LLM API使用及基于高通6490部署openclaw

Wehling · 2026 年4 月 15 日 07:44

LLM API使用

环境准备

API KEY

选择的是阿里家的API KEY，所以完全按照它的准备工作一步步操作就能得到一个API KEY，从这里（阿里云百炼）进去，需要登录一下，能得到下面这个画面，再按照图中标注的位置进去，就能到生成API KEY的位置，如图2

image1669×821 170 KB

image1669×821 90.3 KB
成功获取到API KEY之后回到上文图1中的准备工作-配置API Key到环境变量，在1代机环境中设置API Key

image1669×821 127 KB

示例验证

代码

test.py：阿里云百炼提供的示例代码，代码中的API Key需要用上文中获取到的API Key

# import dashscope

# # 将你的 API Key 填入此处，或配置到环境变量
# dashscope.api_key = "sk-95d077b5eeed4da09cbbd75e7e07d27d"

# response = dashscope.Generation.call(
#     model=dashscope.Generation.Models.qwen_turbo,
#     prompt='你好，请介绍一下你自己'
# )

# if response.status_code == 200:
#     print(response.output.text)
# else:
#     print(f"调用失败: {response.message}")





# # 文本输出
# import os
# import dashscope

# messages = [
#     {'role': 'system', 'content': 'You are a helpful assistant.'},
#     {'role': 'user', 'content': '你是谁？'}
# ]
# response = dashscope.Generation.call(
#     # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
#     api_key=os.getenv('DASHSCOPE_API_KEY'),
#     model="qwen-plus", # 此处以qwen-plus为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
#     messages=messages,
#     result_format='message'
#     )
# print(response)



# # 流式输出
# import os
# import dashscope

# messages = [
#     {'role':'system','content':'you are a helpful assistant'},
#     {'role': 'user','content': '你是谁？'}
# ]
# responses = dashscope.Generation.call(
#     # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
#     api_key=os.getenv('DASHSCOPE_API_KEY'),
#     model="qwen-plus", # 此处以qwen-plus为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
#     messages=messages,
#     result_format='message',
#     stream=True,
#     incremental_output=True
#     )
# for response in responses:
#     print(response)  




# # 图像输入
# import os
# import dashscope

# messages = [
#     {
#         "role": "user",
#         "content": [
#             {"image": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/dog_and_girl.jpeg"},
#             {"image": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/tiger.png"},
#             {"image": "https://dashscope.oss-cn-beijing.aliyuncs.com/images/rabbit.png"},
#             {"text": "这些是什么?"}
#         ]
#     }
# ]
# response = dashscope.MultiModalConversation.call(
#     # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
#     api_key=os.getenv('DASHSCOPE_API_KEY'),
#     model='qwen-vl-max', # 此处以qwen-vl-max为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
#     messages=messages
#     )
# print(response)



# # 视频输入
# from http import HTTPStatus
# import os
# # dashscope版本需要不低于1.20.10
# import dashscope

# messages = [{"role": "user",
#              "content": [上
#                  {"video":["https://img.alicdn.com/imgextra/i3/O1CN01K3SgGo1eqmlUgeE9b_!!6000000003923-0-tps-3840-2160.jpg",
#                           "https://img.alicdn.com/imgextra/i4/O1CN01BjZvwg1Y23CF5qIRB_!!6000000003000-0-tps-3840-2160.jpg",
#                           "https://img.alicdn.com/imgextra/i4/O1CN01Ib0clU27vTgBdbVLQ_!!6000000007859-0-tps-3840-2160.jpg",
#                           "https://img.alicdn.com/imgextra/i1/O1CN01aygPLW1s3EXCdSN4X_!!6000000005710-0-tps-3840-2160.jpg"]},
#                  {"text": "描述这个视频的具体过程"}]}]
# response = dashscope.MultiModalConversation.call(
#     # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
#     api_key=os.getenv("DASHSCOPE_API_KEY"),
#     model='qwen-vl-max-latest',  # 此处以qwen-vl-max-latest为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
#     messages=messages
# )
# if response.status_code == HTTPStatus.OK:
#     print(response)
# else:
#     print(response.code)
#     print(response.message)



# # 音频输入
# import os
# import dashscope

# messages = [
#     {
#         "role": "user",
#         "content": [
#             {"audio": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3"},
#             {"text": "这段音频在说什么?"}
#         ]
#     }
# ]
# response = dashscope.MultiModalConversation.call(
#     # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
#     api_key=os.getenv('DASHSCOPE_API_KEY'),
#     model='qwen-audio-turbo', # 此处以qwen-audio-turbo为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
#     messages=messages
#     )
# print(response)



