这几天，Clawdbot实在太火爆了，已经在Github上狂飙80K Star。过去三天，Star数涨得就像坐火箭一样。

开源地址：https://github.com/moltbot/moltbot

为什么我没写Clawdbot？因为我还没抢到Mac Mini。。

不过，没关系，现在国内已经有越来越多的云厂商提供Clawdbot的云服务，一个月才几十块钱。

今天，就手把手教大家如何用云服务的方式，接入Clawdbot。

01 Clawdbot是什么？

Clawdbot，简单理解，就是一个开源版的AI bot。

它能自动处理你的任何需求，并通过社交软件反馈给你，比如帮你盯盘、刷推特、写方案、搜集日报、发博客等。

一开始，Clawdbot的作者为了致敬Claude而取名「Clawdbot」。结果昨天被Anthropic要求改名，于是现在Clawdbot的正式名字变成「Moltbot」（本文统一以名字写作）。

Anthropic这家恶心的公司，总能刷新我们的认知

它和其他AI Agent有所不同，这是一个完全在你本地运行的Agent，而且开源。

理论上，只要你的硬盘足够大，这玩意可以拥有无限的记忆力。既可以7*24小时工作（电脑不关机），也可以远程指挥。

人类与它的Chat方式，主要是通过聊天软件或办公协作平台完成，比如WhatsApp、Discord、WebChat、iMessage等。

我估计，国内像飞书、企微这些平台应该也快了。

如果通过阿里云部署的话，现在钉钉和QQ已经可以唤醒Moltbot。

但目前，Moltbot有个问题，就是它能操作电脑的权限实在太高了，自己真实的工作电脑不太敢拿给它用。

所以，现在主流方案是，要么整个不常用的电脑（比如适合端侧部署的Mac Mini），要么租个便宜的云服务体验。

通过云服务器体验，有3大好处：

1）真7*24小时工作，不用担心电脑断电、休眠的问题。

2）有专属的云环境隔离，敏感操作更放心。

3）性价比高，一个月也就几十块钱。

话不多说，我们正式进入今天的教程，教大家如何用云服务接入Moltbot。

02 保姆级教程

教程主要分为5个部分：

1）租用服务器

2）配置Moltbot

3）集成到钉钉

4）测试bot

5）其他部署方式

需要用到的平台和工具有：

1）阿里云服务器

2）阿里云百炼平台

3）钉钉开发平台

4）钉钉

1）租用服务器

租服务器的话，我建议用阿里云，既稳定又安全，新用户最低68元就能租一年。

而且，它有全套的云服务和生态，包括服务器、模型和钉钉。

服务器租用地址是：https://swasnext.console.aliyun.com/buy#/

内存，选2Gib以上。

地区，选美国弗吉尼亚。

然后付款，1个月56元（新用户优惠很大）。

付完款后，你就有了自己的云服务器，依次点“远程连接”-“登录”。

这时，你已经可以连上这台服务器了，你可以把它理解为是你的云电脑，已经开机，并预装了各种环境和Moltbot安装包。

但这时还没有配AI模型，所以还不能跑任务。

2）配置Moltbot

接下来，就是给Moltbot配一个AI模型。

Moltbot支持的模型非常多，基本上兼容OpenAI和Anthropic的模型它都支持，比如GPT、Claude、Gemini、Qwen、GLM、Kimi、Minimax等。

我们以阿里云百炼平台为例，点“密钥管理”，创建一个新的API Key（千万不要告诉他人）。

地址：https://bailian.console.aliyun.com

然后，再回到前面的服务器页面，点“实例ID”。

进入“应用行情”详情页，配置Moltbot。

先给端口放通，点“1端口放通”的“一键放通”即可。

然后配置API，点“2配置Moltbot”的“执行命令”，输入百炼的API Key。

完成API Key配置后，你会看到这样的页面提示。

最后配置Moltbot，点“3访问控制页面”的“执行命令”，生成访问Moltbot的Token。

然后，复制这个Moltbot的Token链接，在浏览器里打开。这时候，你已经可以与Moltbot对话。

但我们不可能每次都在这个网页链接里，与Moltbot对话。

我们需要把Moltbot封装成ResponseAPI，这样就能以API的形式使用Moltbot了。

回到Moltbot页面，依次点Setting > Config > Gateway，切换至Http页签，在Responses区域把Enabled开启，然后点Save保存就可以了。

