每天白嫖4000万Token?腾讯QClaw“养龙虾”全图文指南

最近“养龙虾”已经变成了一个热门话题,那么小白怎么快速养一个自己的小龙虾呢?

之前我写过一篇硬核的 OpenClaw 安装教程,比较适合程序员或者互联网圈子里的朋友折腾。但那篇文章被恶意投诉关了小黑屋,想折腾底层的朋友可以自己去 OpenClaw 官网看文档,这里咱们就不多说了。

前言

上周腾讯出了一个 QClaw,就是基于 OpenClaw + Electron 进行包装了一个界面,而且每天赠送 4000万 Tokens,所以不必担心费用问题(当然后面会不会开启付费暂时不确定)。注意!真没收广告费。

安装QClaw只需要3步,你就可以通过微信(或者其他支持的通讯工具)去指挥你的龙虾大军了。

开始安装

1. 下载 QClaw

首先打开 https://qclaw.qq.com/ 官网

找到网页最下面的下载按钮,目前支持 MacOSWindows两个版本,找到对应系统的进行下载安装包,下载完成后进行安装。

安装完成之后,打开QClaw

2. 登录QClaw

点击左下角进行登录,电脑登录过微信的就会让你直接进行授权,没登录的就会让你扫码登录。

3. 关联通道

登录完成之后我们需要绑定到微信或者其他通讯工具的通道,这样才能通过各类即时通讯App去指挥龙虾。

我这里选的微信,点击扫码在手机上点击确认之后,即可直接通过手机微信进行聊天

使用

打开微信找到 微信 ClawBot 发送消息指令,即可进行对话

注意,如果你没有找到 微信Clawbot ,说明你的微信版本没有升级到最新版本,记得检查更新

进阶使用

技能

不管是 OpenClaw 还是 QClaw,最核心的永远是技能(skills),就像是程序员有写代码的技能、金融分析师有写财报的技能。而Claw就是集成这些技能的一个载体,也就是说你的小龙虾,可以是一个会很多技能的AI员工,它可以操作你的电脑,帮你写各种文案,定时提醒你需要做什么。

那么怎么赋予龙虾这些技能呢?在QClaw 的设置 -> 技能管理中进行添加各种技能。

当然这些技能还不够全面,你可以去到腾讯官方的 https://skillhub.tencent.com/ 网站,这个 SkillHub 就是一个插件市场,通过关键词找到你需要的 skill

例如我这里想安装一个消除AI生成文案的“AI味”,那么我就找到了 Humanizer 。

直接复制里面的提示词信息,发送给QClaw即可,可以直接通过QClaw直接发送,也可以通过消息通道微信(或者前面绑定的其他App)

复制发送给QClaw后,他就自己去安装技能了。可以看到这个对话下面的技能列表就已经展示了我刚刚安装的Humanizer技能

配置自定义模型

模型在AgentOpenClawQClaw)中算比较重要的,模型输出的质量,思考的方式都尤为关键,国内用户推荐使用以下模型。

  • GLM 5

  • Kimi K2

  • DeepSeek v3

  • MiniMax 2.7

当然如果你有 Gemini 和 Claude 账号,效果会更好。当然你也可以去找国内模型分发厂商,后面我也会告诉你如何配置外部模型。

生成API Key

本人在 QClaw 中使用的 DeepSeek,在 OpenClaw 中使用 Gemini 居多,所以这里采用DeepSeek作为案例

去到 DeepSeek Platform https://platform.deepseek.com/usage 开放平台,用来充值和管理 Api Key

先在 API Keys 中创建一个Api key,随便输入一个名称即可复制保存好。

配置模型

QClaw对话框左侧中找到模型设置,这里直接选择 DeepSeek,填入你刚刚生成的 Api Key,默认带出来的模型选择 deepseek-chat 即可。然后点击确认就可以开始对话了。

可以看到,模型配置完成之后你询问它是什么模型,他如实回答为 deepseek-chat ,配置其他模型同理

设置默认模型

注意,非行业人士,请勿操作,或跳过。这里主要讲解如何覆盖QClaw的默认模型和怎么配置外部模型。

进入终端进入 /Users/<username>/.qclaw 找到 openclaw.json 这里是核心配置文件。你可以使用自己的模型,覆盖这个QClaw的配置。

