Clawdbot+Qwen3:32B实操：Clawdbot Webhook集成企业微信/飞书，实现Agent消息自动推送

Clawdbot+Qwen3:32B实操：Clawdbot Webhook集成企业微信/飞书，实现Agent消息自动推送

1. 为什么需要AI代理的消息自动推送

你有没有遇到过这样的场景：AI代理在后台默默运行，完成了数据分析、生成了周报、识别出了异常订单，但你却要主动打开网页去查看结果？或者团队协作时，关键信息只停留在聊天窗口里，没人及时跟进，导致响应延迟？

Clawdbot 不只是一个能对话的AI界面，它更是一个可被调度、可被集成、可被嵌入工作流的智能中枢。而 Qwen3:32B 这样的大模型，提供了扎实的推理与生成能力——但光有“大脑”不够，还得有“手脚”，让它能把结果主动推送到你每天必看的地方：企业微信、飞书、钉钉这些办公入口。

本文不讲抽象架构，不堆参数指标，就带你从零完成一次真实落地：
在本地部署好 Clawdbot + Qwen3:32B 的完整代理环境
配置好企业微信/飞书的 Webhook 接口
编写一段轻量脚本，让 AI 代理一生成结果，立刻推送到你的工作群
避开常见坑点：token 权限、跨域限制、消息格式校验、重试机制

整个过程无需改源码、不碰 Dockerfile、不配 Nginx，全部通过 Clawdbot 内置能力 + 简单 Python 脚本完成。你只需要一台带 GPU 的机器（24G 显存起步），和 30 分钟专注时间。

2. 快速启动：Clawdbot + Qwen3:32B 环境就绪

2.1 启动网关服务

Clawdbot 的核心是它的网关服务，它像一个智能中转站，把用户请求分发给后端模型，并统一管理会话、日志和扩展。启动只需一条命令：

clawdbot onboard

执行后，你会看到类似这样的输出：

Gateway server started on http://localhost:3000 Ollama model registry loaded: qwen3:32b (Local Qwen3 32B) Web UI available at http://localhost:3000/chat?session=main

注意最后这行地址——这是你第一次访问的入口，但它不能直接打开，否则会看到这个提示：

disconnected (1008): unauthorized: gateway token missing (open a tokenized dashboard URL or paste token in Control UI settings)

别慌，这不是报错，而是 Clawdbot 的安全机制：它要求所有控制台访问必须携带有效 token。

2.2 正确访问控制台：三步搞定 token 认证

很多新手卡在这一步，反复刷新页面却始终进不去。其实只要三步：

1. 拿到初始 URL
   https://gpu-pod6978c4fda2b3b8688426bd76-18789.web.gpu.csdn.net/chat?session=main

2. 删掉/chat?session=main这段路径
   只保留基础域名：https://gpu-pod6978c4fda2b3b8688426bd76-18789.web.gpu.csdn.net/

3. 手动追加?token=csdn
   最终得到：
   https://gpu-pod6978c4fda2b3b8688426bd76-18789.web.gpu.csdn.net/?token=csdn

打开这个链接，你就能看到干净的 Clawdbot 控制台界面。首次成功后，后续再点击「控制台」快捷按钮，系统会自动带上 token，无需重复操作。

小贴士：如果你用的是本地部署（非 CSDN GPU 实例），默认 token 是clawdbot，可在config.yaml中修改gateway.token字段。

2.3 模型配置确认：Qwen3:32B 已就位

Clawdbot 通过config.yaml或 UI 中的「模型管理」模块对接后端模型。你提供的配置片段已明确指向本地 Ollama：

"my-ollama": { "baseUrl": "http://127.0.0.1:11434/v1", "apiKey": "ollama", "api": "openai-completions", "models": [ { "id": "qwen3:32b", "name": "Local Qwen3 32B", "reasoning": false, "input": ["text"], "contextWindow": 32000, "maxTokens": 4096, "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 } } ] }

请确保 Ollama 服务正在运行：

ollama serve & # 后台启动 ollama list # 查看是否已加载 qwen3:32b

若未加载，执行：

ollama pull qwen3:32b

注意：Qwen3:32B 对显存要求较高，在 24G 显存上可运行，但建议关闭其他占用显存的进程；如需更高响应速度，可考虑升级至 48G 显存或选用量化版本（如qwen3:32b-q4_k_m）。

3. 消息推送准备：企业微信 & 飞书 Webhook 配置

Clawdbot 本身不内置企业微信/飞书 SDK，但它开放了完整的「扩展系统」——你可以用任意语言写一个外部脚本，通过 HTTP 请求接收 Clawdbot 的事件通知，再转发到目标平台。