3）集成到钉钉

接下来，我们把Moltbot集成进钉钉里。

打开钉钉开发平台，点“创建应用”，依次填入应用名称、应用描述（自己随便想），并上传应用图标，完成后点保存。

入口：open-dev.dingtalk.com

然后，点击左侧菜单“凭证与基础信息”，提前复制好Client ID和Client Secret备用，用于后面的连接流创建。

接着，我们要给钉钉机器人创建一个消息卡片。点顶部菜单“开发能力”，进入卡片平台。

点“新建模板”，卡片类型选消息卡片，模板场景选择AI卡片，然后填入前面创建的应用名称，完成后点“创建”。

这时候会进入模拟编辑页面，在这里不要进行任何额外操作，直接保存并发布这个模板。完成后，返回模板列表页面。

在模板列表页面，复制好模板ID备用，后面创建连接流需要用到。

然后，找到刚创建的应用，点击应用名称，进入详情页面。

点左侧菜单“权限管理”，在左侧搜索框分别输入Card.Streaming.Write和Card.Instance.Write，并在操作栏点“开通权限，给应用发送卡片消息授权。

然后，使用AppFlow模板创建连接流，点“立即使用”进入创建流程。

地址：

https://appflow.console.aliyun.com/vendor/cn-hangzhou/flow/fastTemplate/tl-81856c0550684f50929b

这个时候，我们看到有两个地方都是未授权，我们需要给它添加凭证。

第一个，Moltbot的凭证，输入在第二个环节获得的Moltbot Token。

第二个，钉钉应用机器人，输入我们前面创建的钉钉应用的Client ID和Client Secret。

然后点“下一步”，填入模型名称（默认alibaba-cloud/qwen-vl-plus）、公网地址（云服务器那里写得有）以及获取钉钉卡片模板时的模板ID，完成后继续点“下一步”。

然后是基本信息，保持默认就可以了，继续点“下一步”。

最后都完成后，界面会提示流程配置成功，复制好WebhookUrl备用，点击发布。

现在，继续回到钉钉开发者后台，找到刚刚创建的应用，点击应用名称进入详情页面，给这个应用添加一个机器人。

参考下图完成机器人配置，然后发布。

名称、图标、简介、描述和消息预览页这些都是小事，关键是消息接受模式要选择HTTP模式，消息接收地址则填入我们前面获得的WebhookUrl。

创建好的应用，如果我们需要把它提供公司其他用户使用，还需要发布一个版本。

在钉钉应用页面，点击应用。

点左侧导航栏“版本管理与发布”，然后创建一个版本号，再点“发布”就可以了。

4）测试bot

到这里，这个Moltbot就算正式接入进钉钉里了。

我们可以把它拉进群聊，也可以与它单聊，对话、下任务。

从现在起，你就有了一名超级高效的AI同事。

同理，接进QQ，流程也基本差不多。

你可能会问，能集成进微信吗？不能。因为微信很封闭，只能看小马哥自己了。

5）其他部署方式

以上1-4步，是采用租云服务器的方式部署，路径稍微复杂了点（主要是集成进钉钉比较消耗时间）。

详细操作步骤：

https://help.aliyun.com/zh/simple-application-server/use-cases/quickly-deploy-and-use-moltbot

另外，阿里云还提供了另一种部署方式：无影云电脑。

只需要三步：

a、打开Moltbot专属镜像，购买套餐

b、配置Moltbot

c、集成进其他软件里

详细部署流程，我放在这里了。感兴趣的朋友，可以看看。

无影云电脑部署流程：

https://help.aliyun.com/zh/edsp/getting-started/quickly-create-moltbot-through-wuying-cloud-computer-personal-edition

