保姆级教程：用 Docker 部署 Moltbot 并接入企业微信/QQ 打造 AI 助手（含 TaoToken 配置）

1. 为什么要在 Docker 里跑 Moltbot 并接入企业微信/QQMoltbot早期叫 Clawdbot是一个开源的、面向个人用户的高权限 AI 智能体。它能部署在 PC 或云服务器上通过企业微信、QQ、飞书、钉钉这类聊天工具跟你对话然后帮你干邮件发送、网页浏览、部署服务、跑自动化脚本这些活。说白了它就是一个能动手的聊天机器人而不是只会回你几句废话的问答框。我这次要解决的核心问题是怎么用 Docker 把 Moltbot 跑起来并且让它同时接上企业微信和 QQ变成一个真正能用的 AI 助手。为什么强调 Docker因为裸机安装依赖多、环境容易冲突换台机器就得重来一遍而 Docker 把运行环境打包好了docker compose up -d一条命令就能起迁移和备份都省心。适合谁看三类人一是想给自己或小团队搭个内部 AI 助手的开发者二是手里有台闲置云服务器、想物尽其用的折腾党三是已经用过各种聊天机器人框架、但想要能执行任务而不是只聊天的进阶用户。如果你只是想找个网页版对话工具那这篇可能有点重但如果你想让 AI 真的帮你部署服务、跑命令那往下看就对了。整个流程我拆成六块先讲清楚 Moltbot 是什么、能干什么然后准备 TaoToken 的 API 通道接着给出可复制的 docker-compose 配置和 settings.json 骨架再验证消息收发然后把我踩过的报错挨个排查最后给一个统一的接入入口。你跟着做基本能一次跑通。需要提前说明的是Moltbot 的配置里模型通道是关键一环。它本身不绑定某一家模型而是通过兼容 OpenAI 协议的接口去调用。所以我们需要一个统一的 Key 和 Base URL把模型请求转发到后端。这里我用 TaoToken 来做这个统一通道后面配置里会具体写。2. TaoToken 前置准备统一 Key 与 API 通道在动手写 Docker 配置之前先把模型通道准备好。Moltbot 要能思考就得有个能调用的模型接口。它支持直接填各家厂商的 Key但那样每换一个模型就要改一次配置很麻烦。更省事的做法是用一个兼容 OpenAI 协议的统一入口把 Base URL 和 Key 固定下来模型 ID 按需切换。TaoToken 就是干这个的。它的 API 地址是https://taotoken.net/api兼容 OpenAI 的/v1/chat/completions格式。你只需要在它那边生成一个 Key然后在 Moltbot 配置里填上 Base URL、Key 和 Model ID 三件套就能跑起来。模型想换就换 Model ID不用动其他配置。具体操作步骤第一步打开 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content注册并登录。第二步进入控制台找到 API Keys 页面新建一个 Key。这个 Key 就是后面配置里的apiKey复制下来保存好页面关了就看不到了。第三步确认你要用的 Model ID。TaoToken 支持多种模型常见的有gpt-4o、claude-3-5-sonnet、glm-4这类。你可以在模型对话页面先试一下哪个模型响应符合预期再把它填进配置。这里有个细节要注意Moltbot 的配置里Base URL 要填到/api这一层不要自己加/v1因为不同客户端对路径拼接的处理不一样。TaoToken 的接口是https://taotoken.net/apiMoltbot 内部会自己拼/v1/chat/completions。如果你填成https://taotoken.net/api/v1很可能会 404。另外Key 的权限建议只开模型调用不要开其他管理权限降低泄露风险。如果你打算长期跑建议在 TaoToken 控制台设置用量提醒避免某天被刷爆。准备好这三样东西——Base URL、API Key、Model ID——就可以进入下一步了。下面我会给出完整的 docker-compose 和 settings.json你直接替换成自己的值即可。3. 可复制的 Docker 部署配置与 settings.json 骨架这一节是全文的核心给出能直接复制粘贴的配置。我按目录结构 → docker-compose.yml → settings.json → 启动命令的顺序来你照着建文件就行。先看目录结构。在服务器上建一个工作目录比如/opt/moltbot里面放两个文件/opt/moltbot ├── docker-compose.yml └── data └── settings.jsondata目录用来挂载 Moltbot 的配置和会话数据这样容器重建时数据不丢。docker-compose.yml内容如下version: 3.8 services: moltbot: image: moltbot/moltbot:latest container_name: moltbot restart: unless-stopped ports: - 18789:18789 volumes: - ./data:/app/data environment: - TZAsia/Shanghai - MOLTBOT_CONFIG/app/data/settings.json extra_hosts: - host.docker.internal:host-gateway这里几个点解释一下。