5 篇文章带有标签 “GLM”

聊天软件要集成 OpenClaw，主要有这几类方式（可以组合）：

1. 用 OpenClaw 自带的“Channel 插件”直连（推荐，最省事）
   • Telegram、WhatsApp、Discord、Slack、飞书/Lark、钉钉、Teams、Google Chat、Mattermost、Matrix、IRC、LINE、Signal、iMessage 等。
   • 在 OpenClaw 的初始化或 openclaw channels add 里直接选通道、按向导配置即可。
   • 本质上是：各 IM 的 Bot API / Webhook / Socket Mode / QR 扫码 对接到 OpenClaw 的 Gateway。初始化向导里可以看到支持的通道清单。
2. 通用 HTTP 接口集成（适合任意聊天平台）
   • OpenClaw 的 Gateway 提供了一个 HTTP 端点 /tools/invoke，可以调用单个工具（例如创建会话、发消息、拉取历史等），支持 Bearer 认证和 OpenAI 兼容的 /v1/* 风格接口。
   • 你的聊天软件后端只要能发 HTTP POST，就可以用这个接口和 OpenClaw 交互。
3. Gateway WS 协议集成（适合需要实时双向通信的场景）
   • OpenClaw 使用 Gateway WS 协议作为控制面+传输，所有客户端（CLI、Web UI、App 等）都走这个协议。
   • 如果你想自己写一个聊天前端或桥接层，可以直接按 Gateway WS 协议接入。
4. Webhook 入站集成（事件驱动）
   • OpenClaw 内置 Webhook 能力，可以接收外部系统推送的事件；社区教程也演示了如何通过 Webhook 接收任意第三方系统请求。
   • 很多 IM 本身就支持“收到消息 → 发 Webhook”，你把这些 Webhook 转发给 OpenClaw 即可。
5. 通过自动化/ iPaaS 平台“曲线集成”（n8n、Zapier、腾讯云/阿里云云函数等）
   • 比如用 n8n：邮件 → HTTP Request 调 OpenClaw API → 飞书通知，已经有人实践过。
   • 适合需要把 IM 和内部系统（工单、CRM、邮件等）串起来的复杂场景。

---

1. 用 OpenClaw 自带 Channel 插件直连（最常用）

原理：
OpenClaw 是“自托管网关+多通道 Agent 平台”，已经把常见聊天软件的接入做成了内置通道或插件，你只要按向导配置 Bot Token / Webhook / QR 码即可。 典型流程：

1. 部署并启动 OpenClaw（本地或云主机）。
2. 在初始化或 openclaw configure / openclaw channels add 里选择要接入的通道，例如：
   • Telegram（Bot API）
   • WhatsApp（QR pairing）
   • Discord（Bot API）
   • Slack（Socket Mode 或 HTTP Events API）
   • Feishu/Lark（飞书）
   • Microsoft Teams（Bot Framework）
   • Mattermost、Matrix、IRC、Google Chat、Signal、iMessage、LINE 等。
3. 按提示在目标聊天平台创建 Bot、填 Token / Webhook URL / App Token 等参数。
4. 启动 Gateway（openclaw gateway restart）并验证。 适合：

• 目标聊天平台在 OpenClaw 支持列表内，且你希望快速把 AI 能力接入现成 IM。

---

2. 通用 HTTP 接口集成（任意聊天软件）

原理：
Gateway 提供了一个始终启用的 HTTP 端点 POST /tools/invoke，用于直接调用单个工具，支持 Gateway 级别的认证与权限控制。 关键信息：

• 端点：http://<host>:<port>/tools/invoke（与 Gateway WS 共用端口）
• 认证方式：
  • Bearer Token（gateway.auth.token / OPENCLAW_GATEWAY_TOKEN）
  • 或 Password（gateway.auth.password）
  • 或无认证（仅建议在私有网络/入口使用）
• 支持通过 HTTP 头传递上下文，例如：
  • x-openclaw-message-channel: slack / telegram 等
  • x-openclaw-account-id（多账号时）
• 请求体示例（列出会话）：

  {
    "tool": "sessions_list",
    "action": "json",
    "args": {},
    "sessionKey": "main",
    "dryRun": false
  }
  

集成方式：

• 在你的聊天软件后端：
  1. 维护 OpenClaw 的地址与 Token；
  2. 收到聊天消息时，调用 /tools/invoke 触发 OpenClaw 的对话/任务工具；
  3. 把返回结果格式化后发回聊天通道。 适合：
• 想把 自研聊天 App/后台 接到 OpenClaw；
• 使用 OpenClaw 做统一的 AI 能力网关，前端聊天系统只负责展示和收发消息。

---

3. Gateway WS 协议集成（前端/实时集成）

原理：
OpenClaw 的所有客户端（CLI、Web UI、桌面/移动端 App）都使用统一的 Gateway WS 协议 作为控制面+传输。
集成方式：

• 按官方 Gateway 协议规范，实现一个 WebSocket 客户端（JS/Flutter/桌面/Electron 等），连接到 Gateway；
• 使用协议定义的消息类型进行会话管理、消息收发、工具调用等；
• 再在你的聊天 UI 里只渲染消息和会话状态。 适合：
• 自建聊天前端，希望与 OpenClaw 有更细粒度的实时交互（比如实时打字、多轮工具调用状态展示）。