03 写在最后

Moltbot为什么会爆火，我觉得很关键的一点是：AI开始从“被动”走向“主动”。

过往，我们使用AI，要打开这个入口、那个网站，甚至有的时候还要求你必须打开APP。

而现在，以Moltbot为代表的AI bot已经开始主动走进我们的工作、生活，帮我们订票、写报告、盯盘、整理资讯，而且还能主动发给你。

它7*24小时工作，不知疲倦，不知内卷。我感觉，贾维斯时刻好像真的到来了！

当然，这个部署流程其实并不轻松，还有一定的门槛。

但只要完成部署，你就不再是去找AI，而是AI主动找你。

从工具，变成同事；从被动响应，变成持续工作。

当AI开始长期陪跑，门槛就不再是负担，而是分水岭。

所以，不妨现在就动手。

折腾一下，总有收获。

2025 年已经过去 1/3，如果用关键词来概括 AI 领域的发展你会想到什么？这是我想到的：开源、创新加速加速加速。

2 月是「DeepSeek」的，R1 以所有人意想不到的方式，让全球执牛耳的 AI 开发者、创业者、投资人把目光锁定在「DeepSeek」「中国」「开源」上。

4 月是「开源模型」的，发令枪是 Meta 喊的。被 DeepSeek 盖过风头后，2025 年 2 月 19 日，坐不住的 Meta 率先官宣——首个生成式 AI 开发者大会 LlamaCon 将于当地 4 月 29 日（北京时间 4 月 30 日）举行，颇有重新夺回「AI 开源界老大」江湖地位的意欲。

但 AI 领域的产品发布节奏就是很微妙，什么时候发布似乎取决于对手的动作，作为一种心照不宣的默契，Meta 一声枪响让 4 月底成为开源模型的主场。

整个 4 月甚至更早，AI 开发者们都在各大社交平台「蹲」开源领域「三大头牌」的新发布：DeepSeek-R2、Qwen3 以及 Llama4。Llama4 由于本月初的发布低于预期，似乎少了一些热度。

目前看起来，4 月底最受关注的还是中国队，R2 呼之欲出，Qwen3 终于来了。

4 月 29 日凌晨 5 点，阿里巴巴开源新一代通义千问模型 Qwen3，参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。X 平台的开发者网友甚至把今天定义为「Happy Qwen3 Day」，不仅因为 Qwen3 全面超越 R1，更因为 Qwen3 家族的多尺寸、内置 MCP 支持、支持混合推理等实用性的功能点。

官方技术报告进一步给出了 Qwen3 的几大亮点：

「探索智能上限」再突破：通过扩大预训练和强化学习的规模，实现了更高层次的智能；

国内首个「混合推理模型」：无缝集成了思考模式与非思考模式，为用户提供了灵活控制思考预算的能力；

增强了 Agent 能力：正从专注于训练模型的时代过渡到以训练 Agent 为中心的时代。

对于 Qwen3，个人用户现在就可以在「通义」APP 或 chat.qwen.ai 网页直接体验，夸克也即将全线接入 Qwen3。开发者和企业则可以免费在魔搭社区、HuggingFace 等平台下载模型并商用，或通过阿里云百炼调用 Qwen3 的 API 服务。

憋了这么久的 Qwen3 到底怎么样？又代表哪些模型发展的趋势？

01 Qwen3，登顶全球最强开源模型

Qwen3 包含 2 个 MoE 和 6 个密集模型，阿里云开源了两个 MoE 模型的权重，六个 Dense 模型也已开源，包括 Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B 和 Qwen3-0.6B，均在 Apache 2.0 许可下开源。

Qwen3 开源模型家族

其中，旗舰型号 Qwen3-235B-A22B 参数量仅为 DeepSeek-R1 的 1/3，成本大幅下降，性能全面超越 R1、OpenAI-o1 等全球顶尖模型，登顶全球最强开源模型。

此外，据阿里云官方介绍，Qwen3 是国内首个「混合推理模型」。「快思考」与「慢思考」集成进同一个模型，对简单需求可低算力「秒回」答案，对复杂问题可多步骤「深度思考」，大大节省算力消耗。