# 联网搜索
import os
import dashscope

messages = [
    {'role': 'system', 'content': 'You are a helpful assistant.'},
    {'role': 'user', 'content': '成都今天天气是什么？'}
    ]
response = dashscope.Generation.call(
    # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx"
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    model="qwen-plus", # 此处以qwen-plus为例，可按需更换模型名称。模型列表：https://help.aliyun.com/zh/model-studio/getting-started/models
    messages=messages,
    enable_search=True,
    result_format='message'
    )
print(response)

llm_client.py：简单的客户端实现，直接调用API

# llm_client.py
from openai import OpenAI

class LLMClient:
    def __init__(self, api_key: str, model: str = "qwen-plus", base_url: str = None):
        """
        初始化LLM客户端
        :param api_key: 阿里云百炼API Key
        :param model: 模型名称，如 qwen-plus, qwen-max
        :param base_url: API地址（可选，默认使用北京地域）
        """
        self.api_key = api_key
        self.model = model
        
        # 默认使用北京地域的兼容模式接口
        if base_url is None:
            base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
        
        self.client = OpenAI(
            api_key=api_key,
            base_url=base_url
        )
    
    def chat(self, user_message: str, system_prompt: str = None) -> str:
        """发送单条消息，返回AI回复"""
        messages = []
        if system_prompt:
            messages.append({"role": "system", "content": system_prompt})
        messages.append({"role": "user", "content": user_message})
        
        response = self.client.chat.completions.create(
            model=self.model,
            messages=messages
        )
        return response.choices[0].message.content


# 测试代码
if __name__ == "__main__":
    import os
    api_key = os.environ.get("DASHSCOPE_API_KEY")  # 从环境变量读取
    
    if not api_key:
        print("请先设置环境变量 DASHSCOPE_API_KEY")
    else:
        client = LLMClient(api_key=api_key)
        response = client.chat("你好，请介绍一下成都名字的来源")
        print(response)

openclaw部署

环境

# 确认环境中是否安装node.js，并且版本为 V22 以上
node -v 

# 如果没有，执行下述命令安装
# 添加 NodeSource 仓库（以 v22 为例，如果需要v24，将 setup_22.x 改为 setup_24.x）
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -

# 安装 Node.js 和 npm
sudo apt install -y nodejs

# 验证版本，应 ≥ v22.0.0
node -v
npm -v

安装openclaw

# 安装的指定版本 openclaw_v2026.3.13，如果遇到安装不了的问题，看下面的“遇到的问题-1”
npm install -g openclaw@2026.3.13

# 查看openclaw的已安装版本
openclaw --version

初始化openclaw配置

# 初始化配置（交互式）
openclaw onboard

剩下的配置，除了标记的2个，其他的可以先跳过

遇到的问题

1. 安装openclaw时提示“Error: EACCES: permission denied, mkdir ‘/usr/lib/node_modules/openclaw’”，没有权限安装全局包

解决：

# 1. 创建用户级全局目录
mkdir -p ~/.npm-global

# 2. 配置 npm 使用这个目录
npm config set prefix '~/.npm-global'

# 3. 将这个目录添加到 PATH（临时生效）
export PATH=~/.npm-global/bin:$PATH

# 4. 永久添加到 PATH（写入配置文件）
echo 'export PATH=~/.npm-global/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

# 5. 现在重新安装，不需要 sudo
npm install -g openclaw@2026.3.13

2.初始化配置之后执行 `openclaw gateway` 命令，Windows不能访问http:://{ip/localhost/127.0.0.1}:18789

解决：

方法1（临时）：使用 SSH 端口转发，如下图所示。此时再访问，可以访问 http:://{localhost/127.0.0.1}:18789，但还不能访问ip

方法2（推荐）：修改openclaw.json

# 1. 将监听地址改为“局域网”模式，
openclaw config set gateway.bind lan

# 2. 允许外部访问（解除安全限制）
openclaw config set gateway.controlUi.dangerouslyAllowHostHeaderOriginFallback true
openclaw config set gateway.controlUi.dangerouslyDisableDeviceAuth true

# 3. 设置允许访问的ip（可选，设置后的json如下图）
openclaw config set gateway.controlUi.allowedOrigins '["http://localhost:18789", "http://127.0.0.1:18789",  "http://192.168.110.165:18789"]'

