1. 基层警务信息化的痛点与 OpenClaw 能做什么
基层派出所和刑侦技术部门每天面对的信息处理量其实不小：现场提取到的域名、IP、APK 样本、聊天记录截图，往往需要人工在多个工具之间来回切换，分析完再手动整理成报告。一个案子下来，光是格式整理和重复查询就能吃掉大量时间。更麻烦的是，很多分析动作是标准化的——查域名归属、看 IP 信誉、解析 APK 基本信息、提取关键字段——这些完全可以用一个常驻的机器人来承接。
OpenClaw 就是在这个场景下进入视野的。它是一个可自托管的 AI Agent 网关，核心能力是把大模型的推理能力和你本地的工具链串起来，再通过飞书这类协同平台暴露成一个“@就能用”的机器人。你可以在 Kali Linux 上部署它，让它调用系统里已经预装好的取证和网络工具，同时把结果直接推回飞书群。对于基层警务信息化来说，这意味着：现场人员不需要懂命令行，在飞书群里 @一下机器人、发个文件或贴个域名，就能拿到初步分析结果。
这篇文章面向的是有基本 Linux 操作能力、想自己跑通一套“警情辅助处理流程”的读者。我会从 API Key 申请开始，到飞书应用配置、Kali 虚拟机部署 OpenClaw、再到一次完整的警情模拟验证，把每一步的命令和参数都写清楚。你跟着做，最终能在飞书里拥有一个能响应消息、能读文件、能调用本地工具的机器人。整套流程的核心检索词就是 OpenClaw 接入飞书、Kali Linux 部署 OpenClaw、API Key 配置，以及基层警务辅助处理流程的搭建。
需要提前说明的是，这套系统处理的是你主动投喂的数据，所有分析结果仅作为辅助参考，不能替代人工研判。数据安全方面，建议在隔离环境或内网虚拟机中运行，不要直接把生产数据往公网模型接口上送。下面进入实操。
2. TaoToken 前置准备：API Key 与模型接入配置
OpenClaw 本身不生产模型能力，它需要你提供一个兼容 OpenAI 接口规范的大模型服务。这里我用 TaoToken 作为模型接入层来演示，原因是它的接口格式标准、配置项清晰，适合在 OpenClaw 的配置向导里直接填入。你需要准备三样东西：Base URL、API Key、Model ID。这三件套在后面的 OpenClaw 配置和排障环节会反复用到。
先说 Base URL。TaoToken 的 API 地址是https://taotoken.net/api，注意这个地址不带任何查询参数，直接作为 OpenAI 兼容接口的根路径使用。在 OpenClaw 的模型配置里，如果它要求填base_url或api_base，就填这个。有些工具会在后面自动拼接/v1/chat/completions，所以你不要自己再加/v1，否则会出现路径重复导致 404。
然后是 API Key。你需要登录 TaoToken 的控制台，在 API Keys 页面创建一个新的 Key。创建时建议给它起一个能识别用途的名字，比如openclaw-kali，方便后续轮换和排查。Key 生成后只显示一次，复制下来存到安全的地方。在 Kali 终端里，我习惯先把它写进环境变量，避免明文出现在命令历史里：
export TAOTOKEN_API_KEY="sk-你的实际Key值" echo 'export TAOTOKEN_API_KEY="sk-你的实际Key值"' >> ~/.bashrc这样每次打开终端都会自动加载。注意不要把 Key 提交到任何 Git 仓库或截图发群里。
Model ID 这块，你需要在 TaoToken 的模型列表里选一个适合 Agent 场景的模型。OpenClaw 会频繁调用模型做工具编排和结果总结，建议选上下文窗口较大、指令跟随能力强的型号。具体可用的 Model ID 以你控制台里显示的为准，配置时原样填入即可。如果你不确定选哪个，可以先在模型对话页面测试几个候选，看哪个对“读取文件后输出结构化结论”这类指令响应更稳定。
把这三件套整理成一张对照表，后面配置时直接查：
| 配置项 | 值 | 说明 |
|---|---|---|
| Base URL | https://taotoken.net/api | 不带/v1，不带查询参数 |
| API Key | sk-... | 控制台创建，仅显示一次 |
| Model ID | 以控制台为准 | 建议选大上下文型号 |
