ClawdBot多场景实践：Telegram私聊做个人助理，群聊做团队翻译官，频道做资讯分发

1. ClawdBot 是什么：你的本地化 AI 助手中枢

ClawdBot 不是一个云端 SaaS 服务，也不是需要注册账号的网页应用。它是一个你完全掌控在自己设备上的 AI 助手运行平台——你可以把它理解成“AI 助手的操作系统”。它不依赖外部大模型 API（比如 OpenAI 或某云厂商），而是通过本地部署的推理引擎（如 vLLM）加载开源模型，把整个对话、记忆、工具调用、多端接入的能力都收束在一个轻量但结构清晰的框架里。

它的核心价值在于“主权感”：你的聊天记录默认不上传、你的提示词不被分析、你的工作流不被限制。你不是在使用一个产品，而是在配置一个属于自己的智能体网络。ClawdBot 本身不直接生成文字或翻译句子，它像一位调度员，把用户请求分发给合适的“子智能体”——可能是 Qwen3-4B 做深度思考，也可能是 Whisper tiny 做语音转写，还可能是 PaddleOCR 做图片识别。这种模块化设计，让它既能做私聊里的贴心助手，也能在群聊中化身多语言翻译官，甚至还能为频道提供结构化资讯分发能力。

它不是玩具，也不是 Demo。从架构看，它包含网关层（处理 Telegram/HTTP/WebSocket 接入）、代理层（路由请求到不同模型或工具）、控制面（Web UI 配置与监控）、以及执行面（vLLM、Whisper、OCR 等本地服务）。这种分层设计，让扩展性变得非常自然：加一个新模型，改几行 JSON；接一个新渠道，配一个新插件；新增一个功能，写一个 Python 工具函数即可。对开发者友好，对终端用户也足够透明。

2. 私聊场景：把 ClawdBot 变成你的专属 AI 助理

2.1 快速启动：三步完成私聊接入

ClawdBot 的私聊能力基于 Telegram Bot API 实现，但和普通机器人不同——它不走官方 BotFather 的 webhook 模式，而是采用 polling（轮询）方式主动拉取消息。这意味着你无需暴露公网 IP、不用配置反向代理、也不用担心服务器被封禁。只要你的设备能联网，就能和它对话。

第一步是获取 Bot Token。打开 BotFather，发送 /newbot，按提示创建一个新机器人，拿到一串形如 1234567890:ABCdefGhIJKlmNoPQRstUvwXYZ123456789 的 Token。

第二步是配置。编辑 /app/clawdbot.json 文件，在 channels.telegram 节点下填入：

{
  "channels": {
    "telegram": {
      "enabled": true,
      "botToken": "1234567890:ABCdefGhIJKlmNoPQRstUvwXYZ123456789",
      "dmPolicy": "pairing",
      "groupPolicy": "deny"
    }
  }
}

这里 dmPolicy: "pairing" 表示只响应已配对用户的私聊消息；groupPolicy: "deny" 则明确关闭群聊支持，确保专注私聊场景。

第三步是启动并配对。运行 clawdbot start 后，用手机 Telegram 搜索你刚创建的机器人，点击 Start。此时 ClawdBot 会收到一条 /start 消息，但不会自动回复——它在等待你手动批准这个设备配对请求。

执行以下命令查看待处理请求：

clawdbot devices list

你会看到类似这样的输出：

ID        Status     Created              Last Seen
abc123    pending    2026-01-24 10:23:45  -

复制 ID，执行：

clawdbot devices approve abc123

批准后，你就能在 Telegram 私聊窗口中直接输入任何问题，比如：

“帮我写一封辞职信，语气礼貌但坚定，300 字以内”

ClawdBot 会调用本地 Qwen3-4B 模型生成内容，并以 Markdown 格式返回，支持代码块、列表、加粗等基础排版。

2.2 日常实用：不只是问答，更是工作流延伸

ClawdBot 的私聊能力远超“问一句答一句”。它支持上下文记忆（默认保留最近 10 轮对话）、文件上传（PDF/DOCX/TXT）、以及自定义工具调用。例如，你可以让它：

• 读取并总结 PDF 报告：上传一份 20 页的行业白皮书，发送 /summarize，它会调用本地文档解析器 + Qwen3 提取核心观点；
• 生成周报草稿：发送 /weekly my work this week: 1. 完成API对接；2. 修复登录bug；3. 编写测试用例，它会自动格式化为标准周报模板；
• 翻译技术文档片段：粘贴一段英文报错日志，发送 /translate zh，它会调用 LibreTranslate 引擎返回中文解释。

这些能力不需要写代码，只需在 Web 控制台左侧「Tools」菜单中启用对应插件，并设置触发关键词（如 /summarize）。所有处理都在本地完成，敏感信息不出设备。

