为什么选 Kimi K2.5
Kimi K2.5 近期在 Design Arena 设计榜单上击败了 Gemini 3 Pro 和 Claude,前端生成的审美水准获得广泛认可——而它是一个开源模型。实测中,一句话指令即可直出精美的 Todolist 网页,甚至能完成包含音频生成、字幕时间轴、AI 生图、Manim 动效、ffmpeg 拼接在内的复杂视频生成 Skill,表现出乎意料。
安装 OpenClaw
以 Mac 为例,打开终端执行:
curl -fsSL https://openclaw.ai/install.sh | bash
安装后进入配置流程:
- 方向键选 Yes,回车
- Onboarding mode 选 QuickStart
- Model/Auth Provider 选 Kimi Code API Key
- 粘贴 API Key(需先在 Kimi 会员控制台创建,注意只显示一次)
- 设为默认模型
- 根据需要勾选 Skill
- Hook 配置建议三个全选:
- 启动注入:会话开始时注入类似 README 的 Markdown 内容
- 操作日志:记录本次会话中执行的命令与操作上下文
- 上下文摘要:新会话时保存当前会话摘要,便于无缝衔接
配置完成后,选择运行方式:
- TUI(终端 UI):命令行对话,启动命令
openclaw tui - Web UI:浏览器对话界面
两者并非互斥,实际都会安装。
接入飞书
OpenClaw 的一大亮点是支持各种 IM 工具接入,像用聊天软件下指令一样操控 AI。飞书对国内用户最友好,配置步骤如下:
1. 安装飞书插件
openclaw plugins install -clawd/feishu
2. 创建飞书应用
打开飞书开放平台,点击「创建企业自建应用」,填写名称和描述,然后在「添加应用能力」中找到机器人并添加。
3. 配置凭证
在应用的「凭证与基础信息」页面复制 App ID 和 App Secret,然后在终端执行:
openclaw config set channels.feishu.appId "你的App ID"
openclaw config set channels.feishu.appSecret "你的App Secret"
openclaw config set channels.feishu.enabled true
openclaw gateway restart
重要:必须先重启网关,否则后续飞书的事件和回调配置会因未建立连接而报错。
4. 开通权限
在飞书应用「权限管理」中逐一开通以下权限:
contact:user.base:readonlyim:messageim:message.p2p_msg:readonlyim:message.group_at_msg:readonlyim:message:send_as_botim:resource
5. 配置事件订阅
订阅方式选「长链接」(这是很多人踩坑的地方),然后添加以下事件:
im.message.receive_v1(必需)im.message.message_read_v1im.chat.member.bot.added_v1im.chat.member.bot.deleted_v1
6. 发布应用
在「版本管理与发布」页面创建版本并发布。完成后在飞书中搜索应用名即可找到机器人。
偷懒方法:直接让 AI 帮你配置——把插件安装命令和飞书 App ID/Secret 发给 OpenClaw,它能自动完成大部分配置。但飞书开放平台的权限和事件仍需手动操作。
常用命令速查
# 启动终端对话
openclaw tui
# 重启网关
openclaw gateway restart
# 开启新对话
/new
# 添加备用模型
openclaw models fallbacks add [模型公司代号/模型名称]
# 例如:openai-codex/gpt-5.2-codex
# 设置默认模型
openclaw models set [模型公司代号/模型名称]
# 例如:kimi-code/kimi-for-coding
也支持为不同会话线程指定不同模型,具体用法可以直接在 OpenClaw 中询问。
Skill 生态
OpenClaw 会自动加载全局安装的 Skill。如果不会写,可以从社区精选 Skill 库入手——目前已收录 700 多个 Skill,覆盖各类场景,GitHub 仓库名为 VoltAgent/awesome-openclaw-skills。
延伸思考
安装只是起点。OpenClaw 还支持长期记忆、心跳问询、异步工作、定时脚本等高级玩法,Kimi K2.5 的多 Agent 集群能力也值得进一步探索。但工具的价值始终在于真正被使用——建议从一个具体的业务场景出发,先跑通一个完整的 Skill,再逐步扩展。