定时任务

在龙虾中,定时任务也是一个核心的功能,我在这里给QClaw发送一个定时相关的消息。

在每天的 8:30 ~ 22:30 ,间隔30分钟提醒我喝水,间隔1小时提醒我站起来眺望远方。

工作室

如果你觉得界面很无聊,可以在顶部切换至工作室,这是一个像素风格的AI办公室,可以随时观察小龙虾到底在做啥,里面还有些小彩蛋。

这部分集成的开源项目(Star-Office-UI),有兴趣的朋友也可以去看下  https://github.com/ringhyacinth/Star-Office-UI

最后

到这里我已经把一些基础的使用说完了。如果有任何疑问欢迎在评论区讨论或者私信我,我会一一解答。

如果你想了解OpenClaw原理,或者想自己做一个Agent可以参考我上一期的文章

内容概要:本围绕面向光储充一体化社区的电动汽车有序充电双层优化策略展开研究,提出了一种结合上层系统优化与下层用户优化的协同调度模型。上层以削峰填谷、降低电网购电成本为目标,优化光储系统与电动汽车的整体充放电行为;下层则聚焦于最小化用户个体充电费用,提升用户参与积极性。通过Matlab平台实现模型求解,融合智能优化算法对光伏发电的随机性、负荷波动及用户充电需求多样性进行建模与协同调度,有效提升了可再生能源的就地消纳能力,减小了电网峰谷差。研究还引入虚拟储能、需求响应等机制,增强了系统的灵活性与经济性,为社区级综合能源系统的优化运行提供了理论依据与技术路径。; 适合人群:具备电力系统分析、优化建模及Matlab编程基础的科研人员,尤其适用于从事微电网、综合能源系统、电动汽车调度、需求响应等领域研究的研究生、高校教师及工程技术人员。; 使用场景及目标:①应用于光储充一体化社区能量管理系统的设计与运行优化;②为实现电动汽车有序充电、提升分布式能源利用率、降低电网运行压力提供解决方案;③服务于双层优化模型的学习与复现,深化对主从博弈、分布式优化等高级建模方法的理解与应用。; 阅读建议:建议读者结合提供的Matlab代码深入剖析模型构建细节,重点关注上下层目标函数的耦合关系、约束条件的数学表达以及求解算法的实现流程,同时可参考中涉及的智能优化算法与其他综合能源案例,拓展实际科研与工程应用思路。
内容概要:本研究基于TCN-GRU-Attention混合深度学习模型的风电功率预测方法,采用多变量输入实现单步预测,利用Matlab代码进行仿真分析。该模型充分融合时间卷积网络(TCN)在局部与长期依赖建模方面的优势、门控循环单元(GRU)对动态时序特征的捕捉能力,以及注意力(Attention)机制对关键时间步和输入变量的自适应加权聚焦,从而有效提升风电功率预测的精度与鲁棒性。研究涵盖数据预处理、模型构建、参数调优及结果评估全过程,特别适用于处理具有高度随机性、间歇性和非平稳性的风能出力数据。; 适合人群:具备一定机器学习和深度学习理论基础,从事新能源发电预测、电力系统调度、智能算法开发等相关领域的科研人员及工程技术人员,尤其适合电气工程、自动化、计算机等专业的研究生和从事风电场运行管理与预测系统开发的从业人员。; 使用场景及目标:①应用于风电场实际运行中的短期功率预测系统,为电网调度、电力交易和储能配置提供高精度数据支持;②作为学术研究参考资料,深入理解TCN、GRU与Attention模块的协同机制及其在时序预测任务中的集成方法;③帮助开发者掌握基于Matlab平台的深度学习模型搭建、训练与验证流程,实现端到端的风电功率预测解决方案。; 阅读建议:建议读者结合提供的Matlab代码逐模块分析实现细节,重点关注多变量标准化处理、网络结构设计、注意力权重可视化及预测误差分析部分,同时可通过更换真实风电场数据集或调整模型超参数来进一步验证模型的泛化性能与稳定性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值