如果你在配置过程中需要核对接口文档，可以打开接入文档页面查看最新的参数说明。模型对话页面可以用来快速验证 Key 是否有效：在网页里发一条测试消息，能正常返回就说明 Key 和模型都没问题。长期做编码或 Agent 类任务的话，Coding Plan 页面有更详细的用量说明，可以按需了解。
这里要提醒一个常见误区：很多人以为把 Key 填进 OpenClaw 就完事了，其实 OpenClaw 在启动时会先做一次模型连通性检查。如果 Base URL 写错、Key 失效或 Model ID 不存在，它会在启动阶段就报错，而不是等到你发消息才失败。所以配置完先别急着配飞书，先用 OpenClaw 自带的测试命令确认模型通了，再往下走。
3. 可复制配置：Kali 部署 OpenClaw 与飞书接入
这一节是全文的核心操作部分。我会按“Kali 虚拟机准备 → OpenClaw 安装 → 模型配置 → 飞书配置 → 启动”的顺序，把每一步的命令和配置文件片段写出来。你可以在自己的环境里逐条复制执行。
3.1 Kali 虚拟机准备与 root 权限
到 Kali 官网下载预装好的虚拟机镜像，直接选 VMware 或 VirtualBox 版本，解压后双击.vmx文件即可启动。默认用户名和密码都是kali。第一次登录后如果鼠标不跟手，关机后在虚拟机设置里把硬件兼容性调到 17 或更高，再开机就正常了。
登录后第一件事是给 root 设密码并切换过去，因为后面安装和配置需要管理员权限：
sudo passwd root # 输入两次新密码，建议设为你能记住的强密码 su - root切换到 root 后，先更新软件源并安装基础依赖：
apt update && apt upgrade -y apt install -y curl wget git python3 python3-pip jqKali 自带了不少网络和取证工具，OpenClaw 后续可以通过工具调用去使用它们，这也是选 Kali 而不是普通 Ubuntu 的原因。
3.2 安装 OpenClaw 并配置模型
OpenClaw 的安装脚本可以通过官方渠道获取。下载后运行安装程序，它会进入一个交互式配置向导。下面我把关键选择项列出来，你对照着选：
# 下载并运行安装脚本（以实际发布地址为准） curl -fsSL https://openclaw.example.com/install.sh -o install.sh bash install.sh进入配置向导后，按以下顺序操作：
第一步，选择“手工配置”（Manual configuration），不要选快速配置，因为我们需要自定义模型和飞书参数。
第二步，网关类型选Local gateway，路径用默认值即可。
第三步，选择大模型提供商时，选“自定义 OpenAI 兼容接口”，然后填入上一节准备的三件套。配置文件通常会写到~/.openclaw/config.toml或类似路径，你可以直接编辑这个文件，确保内容如下：
[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "sk-你的实际Key值" model_id = "你的Model ID" max_tokens = 4096 temperature = 0.3 [gateway] host = "0.0.0.0" port = 18789 auth_token = "自动生成的token" [feishu] app_id = "cli_你的AppID" app_secret = "你的AppSecret" encrypt_key = "" verification_token = ""注意host要设为0.0.0.0，否则飞书的回调请求进不来。端口如果默认的 18789 被占用，可以改成其他高位端口，但记得在飞书后台的事件订阅地址里同步修改。auth_token让向导自动生成即可，不要留空。
第四步，选择飞书配置。这时会提示你输入 App ID 和 App Secret，这两个值来自下一小节的飞书后台。
3.3 飞书应用配置
打开飞书开放平台，登录后进入开发者后台，创建“企业自建应用”。创建完成后，在“凭证与基础信息”页面拿到 App ID 和 App Secret，填入上面的配置文件。
接着添加应用能力：在“添加应用能力”里选择“机器人”，点击添加。然后配置权限，在“权限管理”里开通以下权限：