ports映射的 18789 是企业微信回调要用的端口后面防火墙和安全组都要放行。volumes把本地的data目录挂进容器settings.json就放在里面。restart: unless-stopped保证服务器重启后容器自动起来。extra_hosts是为了容器内能访问宿主机某些回调场景会用到。settings.json骨架如下这是 Moltbot 的主配置模型通道和企业微信、QQ 的接入都写在这里{ model: { provider: openai-compatible, baseUrl: https://taotoken.net/api, apiKey: sk-你的TaoToken密钥, modelId: gpt-4o, temperature: 0.7, maxTokens: 4096 }, channels: { wecom: { enabled: true, token: 企业微信后台的Token, encodingAesKey: 企业微信后台的EncodingAESKey, path: /wecom, port: 18789 }, qq: { enabled: true, appId: QQ开放平台的AppID, appSecret: QQ开放平台的AppSecret, sandbox: false } }, hooks: { session-memory: { enabled: true, maxRounds: 20 } }, skills: [] }三件套在这里体现得很清楚baseUrl填https://taotoken.net/apiapiKey填你在 TaoToken 控制台生成的 KeymodelId填你要用的模型。企业微信的token和encodingAesKey来自企业微信管理后台创建机器人时生成的随机值path默认/wecomport要和 docker-compose 里映射的一致。QQ 部分需要去 QQ 开放平台申请机器人拿到appId和appSecret填进去。个人使用不需要企业资质指定用户和群聊可访问即可。启动命令cd /opt/moltbot docker compose up -d docker compose logs -f moltbot看到日志里出现WeCom channel listening on 18789和QQ bot connected这类字样就说明两个通道都起来了。如果只有其中一个起来去第 5 节对照报错排查。配置改完后不用重建容器直接docker compose restart moltbot即可生效因为 settings.json 是挂载进去的。4. 验证消息收发与成功结果配置起起来只是第一步真正要确认的是消息能不能收到、AI 能不能回、任务能不能执行。这一节给你一套验证动作从简单到复杂逐层确认。第一层容器健康检查。执行docker compose ps看 STATUS 是不是Up。再执行docker compose logs --tail50 moltbot确认没有反复重启或报错刷屏。如果容器起来几秒就退出多半是 settings.json 格式错了用python -m json.tool data/settings.json校验一下 JSON 合法性。第二层企业微信回调验证。企业微信机器人创建时后台会要求你填回调 URL。格式是http://你的服务器IP:18789/wecom。填完后企业微信会发一个验证请求Moltbot 收到后会自动解密并返回验证通过就说明通道通了。如果验证失败检查三件事端口 18789 是否在云服务器安全组放行、token和encodingAesKey是否和企业微信后台一致、path是否是/wecom。第三层发消息测试。用手机企业微信扫码添加机器人然后发一句你好。正常情况几秒内会收到回复。如果没回复看日志里有没有received message和sending request to model这两条。有前者没后者是模型通道问题两者都有但没回复是模型返回解析问题。第四层任务执行验证。这是 Moltbot 和普通聊天机器人的分水岭。我实测下来发一句用 docker 部署一个 nginx 并写个介绍页面它会拆成几个子任务检查 docker 是否安装、拉取 nginx 镜像、启动容器、生成 HTML 文件、返回访问地址。日志里能看到它一步步执行命令。执行完后访问http://你的服务器IP:容器映射端口能看到页面就说明任务链路完全通了。这里有个我踩过的坑Moltbot 执行 docker 命令时如果容器内没有 docker 客户端会报docker: command not found。解决办法是在 docker-compose 里把宿主机的 docker socket 挂进去volumes: - ./data:/app/data - /var/run/docker.sock:/var/run/docker.sock但要注意挂了 socket 等于给了容器操作宿主机 docker 的权限安全上要自己权衡。