Qwen3 在推理、指令遵循、工具调用、多语言能力等方面均大幅增强，创下所有国产模型及全球开源模型的性能新高：在奥数水平的 AIME25 测评中，Qwen3 斩获 81.5 分，刷新开源纪录；在考察代码能力的 LiveCodeBench 评测中，Qwen3 突破 70 分大关，表现甚至超过 Grok3；在评估模型人类偏好对齐的 ArenaHard 测评中，Qwen3 以 95.6 分超越 OpenAI-o1 及 DeepSeek-R1。

性能大幅提升的同时，Qwen3 的部署成本还大幅下降，仅需 4 张 H20 即可部署千问 3 满血版，显存占用仅为性能相近模型的三分之一。

Qwen3 性能｜图片来源：阿里云

此外，小型 MoE 模型Qwen3-30B-A3B 的激活参数数量是 QwQ-32B 的 10%，表现更胜一筹，甚至像 Qwen3-4B 这样的小模型也能匹敌 Qwen2.5-72B-Instruct 的性能。

据介绍，Qwen3-235B-A22B 是一个拥有 2350 多亿总参数和 220 多亿激活参数的大模型；Qwen3-30B-A3B 则是一个拥有约 300 亿总参数和 30 亿激活参数的小型 MoE 模型。

得益于在预训练、大规模强化学习和推理模式整合方面取得的显著进展，Qwen3 主打「思考更深、行动更快」，更好地构建 AI 应用。Qwen3 预训练数据量达 36T，并在后训练阶段多轮强化学习，将非思考模式无缝整合到思考模型中。

值得注意的是，这次 Qwen3 的发布，主打混合推理，但是需要思考的长度最短也是 1024tokens，否则如果问题所需要的推理预算用不满 1024tokens，根本感受不到可以调节精度的混合推理模型的好。也就无法发挥用 Qwen3 不同程度的思考，灵活满足 AI 应用和不同场景对性能和成本的多样需求。

截图来源：X

02 大模型全面转向「混合推理模型」和「Agent」

在 Qwen3 发布的前一天，X 平台已有「行业人士」——日本的大模型厂商 SakanaAI 的一位工程师敏锐地捕捉到了 Qwen3 的重点。当天，在 AI 领域最重要的学术会议之一 ICLR 2025 的一个工作坊上，阿里云通义实验室通义千问负责人林俊旸透露了 Qwen 的下一步方向：推理模型和非推理模型的统一，以及面向 agent 的大模型。

这正是今天发布的 Qwen3 最大的两个特点，同时也是大模型厂商们正在集体发生的转向。

2025 年 2 月 25 日，Anthropic 发布了最新的旗舰模型 Claude 3.7 Sonnet，同时也称作是市场上首个混合推理模型。这意味着 Claude 3.7 Sonnet 能够生成即时的响应（快思考），也可以进行延展的、逐步的思考（慢思考）。API 用户还可以细粒度地控制模型的思考时长；当给定更长的思考时间，理论上会有更高质量的答案。

Anthropic 表示，混合推理模型的架构代表下一代前沿模型，可以让模型像人类用同一个大脑一样，既能快速反应又能深度思考，这既能为用户创造更无缝的体验，也能让用户通过 API 使用 Claude 3.7 Sonnet 时，可以控制思考的预算。比如：可以告诉 Claude 最多思考 N 个 token，N 的取值可以达到其输出限制的 128K token，从而在回答质量与速度（及成本）之间进行权衡。

「混合推理架构」也得到了 OpenAI 的青睐。Sam Altman 在更早的时间看到，当前的模型和产品供应已经变得非常复杂，希望 AI 能「开箱即用」、简化产品供应，「我们和你一样讨厌模型选择器，想要回归神奇的统一智能，之后，我们的一个重要目标是通过创建能够使用我们所有工具、知道何时需要长时间思考或不需要的系统，统一 o 系列模型和 GPT 系列模型，整体上能广泛适用于各种任务。」

就像在 DeepSeek-R1 里一样，点选「深度思考」背后调用的是推理模型 R1 做的长推理，不选则调用的是基座模型 V3 即时生成的答案。现在，模型厂商把「思考的颗粒度」这个选择权更灵活、广泛地交给用户来控制推理预算。