---

4. Webhook 入站集成（事件驱动）

原理：

• OpenClaw 内置 Webhook 支持，社区教程也有“day10-webhooks”的实战：通过内置的轻量 HTTP 服务端接收任何第三方系统 Webhook。
• 官方 Webhooks 插件还提供了带认证的 HTTP 路由，把外部事件绑定到 OpenClaw 的 TaskFlow。 集成方式：

1. 在聊天平台侧配置：
   • 消息事件 → 发送到你的 Webhook（例如 https://your-domain/webhook）。
2. 在你的服务端（或 OpenClaw 自带的 Webhook 服务端）：
   • 接收 Webhook，格式化成 OpenClaw 需要的事件结构；
   • 转发给 OpenClaw（HTTP 或 WS），触发 Agent 回复/执行任务；
   • 再把结果推回聊天平台（通过平台提供的 Bot API）。 适合：

• IM 平台只提供“事件 Webhook”而不是 Bot API，或者你希望把多个 IM 统一接到同一个 OpenClaw 实例。

---

5. 通过自动化 / iPaaS 平台集成（n8n/Zapier/云函数等）

原理：

• OpenClaw 提供了 HTTP API，自动化工具可以直接调用。
• 腾讯云社区有教程演示：n8n 工作流中用“HTTP Request”节点调用 OpenClaw API，再触发飞书通知等。 集成方式：
• 在 n8n / Zapier / 腾讯云函数 / 阿里云云函数等：
  • 创建一个“聊天消息触发器”（例如飞书机器人收到消息、Slack Event、微信/企微 Webhook）；
  • 用 HTTP Request 节点调用 OpenClaw 的 /tools/invoke 或兼容的 /v1/* 接口；
  • 把返回结果发回 IM 或其他业务系统。 适合：
• 需要快速串联多个系统（IM + 邮件 + 工单 + 数据库）的场景；
• 不想写太多后端代码，用低代码平台打通即可。

---

6. 选型建议（怎么选最适合你的方式）

• 如果你用的 IM 是：Slack / Telegram / Discord / WhatsApp / 飞书 / Teams / Mattermost / Matrix / IRC / LINE / Google Chat 等
  → 优先用 OpenClaw 自带 Channel 插件，按向导配置即可。
• 如果你用的是自研聊天 App，或者想统一做多 IM AI 网关
  → 用 Gateway HTTP /tools/invoke + Gateway WS 协议，自己写一层薄后端桥接。
• 如果你的 IM 只提供 Webhook 事件
  → 用 Webhook 入站 + OpenClaw Webhook 插件，做事件到 Agent 的映射。
• 如果你需要跨系统自动化（IM+邮件+工单+CRM 等）
  → 用 n8n / iPaaS + OpenClaw HTTP API。

本文档介绍了多模态大模型GLM-4.1V-Thinking，这是一个基于 GLM-4-9B-0414 的开源视觉语言模型，通过强化学习显著提升了其性能。文档详细阐述了该模型在设计图转代码（Design2Code）任务上的卓越表现，能将设计图转换为高质量的HTML/CSS代码，并提供了与Qwen-2.5-VL-32B-Instruct的对比示例。此外，资源还展示了如何通过智谱API免费使用GLM-4.1V-Thinking进行图像识别，并给出了一个安全检测系统的代码示例，该系统能够识别图像中的火灾、烟雾以及人员安全帽佩戴情况，并进行坐标标注，强调了模型在实际应用中的潜力。

基于 GLM-4-9B-0414 基座模型，我们推出新版VLM开源模型 GLM-4.1V-9B-Thinking ，引入思考范式，通过课程采样强化学习 RLCS（Reinforcement Learning with Curriculum Sampling）全面提升模型能力， 达到 10B 参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的 Qwen-2.5-VL-72B。 论文 GLM-4.1V-Thinking：通过可扩展强化学习实现通用多模态推理

• Design2Code
• Flame-Code-VLM

GLM-4.

GLM-4V-9B 是智谱 AI 推出的最新一代预训练模型 GLM-4 系列中的开源多模态版本。 GLM-4V-9B 具备 1120 * 1120 高分辨率下的中英双语多轮对话能力，在中英文综合能力、感知推理、文字识别、图表理解等多方面多模态评测中均表现优异。

• GLM-4V-9B HuggingFace
• GLM-4V-9B Demo
• GLM-4

相比 CogVLM2 能力还是不如。

• 识别手写有问题
• 识别复杂表格有问题
• 识别化学的答案有问题

识别中文

提示词：输出图像中的文字

贵公司被认为中标人。中标价格为：307.6万元。 请贵公司在收到本中标通知书之日起30天内，携带所有签订合同所需的资料（包括但不限于法定代表人授权书、技术规范、技术图纸等），并按照招标文件和中标人的投标文件与项目单位订立书面合同。合同签订的安排由项目单位另行通知。 请贵公司收到本中标通知书后，签收并速回函确认。

• ❌ 漏了 确
• 👍 括号 （） 识别成全角

识别手写英文

提示词：识别图像上的手写英文

I think student have many after-school classes is don't good for they. So I thing the student don't have after-school classes.

1. 更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
2. 更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
3. 更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。

git clone https://huggingface.co/THUDM/chatglm-6b THUDM/chatglm-6b

• 在国内为了加快下载速度，模型文件可以单独从 清华云 下载。