息转发。每次用户发消息，它会把系统提示词、工具定义、历史对话上下文全部打包发给大模型。一条"你好"可Neng就消耗 + tokens。随着对话轮次增加，上下文越来越长，Token 消耗指数级增长。

下面是Zui终跑通的完整流程，按顺序来不会出错：

建议先用 qwen-turbo 测试，确认需求后再考虑升级模型。

文件一：~/.openclaw/openclaw.json

Zui初的方案是部署到云服务器，实现 × 小时运行。服务器配置：CentOS ，.8G 内存，单核 CPU。

OpenClaw 是一个开源的 AI 网关，支持对接多种聊天平台和大模型。本文记录了在资源受限的 CentOS 服务器上部署失败后转向 Mac 本地部署，Zui终成功打通飞书机器人 + 通义千问的完整过程。涉及 WebSocket 长连接、OpenAI 兼容 API 适配、多层配置文件调试等实际工程问题，附踩坑记录和成本分析。

但一旦跑通了体验确实不错：

openai-completions ← 通义千问/DashScope 用这个openai-responsesanthropic-messagesgoogle-generative-aiollama ← 本地 Ollama 用这个bedrock-converse-streamgithub-copilot Token 成本分析：别被"免费"骗了

这是hen多人忽略的问题。OpenClaw 作为 AI 网关，每次对话dou会消耗大量 Token，远超你的想象。

为什么 Token 消耗这么大？

有人会问，为什么百度不收录我的文章？说实话，这个问题我也遇到过。一般来说百度收录规则蛮复杂的，你得确保你的网站结构清晰、内容质量高、还有就是要经常geng新。

# 确认 Node.js 版本node -v# 全局安装 OpenClawnpm install -g openclaw@latest# 验证openclaw --version# 初始化openclaw onboard# 启用飞书插件openclaw plugins enable feishu 飞书应用配置那些事儿

登录飞书开放平台，创建企业自建应用，然后：

③ 事件订阅你得确保你的服务Yi经启动了才Neng配置事件订阅，不然会报错的，哈哈。

④ 发布应用 — 创建版本 → 提交审核 → 等待通过这一步比较简单，就不多说了。

① 配置权限 — 进入「权限管理」→「批量开通」，粘贴相应的权限列表，你懂的，不懂的话就去查文档吧。

详细的问题和解决方案，我就不一一列举了反正就是各种调试、各种测试。

回顾整个过程，Zui大的感受是：OpenClaw 的设计理念hen好，但对国内用户不够友好。默认配置全部面向 Anthropic Claude，用国产模型需要手动改好几个配置文件，而且文档里没有明确说明哪些字段是必填的。

需要修改两个配置文件，缺一不可： 文件一.openclaw/openclaw.json , 文件二 .openclaw/agents/main/agent/models.json . 说实话，当初我也在这里卡了hen久。

{  
"agents": {    
"defaults": {      
"model": "openai/qwen-turbo"    
}  
},  
"channels": {    
"feishu": {      
"enabled": true,      
...    
 }  
}}

Ru果你也想给团队搞一个飞书 AI 助手，希望这篇踩坑记录Neng帮你省下半天时间。 实际部署中遇到了三个关键问题： - 资源占用高 - Token消耗大 - 配置复杂

⚠️ 成本警告：Token 用着用着就没了

{
    //...
     "models": {
    ...
 }

咱就是说这些问题dou是实际存在的，你得好好规划下。

{  
// 文件二
   }

Zui后还是那句话，多试试总没错的！