# 4. 重新加载配置
openclaw gateway restart

# 5. 启动
openclaw gateway

3.token太长记不住，可以修改的

解决：如下图所示，初始化配置时终端输出的token保存在配置文件openclaw.json中，改一个方便自己记的

openclaw+自定义API后端

调用流程，如图：

自定义API示例

# 安装 fastapi uvicorn库
pip install fastapi uvicorn

CRUD API 示例代码

from typing import List, Optional
from pydantic import BaseModel
from fastapi import FastAPI, HTTPException
import uvicorn


app = FastAPI(title="CRUD Api for openclaw")

todos = []
nextId = 1

class TodoCreate(BaseModel):
    title: str
    description: Optional[str] = ""
    
class TodoUpdate(BaseModel):
    title: Optional[str] = None
    description: Optional[str] = None
    completed: Optional[bool] = None

class TodoResponse(BaseModel):
    id: int
    title: str
    description: str
    completed: bool
    
# 新增
@app.post("/api/todos", response_model=TodoResponse)
def createTodo(todo: TodoCreate):
    print(f"📝 [CRUD] createTodo called with title: {todo.title}")
    global nextId
    newTodo = {
        "id": nextId,
        "title": todo.title,
        "description": todo.description,
        "completed": False
    }
    todos.append(newTodo)
    nextId += 1
    return newTodo

# 查询列表
@app.get("/api/todos", response_model=List[TodoResponse])
def listTodos(completed: Optional[bool] = None):
    if completed is None:
        return todos
    return [ t for t in todos if t["completed"] == completed]

# 查询某个
@app.get("/api/todos/{todoId}", response_model=TodoResponse)
def getTodo(todoId: int):
    for todo in todos:
        if todo["id"] == todoId:
            return todo
    raise HTTPException(status_code = 404, detail="Todo not found")

# 更新
@app.put("/api/todos/{todoId}", response_model=TodoResponse)
def updateTodo(todoId: int, update:TodoUpdate):
    for todo in todos:
        if todo["id"] == todoId:
            if update.title is not None:
                todo["title"] = update.title
            if update.description is not None:
                todo["description"] = update.description
            if update.completed is not None:
                todo["completed"] = update.completed
            return todo
    raise HTTPException(status_code=404, detail="Todo not found")

# 删除
@app.delete("/api/todos/{todoId}")
def deleteTodo(todoId: int):
    global todos
    for i, todo in enumerate(todos):
        if todo["id"] == todoId:
            todos.pop(i)
            return {"message": "Todo deleted"}
    raise HTTPException(status_code=404, detail="Todo not found")

# 查看api服务状态
@app.get("/ping")
def ping():
    return {"status": "ok", "todoCount": len(todos)}


if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8888)

详可参考FastAPI教程

在openclaw配置skills

在 `~/.openclaw/workspace/skills/` 目录下创建 `todo_crud` 文件夹

# 创建自定义skills的目录
mkdir -p ~/.openclaw/workspace/skills/todo_crud

创建 `SKILL.md` 文件

！！！！注意：

文件名必须为 `SKILL.md`	大小写敏感，不能是 `skill.md` 或其它
必须放在正确的目录下	`~/.openclaw/workspace/skills/<技能名>/SKILL.md`
undefined	----
必须有 YAML frontmatter	文件开头必须用 `---` 包裹的元数据块
undefined	----
`name` 字段必填	唯一标识符，使用 `snake_case`（如 `todo_crud`）
undefined	----
`description` 字段必填	一行描述，告诉 AI 这个 Skill 的用途和何时触发
undefined	----

技能 todo_crud 示例代码：

---
name: todo_crud
description: 管理待办事项的完整 CRUD 操作，包括创建、查看、更新、删除待办事项
---

# 待办事项管理 Skill

当用户想要管理待办事项时，使用本 Skill 调用本地 Todo API 服务。

## 可用操作

### 1. 创建待办事项
当用户说"创建待办"、"添加任务"、"记个事"或类似意图时：
- 使用 `bash` 工具执行 curl 命令调用 POST /api/todos
- 提取用户提供的标题(title)和可选描述(description)

命令模板：
```bash
curl -s http://localhost:8888/ping

```bash
curl -X POST http://localhost:8888/api/todos \
  -H "Content-Type: application/json" \
  -d '{"title": "<用户给的标题>", "description": "<用户给的描述>"}'
  
```bash
curl -s http://localhost:8888/api/todos


```bash
curl -s http://localhost:8888/api/todos/<todoId>


```bash
curl -X PUT http://localhost:8888/api/todos/<todoId> \
  -H "Content-Type: application/json" \
  -d '{"completed": true}'
  
```bash
curl -X DELETE http://localhost:8888/api/todos/<todoId>

gakuson · 2026 年4 月 16 日 03:06

6490部署吗，有点东西！！

halibot · 2026 年4 月 16 日 03:09

哇噻，正好有一块犀牛派A1可以试试