3. 群聊场景：MoltBot —— 5 分钟上线的 Telegram 全能翻译官

3.1 为什么选 MoltBot？不是另一个翻译机器人，而是“翻译基础设施”

MoltBot 并非 ClawdBot 的子模块，而是一个独立但高度兼容的 Telegram 翻译机器人项目。它之所以能无缝融入 ClawdBot 生态，是因为两者共享同一套通信协议与配置范式。你可以把 MoltBot 看作 ClawdBot 在群聊场景下的“专业外挂”——它不抢主控权，而是作为“翻译子智能体”，被 ClawdBot 的网关统一调度。

它的最大特点是“零配置感知”。当你在群聊中 @MoltBot 发送一条消息，它会自动：

• 检测源语言（支持 100+ 语种，包括冷门如斯瓦希里语、乌尔都语）；
• 若消息含语音，调用本地 Whisper tiny 实时转写（<1 秒）；
• 若消息含图片，调用 PaddleOCR 识别图中文字（支持中/英/日/韩等多语混合）；
• 将识别结果交由 LibreTranslate（主引擎）或 Google Translate（fallback）翻译；
• 返回双语对照结果，并附带原文高亮（便于核对）。

整个过程平均耗时 0.8 秒，实测树莓派 4 上 15 人并发无卡顿。没有 API 调用费用，没有语音转写按秒计费，没有 OCR 按张收费——因为所有模型都在你本地跑。

3.2 一键部署：一条命令，群聊即刻多语互通

MoltBot 提供开箱即用的 Docker Compose 方案。你只需准备一个 docker-compose.yml 文件：

version: '3.8'
services:
  moltbot:
    image: moltbot/moltbot:latest
    restart: unless-stopped
    environment:
      - TELEGRAM_BOT_TOKEN=1234567890:ABCdefGhIJKlmNoPQRstUvwXYZ123456789
      - LIBRETRANSLATE_URL=http://localhost:5000
      - WHISPER_MODEL=tiny
      - OCR_LANGS=ch_sim,en
    volumes:
      - ./models:/app/models
    ports:
      - "5000:5000" # LibreTranslate 服务端口

然后执行：

docker compose up -d

5 分钟内，你的群聊就拥有了以下能力：

功能	使用方式	示例
文本翻译	@moltbot Hello world	自动识别为英文，翻译成群默认语言（如中文）
语音翻译	发送语音消息 + @moltbot	Whisper 转写后翻译，返回文字结果
图片翻译	发送截图/照片 + @moltbot	OCR 识别图中文字并翻译，支持中英混排截图
快捷查询	/weather Beijing	返回北京实时天气（调用本地气象 API）
汇率换算	/fx 100 USD to CNY	返回当前汇率及换算结果
百科检索	/wiki quantum computing	返回维基百科摘要（离线缓存版）

所有数据默认不落盘。若开启“阅后即焚”模式，每条消息处理完即从内存清除，连日志都不留。

4. 频道场景：结构化资讯分发的轻量实现方案

4.1 频道 ≠ 群聊：为什么资讯分发需要单独设计

Telegram 频道（Channel）和群组（Group）有本质区别：频道是单向广播，管理员发，订阅者看；群组是双向互动，所有人可发言。因此，把群聊翻译逻辑直接搬到频道会出问题——你不能让频道订阅者 @bot 提问，也不能让 bot 主动回复某条资讯下的评论（因为频道没有评论区）。

ClawdBot 对频道的支持思路很务实：不做“智能互动”，而做“智能分发”。它把频道当作一个“内容出口”，将结构化信息（如 RSS 源、数据库查询结果、API 返回数据）按预设规则，自动转化为适合 Telegram 阅读的图文消息，并定时/触发式推送。

虽然当前文档中提到“国内环境暂未实操”，但其设计逻辑值得借鉴：

• 数据源抽象：支持 RSS、JSON API、SQL 查询、本地 CSV 等多种输入；
• 模板引擎：用 Jinja2 语法编写消息模板，可插入变量、条件判断、循环；
• 发布策略：支持定时（如每天早 8 点）、事件触发（如数据库新增记录）、或手动触发（Web UI 一键推送）；
• 多频道管理：一个 ClawdBot 实例可同时管理多个频道，每个频道配置独立模板与数据源。

例如，你想为技术团队维护一个「AI 工具速报」频道，可以配置：

• 数据源：https://ai-tools.news/rss.xml
• 模板：

   {{ item.title }}
  
  {{ item.summary[:200] }}...
  