im:message（获取与发送单聊、群组消息）im:message.group_at_msg（接收群聊中@机器人消息）im:resource（读取用户发送的文件）contact:user.base:readonly（读取用户基本信息）
文件读取权限一定要给，否则你发 APK 或文档给机器人时它会报无权限。权限开通后，在“事件与回调”里配置订阅方式，选择“长连接”或“Webhook”。如果选 Webhook，地址填http://你的Kali虚拟机IP:18789/feishu/event，并设置好 Verification Token。
最后在“版本管理与发布”里创建版本并发布，等审核通过后机器人才能正式接收消息。
3.4 启动与配对
回到 Kali 终端，先设置 Node 的最大内存，避免启动时因为内存不足报错：
export NODE_OPTIONS="--max-old-space-size=4096" openclaw gateway如果启动时报内存相关的错误，就再执行一次上面的export命令，然后重新启动。启动成功后，在飞书里找到你的机器人，发一条消息，它会回复一个配对码。你需要在 Kali 上执行配对命令：
openclaw pairing approve feishu 配对码看到 success 提示后，再在飞书里发消息，机器人就能正常回复了。如果机器人没反应，先检查openclaw gateway的日志输出，看是否有模型调用失败或飞书回调失败的记录。
4. 验证请求：一次完整的警情模拟闭环
配置完成后，必须做一次端到端验证，确认从飞书消息到模型推理再到结果返回的整条链路是通的。我设计了一个模拟警情场景：假设现场提取到一个可疑域名和一个 APK 样本，需要机器人给出初步分析。
第一步，在飞书群里 @机器人，发送一条文本消息：
@警虾 请分析域名 example-malware.test 的基本信息，并给出风险等级判断机器人收到后，会调用模型进行推理。如果模型配置正确，你会在几秒内看到回复，内容包含域名结构分析、常见风险特征和等级建议。这一步验证的是文本消息链路。
第二步，发送一个 APK 文件给机器人。在飞书聊天窗口点击文件上传，选择你准备好的测试 APK。机器人会读取文件并返回分析结果。如果它回复“无权限读取文件”，说明飞书后台的im:resource权限没开通，回去补上并重新发布版本。
第三步，验证工具调用。在消息里明确要求它使用本地工具：
@警虾 请用 Kali 上的 file 命令识别这个 APK 的文件类型，并输出结果如果 OpenClaw 的工具调用配置正确，它会执行file命令并把输出返回。这一步能跑通，说明 Agent 和本地系统的联动是正常的。
第四步，检查日志。在 Kali 终端里观察openclaw gateway的输出，正常情况你会看到类似这样的记录：
[INFO] feishu event received: im.message.receive_v1 [INFO] model request: base_url=https://taotoken.net/api model=... [INFO] tool call: file /tmp/upload/xxx.apk [INFO] response sent to feishu chat_id=oc_xxx如果中间某一步卡住，日志会给出具体错误。比如模型请求返回 401，就是 API Key 无效；返回 404，就是 Base URL 路径写错；飞书事件没有记录，就是回调地址或权限有问题。
验证通过后，你可以把这套流程固化下来：把常用的分析指令写成飞书快捷回复或群公告，让现场人员按格式 @机器人即可。对于批量任务，还可以让机器人把结果整理成固定格式的报告，再通过飞书发送到指定邮箱或群组。
5. 常见报错排查：401、local proxy failed 与 OAuth 问题
这一节整理我在部署过程中实际遇到过的报错，以及对应的排查路径。你遇到问题时可以按图索骥。
报错一：模型请求返回 401 Unauthorized
日志里出现401或invalid api key，说明 API Key 有问题。排查顺序：先确认config.toml里的api_key没有多余空格或换行；再登录 TaoToken 控制台看这个 Key 是否被禁用或删除；最后用 curl 直接测试：
curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"你的Model ID","messages":[{"role":"user","content":"ping"}]}'如果 curl 也返回 401，就是 Key 本身的问题；如果 curl 成功但 OpenClaw 失败，就是配置文件没被正确加载，检查 OpenClaw 启动时是否读取了你编辑的那个文件路径。
报错二：local proxy failed 或 connection refused
这个报错通常出现在 OpenClaw 尝试连接模型接口时。先确认 Kali 虚拟机能访问外网：
curl -I https://taotoken.net/api如果这里就失败，说明虚拟机的网络配置有问题，检查 VMware 的网络模式是否为 NAT 或桥接。如果 curl 通但 OpenClaw 报 proxy failed，检查config.toml里是否误填了代理地址。OpenClaw 默认会读取系统代理环境变量，如果你之前设过http_proxy，先取消：
unset http_proxy https_proxy all_proxy然后重启 gateway。
报错三：reading choices 相关错误
日志里出现reading 'choices'或cannot read property of undefined，一般是模型返回格式不符合预期。常见原因是 Base URL 多写了/v1，导致请求路径变成/api/v1/v1/chat/completions，服务端返回了非标准结构。把 Base URL 改回https://taotoken.net/api即可。另一个原因是 Model ID 填错，服务端返回了错误对象而不是正常的 choices 数组。核对控制台里的 Model ID，确保大小写和连字符完全一致。
报错四：飞书 OAuth 或回调验证失败
如果飞书后台提示“回调地址验证失败”，先确认 Kali 虚拟机的 IP 在飞书服务器可达。如果你是在本地虚拟机里跑，飞书是访问不到192.168.x.x的，需要用内网穿透或把服务部署到有公网 IP 的机器上。另外检查verification_token和encrypt_key是否与飞书后台一致。如果机器人能收到消息但回复失败，看日志里是否有tenant_access_token获取失败，这通常是 App ID 或 App Secret 填错。
报错五：内存不足导致启动中断
Kali 默认分配给虚拟机的内存可能只有 2G，OpenClaw 启动时会因为内存不够而崩溃。解决办法是在 VMware 设置里把内存调到 4G 以上，同时在终端里设置：
export NODE_OPTIONS="--max-old-space-size=4096"如果还是不行，检查是否有其他进程占用了大量内存，用free -h查看。
排查时有一个通用技巧：把报错信息直接复制给模型对话页面，让它帮你解释可能的原因。很多时候报错文本本身就包含了线索，只是需要有人帮你翻译成操作步骤。
6. 从验证到日常：把警虾用起来的几个建议
跑通验证之后，这套系统能不能真正帮到基层工作，取决于你怎么用它。我自己的经验是，不要一上来就追求全自动，先把高频、低风险的分析动作交给机器人，比如域名初筛、文件类型识别、文本摘要。这些动作即使模型判断有偏差，也不会造成严重后果，人工复核成本低。
提示词方面，建议针对不同任务写固定模板。比如域名分析用一套，APK 初筛用另一套，报告生成再用一套。把模板存在飞书群的公告里，现场人员复制粘贴就能用，减少自由发挥带来的不确定性。对于需要输出报告的场景，可以在提示词里明确要求“按以下格式输出：一、基本信息；二、风险点；三、建议”，这样机器人返回的内容直接就能贴进工作记录。
数据安全上，我建议把 OpenClaw 部署在内网虚拟机，飞书应用也限制在企业内部通讯录可见。涉及敏感数据的分析，优先让机器人调用本地工具完成，只把脱敏后的摘要发给模型做总结。Kali 虚拟机本身也要做好快照，配置完成后打一个干净的快照，后续折腾坏了可以快速回滚。
如果你在配置过程中卡在某一步，最有效的方式是把终端日志和飞书后台的报错截图一起发给模型，让它帮你定位。这套系统的组件比较多，模型、网关、飞书三者之间任何一环出问题都会表现为“机器人不回消息”，所以排查时要有耐心，从日志入手逐段确认。需要核对接口参数时，接入文档和 API Keys 页面是最直接的参考。模型选型拿不准的话，先在模型对话里试几个再定。长期跑 Agent 任务的话，Coding Plan 里有关于用量和并发的内容，可以提前了解一下。