个人服务器问题不大生产环境要谨慎。验证通过后你就有了一套完整的 AI 助手企业微信和 QQ 都能对话模型走 TaoToken 统一通道任务能真实执行。接下来把常见报错过一遍避免你卡在某个环节。5. 本篇常见报错排查这一节把我遇到的和社区里高频的报错整理出来对照日志定位。每个报错都给现象、原因、解决三步。报错一401 Unauthorized。现象是日志里出现401或invalid api key。原因通常是 TaoToken 的 Key 填错、过期或者baseUrl多写了/v1。解决重新在 TaoToken 控制台生成 Key确认baseUrl是https://taotoken.net/api不要带/v1。改完docker compose restart moltbot。报错二local proxy failed / connection refused。现象是模型请求发不出去日志提示连接被拒。原因一般是容器内 DNS 解析问题或者服务器本身出网受限。解决先在容器内测试docker exec -it moltbot curl -I https://taotoken.net/api如果连不上检查服务器出网策略如果能连上但 Moltbot 报错检查 settings.json 里baseUrl有没有多余空格。报错三reading choices 相关解析错误。现象是日志里出现cannot read property choices或类似字段缺失。原因是模型返回格式和 Moltbot 预期不一致常见于modelId填了一个不存在的模型或者该模型不支持 chat completions 格式。解决换成 TaoToken 文档里明确支持的模型 ID比如gpt-4o或claude-3-5-sonnet先用模型对话页面确认能正常返回再填进配置。报错四OAuth / token 过期。现象是 QQ 通道连不上日志提示OAuth failed或token expired。原因是 QQ 开放平台的appSecret填错或者机器人被停用。解决去 QQ 开放平台重新核对appId和appSecret确认机器人状态是启用。企业微信侧如果提示invalid corpsecret同理去后台核对。报错五端口 18789 无法访问。现象是企业微信回调验证失败或者外部访问不通。原因是云服务器安全组没放行或者服务器本机防火墙拦了。解决在云控制台安全组放行 18789 的入站 TCP本机执行firewall-cmd --add-port18789/tcp --permanent firewall-cmd --reloadCentOS 系或ufw allow 18789Ubuntu 系。报错六settings.json 解析失败。现象是容器启动即退出日志提示invalid config。原因是 JSON 里有尾逗号、中文引号、注释。解决JSON 不支持注释和尾逗号用python -m json.tool data/settings.json校验报错行号会直接指出来。排查的核心思路是先看容器状态再看日志关键词然后按配置 → 网络 → 权限的顺序逐层排除。大部分问题都出在配置字段填错或端口没放行真正复杂的模型兼容问题反而少。6. 统一接入入口与后续扩展跑通之后你会发现 Moltbot 的扩展空间比想象中大。它不只是一个聊天机器人而是一个可以挂载各种 skill 的智能体平台。你可以在 settings.json 的skills数组里加技能包比如定时任务、网页抓取、文件处理让它从能对话进化到能干活。模型通道这块TaoToken 的统一 Key 和 Base URL 让你换模型不用改代码。今天用gpt-4o做通用对话明天想换成claude-3-5-sonnet处理长文档只改modelId一个字段重启容器即可。这种解耦对长期维护很友好。如果你打算把它用在团队里建议做两件事一是给 TaoToken 的 Key 设置用量上限避免异常调用二是把data目录定期备份会话记忆和配置都在里面。企业微信和 QQ 两个通道可以同时开也可以按需只开一个配置里enabled字段控制。后续想深入的话可以研究 Moltbot 的 skill 开发文档自己写技能包。比如接一个内部 API 做查询或者接一个定时任务做日报推送。它的 hook 机制也支持在消息处理的不同阶段插入自定义逻辑。最后给几个直达入口方便你按需跳转想先试模型效果去模型对话页面https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content想管理 Key 和用量去控制台 API Keyshttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content想长期跑编码或 Agent 任务看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content配置遇到问题查接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content整套流程走下来从 Docker 部署到双通道接入再到任务执行验证核心就是把模型通道、回调端口、配置字段这三块对齐。对齐了剩下的就是让它帮你干活了。