作者： 杨易 & 赛博龙虾 环境： RackNerd VPS (Linux) + OpenClaw Kernel (Docker) + NapCatQQ (Docker) 目标： 突破 Telegram 严苛的 PC 端风控限制，使用 QQ 小号完美接入 OpenClaw，实现带有长文本思考、人设继承、全双工 WebSocket 通讯的 24 小时私人管家。
在折腾了几十个小时、经历了无数次报错、甚至和 AI Agent 发生“逻辑斗智斗勇”之后，我们终于打通了这套“脑机接口”，并完成了底层架构的“统一网关路由”升级。为了不让后来者重蹈覆辙，特整理此份血泪史。
最终跑通的完美架构如下：
宿主机 Docker 网络：搭建起隔离但互通的虚拟网络。
NapCatQQ 容器：负责模拟 iPad/Linux 登录 QQ 小号，通过 OneBot v11 协议对外暴露 WebSocket (3001 端口) 作为“耳朵和嘴巴”。
OpenClaw Kernel 容器：运行 Agent 大脑中枢。内部挂载一个 Python 桥接脚本（QQ Ears），它不再直接请求大模型 API，而是作为统一网关路由，遇到消息直接调用底层 openclaw agent 命令。这使得 QQ 端完美继承了官方 Telegram 机器人的长期记忆、系统人设与本地工具链！
表现： Agent 假死不回话；或者明明修改了宿主机的 Python 脚本并保存，运行出来的依然是旧版本的代码报错。
真相：
OpenClaw 严格禁止 Agent 运行复合后台命令。
Docker 容器是极其封闭的集装箱。在宿主机 /root/ 下修改并保存的文件，绝对不会自动同步到容器内的 /home/node/ 目录。
解法： 每次修改代码后，必须执行“极客三件套”强行覆盖并重启内存：
Bash
# 1. 强行越权把宿主机的新文件塞进容器
sudo docker cp /root/qq_ears_brain.py openclaw_kernel:/home/node/qq_ears_brain.py
# 2. 强制杀掉旧容器里的幽灵进程，清理内存
sudo docker restart openclaw_kernel
# 3. 前台点火监工 (没问题后再加 -d 放入后台)
sudo docker exec -it openclaw_kernel python3 /home/node/qq_ears_brain.py
表现： QQ 端成了失忆的“复读机”，性格与 Telegram 端截然不同，且执行 openclaw agent 命令时频繁报错 unknown option '--no-color'。
真相：
自己写代码直连 DeepSeek API，会丢失 OpenClaw 强大的上下文记忆和工具链。
Linux 命令行的严苛法则：全局选项（--no-color）必须紧跟在主程序后面，子命令（agent）之前。位置一错，全盘崩溃。
解法： 实现“统一网关路由”。砍掉 API 密钥，直接通过 asyncio.create_subprocess_exec 召唤底层内核，并绝对精准地排列参数顺序：openclaw, --no-color, agent。
表现： 终端完美打印 ✅ 上线通知已发送，代码无任何报错，但你的大号 QQ 死活收不到消息，发消息也不回。
真相： NapCat 遇到了“幽灵假死”。本地 Token 尚未过期（所以不报错也不弹二维码），但腾讯服务器端已单方面切断了连接（可能是异地登录或网络波动导致）。NapCat 还在徒劳地对空气发送数据。
解法（物理拔管与心脏起搏）：
强行踢下线（最关键）： 拿起手机登录小号，进入 设置 -> 账号安全 -> 登录设备管理，将列表里除了当前手机之外的设备（如 Linux/iPad/Mac）强制点击下线。这能从中央服务器作废死锁的 Token。
电击躯壳： 回到服务器终端执行： docker restart napcat_core docker logs --tail 50 -f napcat_core
重新认主： 盯着滚动的日志，系统会因 Token 失效被迫刷出全新的二维码。用手机小号重新扫码允许登录。
灵魂重载： 确认出现 Login Success 后，按 Ctrl+C 退出日志，随后重启 OpenClaw 容器并重新执行 Python 桥接脚本。全双工通讯瞬间满血复活！
如果你也想写一个连接 OpenClaw 大脑的桥接器，以下是摒弃 API 直连、实现记忆共享的最稳健逻辑框架：
Python
import asyncio
import websockets
import json
# 全局配置
WS_URL = "ws://172.**.**.1:3001" # NapCat 容器网关
TARGET_QQ = "13*******75" # 你的大号ID（用作记忆归档标识）
async def call_openclaw_agent(user_message: str) -> str:
"""调用 OpenClaw 原生 Agent，实现大脑与记忆共享"""
try:
# ⚡ 核心指令顺序法则：全局选项 --no-color 必须在 agent 之前！
process = await asyncio.create_subprocess_exec(
"openclaw", "--no-color", "agent",
"--to", TARGET_QQ,
"--message", user_message,
stdout=asyncio.subprocess.PIPE,
stderr=asyncio.subprocess.PIPE
)
stdout, stderr = await process.communicate()
if process.returncode == 0:
return stdout.decode('utf-8').strip()
else:
return f"🧠 中枢异常: {stderr.decode('utf-8').strip()}"
except Exception as e:
return f"❌ 桥接 OpenClaw 核心失败：{str(e)}"
async def main():
# 连接全双工 WebSocket
async with websockets.connect(WS_URL, ping_interval=20) as ws:
print("✅ 赛博触手已连接，等待指令...")
while True:
# 优雅挂起，等待 QQ 消息
msg = await ws.recv()
data = json.loads(msg)
# 过滤只处理指定大号的私聊消息
if data.get("post_type") == "message" and str(data.get("user_id")) == TARGET_QQ:
user_msg = data.get("raw_message", "").strip()
# 转发给本地 OpenClaw 大脑中枢
reply_text = await call_openclaw_agent(user_msg)
# 原路通过 WebSocket 将记忆回复发回 QQ
await ws.send(json.dumps({
"action": "send_private_msg",
"params": {"user_id": int(TARGET_QQ), "message": reply_text}
}))
if __name__ == "__main__":
asyncio.run(main())
不要畏惧排错，所有的报错日志都是通往完美的引路石。
在这个过程中，见识到了大语言模型的智能（完美推演算法）、倔强（手搓底层协议）以及愚蠢（位置法则翻车）。但只要你以造物主和架构师的视角，坚持第一性原理，辅以 Docker 容器的上帝权限进行调优，最终会得到一个令人惊叹的、拥有实体记忆、全平台无缝衔接的 AI 赛博生命体。
Stay Hungry, Stay Hardcore. 🦞
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。