在 Qwen3 中，可以滑动「思考预算」的按钮，来控制思考的最大长度，从而匹配合适的推理质量和成本。

在思考模式下，Qwen3 模型会逐步推理，经过深思熟虑后给出最终答案，适合需要深入思考的复杂问题。在非思考模式下，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题。这种灵活性使用户能够根据具体任务控制模型进行「思考」的程度。这两种模式的结合大大增强了模型实现稳定且高效的「思考预算」控制能力，在成本效益和推理质量之间实现更优的平衡。

另一个模型厂商的转向则是 Agent。随着 Manus 验证了 Claude 3.5 Sonnet 达到了通用 agent 的一些能力，加上模型调用工具、实现 agent 能力的统一协议——MCP 在越来越大的范围内被拥抱，下一代模型要面向 agent、面向实际场景来优化。

就 Qwen3 来说，正在迈向以训练 Agent 为中心的阶段，当前 Qwen3 优化了 Agent 和 代码能力，同时也加强了对 MCP 的支持。据称，Qwen3 原生支持 MCP 协议，并具备强大的工具调用（function calling）能力，结合封装了工具调用模板和工具调用解析器的 Qwen-Agent 框架，将大大降低编码复杂性，实现高效的手机及电脑 Agent 操作等任务。

在该示例中，Qwen3 思考并自主调用工具到 Github 数开源模型获得的 star，继续思考并调用绘图工具制作图片，并调用工具保存。｜视频来源：阿里云

03 开源模型新一轮竞赛开启

Qwen3 的发布，意味着开源模型领域新一轮「三国杀」已然开始。

事实上，随着 DeepSeek 的横空出世，加上 OpenAI、字节等大厂调整对开源的态度，开源已然成为大模型赛道的大势所趋。而 Llama、Qwen 和 DeepSeek，正是目前开源领域最有竞争力的玩家。

Hugging Face 联合创始人、CEO Clement Delangue 发推暗示 DeepSeek 即将带来新发布。｜截图来源：X

而此前 OpenAI 和 DeepSeek 的成功已经证明，互联网时代的生态、用户和产品壁垒，今天在 AI 时代并没有互联网时代那样牢不可摧，模型能力才是基础大模型公司的核心竞争力。而 Llama、Qwen 和 DeepSeek 的胜者，有可能在下一个发布周期到来前（至少在 OpenAI 的开源模型发布前），成为整个 AI 行业的引领者。

虽然新一代模型能力的强弱，还要等待 Llama 和 DeepSeek 的发布，但值得关注的是，这三家开源模型厂商的生态策略亦有差异，这点从模型的侧重点就能看出端倪。

DeepSeek 和 Meta 的侧重点也有不同，但一个共同点都是不太重视 ToB，至少是在服务生态的建设上并不成功。而这点也是 Qwen 和其背后的阿里云最重视的部分。

极客公园曾在此前的文章里写过，脱胎于阿里云 Qwen，是最有以开源模型技术领先性、广泛全面开源的策略，追求生态建设的架势。阿里的 AI 战略里除了追求 AGI，也同样重视 AI 基础设施建设，以及更上层的与阿里的电商、钉钉、夸克等 AI 应用的结合。

此前，阿里云智能集团资深副总裁、公共云事业部总裁刘伟光表示，「阿里云是全世界唯一一家积极研发基础大模型并全方位开源、全方位贡献的云计算厂商。」

而 Qwen 模型下载量和衍生模型数量这两个衡量的生态的指标也同样领先。根据阿里云官方的最新数据，阿里通义已开源 200 余个模型，全球下载量超 3 亿次，千问衍生模型数超 10 万个，已经超越 Llama 位居全球开源模型的第一。

而新模型选择在进一步优化推理成本、混合推理和 Agent 上发力，显然 Qwen 瞄准的是开发者和 B 端用户的部署需求。这也将成为 Qwen 与 DeepSeek、Llama、OpenAI 等竞争对手最大的不同，也是阿里能否赢得 AI 时代的一张船票的关键所在。

作者：宛辰

来源：极客公园