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
4.
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。
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
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
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。