如何用GPUStack和OpenClaw搭建一个永不停止的本地AI助手？
摘要：关注🌟⌈GPUStack⌋ 💻一起学习 AI、GPU 管理与大模型相关技术实践。 这两年，越来越多团队把 AI 接入了日常工作流。 但很快，一个现实问题摆在了面前： 模型用得越
关注🌟⌈GPUStack⌋ 💻
一起学习 AI、GPU 管理与大模型相关技术实践。
这两年，越来越多团队把 AI 接入了日常工作流。
但很快，一个现实问题摆在了面前：
模型用得越多，Token 花得越快，成本和心理压力也随之上涨。
很多人一边依赖 AI 提效，一边又不得不「省着用」「少让它多想」。
到最后，AI 反而成了一种被精打细算的消耗品。
如果 AI 能跑在自己的 GPU 上，
不按 Token 计费、可以随时对话、长期运行在协作工具里，
它才更像一个真正的“工作助手”。
基于 GPUStack 提供的本地模型能力，结合 OpenClaw（支持 WhatsApp、Telegram、Discord、Slack、飞书等多种协作平台） 与飞书，
本文将一步步演示如何构建一个可真实使用、可持续运行、几乎不再关心 Token 消耗的本地 AI 助手。
📌 本文内容
使用 GPUStack 部署模型
飞书机器人应用创建与权限配置
OpenClaw 的安装、配置与关键注意事项
飞书侧首次授权与连通性测试
实战示例：让小助手给 GPUStack 项目标星
小助手内置指令说明
OpenClaw 实用命令与资源入口
一、使用 GPUStack 部署模型并准备接入信息
在接入 OpenClaw 之前，我们需要先在 GPUStack 中完成模型部署，并获取模型服务的访问信息。
本节将以 Qwen3.5-35B-A3B 为例，演示从
自定义推理后端 → 部署模型 → 获取接入信息 的完整流程。
1. 准备环境与版本说明
GPUStack 版本：v2.0.3
自定义推理后端镜像：
swr.cn-south-1.myhuaweicloud.com/gpustack/vllm-openai:qwen3_5
模型权重：Qwen/Qwen3.5-35B-A3B
⚠️ OpenClaw 对模型上下文窗口有要求：
最小 16K，建议 128K 及以上。
2. 配置自定义推理后端（vLLM）
在 GPUStack 控制台中，进入：
「推理后端」→「编辑 vLLM」→「添加版本」
3. 部署 Qwen3.5-35B-A3B 模型
参数示例：
--tensor-parallel-size=2
--mm-encoder-tp-mode data
--mm-processor-cache-type shm
--reasoning-parser qwen3
--enable-auto-tool-choice
--tool-call-parser qwen3_coder
--speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'
如果遇到：
Error 803: system has unsupported display driver / cuda driver combination
可尝试添加环境变量：
LD_LIBRARY_PATH=/usr/local/nvidia/lib64:/usr/local/nvidia/lib:/usr/lib/x86_64-linux-gnu
4. 获取 GPUStack 模型接入信息
需要记录以下三项：
API Base URL
Model ID
API Key（在 GPUStack 中自行创建）
二、飞书应用配置
1. 账号说明
飞书 个人账号无法创建机器人应用。
需要使用 企业 / 组织身份，但个人用户也可以免费创建。