我们选择最轻量、最通用的方式：Webhook 触发 + Python 转发。

3.1 企业微信 Webhook 获取（群机器人）

1. 在企业微信 PC 客户端，进入目标群 → 点击右上角「…」→「群机器人」→「添加机器人」
2. 给机器人起名（如「AI日报助手」），点击「添加」
3. 复制生成的 Webhook 地址，形如：
   https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx

企业微信 Webhook 无需鉴权头，直接 POST 即可；但仅支持文本、markdown、图片三种消息类型，且 markdown 渲染能力有限。

3.2 飞书 Webhook 获取（群机器人）

1. 在飞书 PC 客户端，进入目标群 → 点击右上角「…」→「群设置」→「智能助手」→「添加机器人」
2. 选择「自定义机器人」→ 填写名称 → 提交
3. 复制 Webhook 地址，形如：
   https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx

飞书 Webhook 需要在请求体中加入timestamp和sign签名（官方提供 Python 示例），但为简化实操，我们采用「不校验签名」模式：在机器人设置中关闭「安全设置」里的「签名校验」。

3.3 创建转发脚本：push_to_work.py

新建一个 Python 文件，内容如下（已适配双平台，自动识别目标）：

#!/usr/bin/env python3 # -*- coding: utf-8 -*- import os import json import time import hmac import hashlib import requests from flask import Flask, request, jsonify app = Flask(__name__) # 从环境变量读取 Webhook 地址（生产环境推荐） WECHAT_WEBHOOK = os.getenv("WECHAT_WEBHOOK", "") FEISHU_WEBHOOK = os.getenv("FEISHU_WEBHOOK", "") def send_to_wechat(content: str, title="AI 代理通知"): if not WECHAT_WEBHOOK: return False payload = { "msgtype": "markdown", "markdown": { "content": f"### {title}\n\n> {content.replace('\n', '\n> ')}" } } try: resp = requests.post(WECHAT_WEBHOOK, json=payload, timeout=5) return resp.status_code == 200 except Exception as e: print(f"[WeChat] 发送失败: {e}") return False def send_to_feishu(content: str, title="AI 代理通知"): if not FEISHU_WEBHOOK: return False # 飞书 markdown 支持更好，直接用富文本 payload = { "msg_type": "post", "content": { "post": { "zh_cn": { "title": title, "content": [ [{ "tag": "text", "text": content }] ] } } } } try: resp = requests.post(FEISHU_WEBHOOK, json=payload, timeout=5) return resp.status_code == 200 except Exception as e: print(f"[Feishu] 发送失败: {e}") return False @app.route('/webhook/push', methods=['POST']) def handle_push(): data = request.get_json() if not data: return jsonify({"error": "no json body"}), 400 # Clawdbot 事件结构示例（你可在 Agent 日志中看到） # { # "event": "agent_result", # "agent_id": "sales-reporter", # "result": "本周销售额达 287 万元，环比增长 12%...", # "target": "feishu" // 或 "wechat" # } event = data.get("event") if event != "agent_result": return jsonify({"ok": True, "ignored": event}) result = data.get("result", "").strip() target = data.get("target", "feishu").lower() agent_id = data.get("agent_id", "unknown") if not result: return jsonify({"error": "empty result"}), 400 title = f" {agent_id} 完成任务" success = False if target == "wechat": success = send_to_wechat(result, title) elif target == "feishu": success = send_to_feishu(result, title) else: return jsonify({"error": f"unsupported target: {target}"}), 400 return jsonify({"ok": success, "target": target}) if __name__ == '__main__': app.run(host='0.0.0.0', port=8000, debug=False)

保存为push_to_work.py，然后安装依赖并启动：

pip install flask requests python push_to_work.py

此时，你的转发服务已在http://localhost:8000/webhook/push监听。

验证是否启动成功：
curl -X POST http://localhost:8000/webhook/push -H "Content-Type: application/json" -d '{"event":"agent_result","result":"测试消息已送达","target":"feishu"}'

如果企业微信/飞书群里收到消息，说明转发链路已通。

4. Clawdbot 集成：让 Agent 主动调用 Webhook

Clawdbot 的扩展系统支持「HTTP 回调」，即当某个 Agent 执行完成时，自动向指定 URL 发送 POST 请求。我们不需要开发插件，只需在 Agent 配置中启用「回调」功能。

4.1 创建一个带回调的销售分析 Agent

登录 Clawdbot 控制台 → 「Agents」→ 「Create New Agent」

• Name:sales-reporter

• Description: 每日销售数据摘要生成器

• Model:qwen3:32b（选择你配置的 Local Qwen3 32B）

• Prompt:

  你是一个销售数据分析师。请根据以下 JSON 格式的数据，生成一段简洁专业的中文摘要（不超过 150 字），重点突出趋势、异常和建议： {data}

• Callback URL:http://localhost:8000/webhook/push

• Callback Event:on_complete

• Callback Payload:

  { "event": "agent_result", "agent_id": "{{agent.id}}", "result": "{{output}}", "target": "feishu" }

关键点说明：

• {{output}}是 Clawdbot 自动注入的 Agent 最终输出内容
• {{agent.id}}是当前 Agent 的唯一标识，便于追踪
• "target": "feishu"可改为"wechat"切换平台

保存后，点击「Test Run」，输入模拟数据：

{ "data": { "date": "2025-04-05", "total_sales": 2870000, "last_week": 2560000, "top_product": "智能音箱 Pro", "abnormal_orders": 3 } }

几秒后，你应该在飞书/企业微信中看到类似消息：

sales-reporter 完成任务

本周销售额达 287 万元，环比增长 12%；主力产品「智能音箱 Pro」贡献超 40% 销售额；异常订单 3 笔，建议售后团队优先核查物流状态。

4.2 进阶技巧：按条件分流推送

你可能希望：

• 高优先级任务推企业微信（全员强提醒）
• 日常报告推飞书（按频道分类）
• 错误日志推钉钉（运维群）

Clawdbot 支持在 Prompt 中动态注入变量，你可以在 Agent 的 Prompt 末尾加一句：

请在输出末尾添加一行标记：[TARGET:feishu] 或 [TARGET:wechat]

然后修改push_to_work.py中的解析逻辑，提取该标记并动态路由。这样，同一个 Agent 就能根据任务性质自动选择推送渠道。

5. 稳定性增强：让推送真正可靠

真实业务中，网络抖动、接口限流、平台维护都可能导致推送失败。我们加三层保障：

5.1 本地重试队列（内存级）

在push_to_work.py中加入简易重试逻辑（生产环境建议用 Redis 或 SQLite）：

from collections import deque import threading retry_queue = deque() retry_lock = threading.Lock() def enqueue_retry(payload, target): with retry_lock: retry_queue.append((payload, target, time.time())) def process_retries(): while True: with retry_lock: if retry_queue: payload, target, ts = retry_queue.popleft() now = time.time() if now - ts < 300: # 5分钟内重试 if target == "wechat": send_to_wechat(payload["result"], payload.get("title", "重试通知")) elif target == "feishu": send_to_feishu(payload["result"], payload.get("title", "重试通知")) else: print(f"[Retry] 超时丢弃: {payload}") time.sleep(10) # 启动后台重试线程 threading.Thread(target=process_retries, daemon=True).start()

5.2 Clawdbot 端失败告警

在 Agent 的 Callback Payload 中增加错误处理字段：

{ "event": "agent_result", "agent_id": "{{agent.id}}", "result": "{{output}}", "target": "feishu", "status": "{{status}}", "error": "{{error}}" }

当status为failed时，你的脚本可记录日志并触发邮件/短信告警（例如调用腾讯云短信 API）。

5.3 日志可追溯

Clawdbot 默认记录所有 Agent 执行日志。你可在控制台「Logs」页筛选sales-reporter，查看每次调用的输入、输出、耗时、回调返回状态码。结合转发脚本中的print()日志，整条链路完全可观测。

6. 总结：你已经拥有了一个可落地的 AI 工作流中枢

回顾一下，你刚刚完成了什么：

• 在本地跑通了 Clawdbot + Qwen3:32B 的完整推理链路，不再依赖云端 API
• 绕过了复杂的前端鉴权流程，用三步 URL 改写法快速进入控制台
• 用不到 100 行 Python，打通了企业微信/飞书的 Webhook 推送通道
• 通过 Clawdbot 的原生 Callback 功能，让 AI 代理具备“主动汇报”能力
• 加入了重试、日志、状态反馈三层保障，让自动化真正可靠

这不是一个玩具 Demo，而是一套可立即用于小团队日常运营的轻量级 AI 协作方案。下一步，你可以：

• 把「日报生成」换成「客户投诉摘要」，推送给客服主管
• 把「数据解读」换成「代码变更影响分析」，推送给研发负责人
• 把「多平台推送」封装成一个通用 Clawdbot 插件，一键安装复用

AI 的价值，从来不在“能说会道”，而在“能做会连”。今天你连上的不只是 Webhook，而是 AI 与真实业务之间的第一根神经。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。