   {{ item.link }}
  ⏳ {{ item.pubDate | datetimeformat('%m-%d %H:%M') }}
  

• 策略：每小时拉取一次 RSS，仅推送标题含 “open source” 或 “local deploy” 的条目。

这样，频道就不再是人工搬运信息的“传声筒”，而是一个自动过滤、格式化、分发的“资讯中枢”。

4.2 替代路径：用私聊 + 群聊组合模拟频道能力

如果你暂时无法配置频道，ClawdBot 提供了一种降级但实用的替代方案：用私聊做“订阅管理”，用群聊做“内容广播”。

具体做法：

1. 创建一个专用 Telegram 群组，命名为「AI 工具速报·广播群」，仅管理员可发言；
2. 所有想接收资讯的成员，在私聊中向 ClawdBot 发送 /subscribe ai-tools；
3. ClawdBot 将用户 ID 记录到本地 SQLite 数据库；
4. 当有新资讯时，脚本调用 Telegram Bot API，向该群组发送消息，并@所有已订阅用户（通过 clawdbot users list --tag ai-tools 获取 ID 列表）。

这种方式牺牲了频道的纯净性，但完全规避了频道 API 的复杂配置，且同样实现了“精准触达+结构化内容”的核心目标。

5. 模型与能力定制：从 Qwen3 到 Whisper，你的模型你做主

5.1 模型切换：不只是换名字，而是换能力边界

ClawdBot 的模型配置不是简单的“下拉选择”，而是一套可编程的模型路由系统。你在 clawdbot.json 中定义的 providers，本质上是声明了一组“可用的 AI 服务端点”。例如：

"models": {
  "mode": "merge",
  "providers": {
    "vllm": {
      "baseUrl": "http://localhost:8000/v1",
      "apiKey": "sk-local",
      "api": "openai-responses",
      "models": [
        { "id": "Qwen3-4B-Instruct-2507", "name": "Qwen3-4B-Instruct-2507" },
        { "id": "Phi-3-mini-4K", "name": "Phi-3-mini-4K" }
      ]
    },
    "whisper": {
      "baseUrl": "http://localhost:9000",
      "model": "tiny"
    }
  }
}

这段配置意味着：

• vllm 提供文本生成能力，支持两个模型，可通过 model 参数指定使用哪一个；
• whisper 提供语音转写能力，固定使用 tiny 模型（轻量、快、适合边缘设备）；
• 当某个任务需要语音转写时，ClawdBot 会自动调用 whisper 提供者，而不是去 vllm 那里碰运气。

这种解耦设计，让你可以自由组合能力：用 Qwen3 做深度推理，用 Phi-3 做快速草稿，用 Whisper tiny 做语音输入，用 PaddleOCR 做图像理解——它们互不干扰，各司其职。

5.2 验证与调试：让模型真正“活”起来

配置完成后，务必验证模型是否真正就绪。ClawdBot 提供了简洁的 CLI 工具：

# 查看所有已注册模型
clawdbot models list

# 测试 vLLM 模型响应
clawdbot models test vllm/Qwen3-4B-Instruct-2507 --prompt "你好，你是谁？"

# 测试 Whisper 语音转写（需提供音频文件路径）
clawdbot models test whisper --audio /path/to/audio.mp3

如果 models list 输出中显示 Local Auth: yes 且状态为 ready，说明模型服务已成功注册并可被调用。若出现 unavailable，请检查对应服务（如 vLLM 的 http://localhost:8000）是否正常运行，端口是否被占用，模型权重路径是否正确。

Web UI 中的「Models → Providers」页面（图2）提供了可视化配置入口，适合不熟悉 JSON 的用户。但建议初期仍以 CLI 为主——它反馈更直接，错误信息更完整，是调试的第一道防线。

6. 总结：ClawdBot 的本质，是把 AI 能力从“服务”还原为“工具”

ClawdBot 和 MoltBot 的实践，揭示了一个正在发生的转变：AI 正在从“黑盒服务”回归“可组装工具”。过去我们用 ChatGPT，是接受它设定好的交互方式、知识边界和功能范围；而现在，ClawdBot 让你亲手挑选模型、定义流程、连接渠道、控制数据——它不承诺“最好”，但保证“可控”。

在私聊中，它是你的数字分身，帮你起草、总结、翻译、规划；
在群聊中，它是团队的通用接口，消弭语言隔阂，让跨国协作像母语交流一样自然；
在频道中，它是信息守门人，把杂乱的数据流，变成结构清晰、时效精准的决策依据。

它不追求参数规模的宏大叙事，而专注于工程落地的每一个细节：300MB 的 Docker 镜像、树莓派 4 的稳定运行、SOCKS5 代理的国内适配、MIT 协议下的商用自由。这些看似琐碎的选择，恰恰构成了它最坚实的价值底座。

真正的 AI 智能，不在于它能回答多少问题，而在于它能否成为你工作流中那个“刚刚好”的环节——不多不少，不快不慢，不喧宾夺主，却总在需要时恰如其分地出现。

---

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。