OpenClaw 终极入门指南：配合QwenCode 编程助手的安装、连接Discord与高阶玩法

国产Code的万金油用于加速OpenClaw

本文详解如何安装和使用Qwen Cod(阿里云通义千问团队推出的一款开源、免费的命令行 AI 编程助手), 辅助openclaw打造零摩擦、完全掌控数据的本地openclaw安装；然后连接discord配置多Agent

1. Qwen Code

Qwen Code是2025年8月阿里云通义千问团队推出的AI编程智能体，基于Gemini Code进行二次开发，采用终端命令行交互形态。该工具专为发挥模型在代理式编程任务中的表现而设计，支持自然语言需求理解、代码编写及工具调用

本文介绍如何在 Qwen Code（CLI 及 IDE 插件）中配置与使用阿里云百炼 Coding Plan

1.1 安装

macOS/Linux 安装最方便，WIndows比较繁琐，建议使用WSL2

bash -c "$(curl -fsSL https://qwen-code-assets.oss-cn-hangzhou.aliyuncs.com/installation/install-qwen.sh)"

以管理员身份打开CMD

在任务栏搜索框里输入CMD，选择以管理员身份运行

在CMD中运行以下命令安装 Qwen Cod

curl -fsSL -o %TEMP%\install-qwen.bat https://qwen-code-assets.oss-cn-hangzhou.aliyuncs.com/installation/install-qwen.bat && %TEMP%\install-qwen.bat

1.2 配置和使用

在Qwen Code中配置百炼的Coding Plan

安装完成后会自动切换到配置页面，如果没有跳转，可以使用qwen切换到配置页面

看到以上界面后，按键盘的上下方向键（↑或↓）切换到阿里云百炼 Coding Plan，按回车键确认选择
继续使用上下方向键切换到阿里云百炼（aliyun.com），并按回车键确认选择，Qwen Code将自动设置Coding Plan的Base URL
找到Code Plan的接面，输入API即可

2. OpenClaw安装

openclaw的安装按照上一篇文章即可，也可以连接飞书

这里使用的是百炼大模型，所以只要安装到可以启动openclaw即可

最方便的方式

# npm可控 可升级
npm install -g openclaw@latest
openclaw onboard --install-daemon

安装好之后按照下面的进行设置

配置项	配置内容/选择	说明
风险提示确认	`Yes`	确认理解潜在风险并继续。
Onboarding mode	`QuickStart`	选择快速启动模式，跳过繁琐设置。
Model/auth provider	`Skip for now`	暂时跳过模型/认证提供商配置，后续可在设置中完成。
Filter models by provider	`All providers`	显示所有可用的模型提供商。
Default model	(默认)	保持系统默认推荐的模型。
Select channel (QuickStart)	`Skip for now`	暂时跳过通知渠道配置。
Configure skills now?	`No`	暂时不配置技能插件，后续按需添加。
Enable hooks?	`Skip for now`	操作提示：在终端界面中，按空格键选中该项，然后按回车键进入下一步。
How do you want to hatch your bot?	`Hatch in TUI`	选择在当前终端用户界面 (TUI) 中启动机器人。

网页搜索API也选择跳过即可

3. openclaw配置百炼大模型

3.1 使用Qwen Code配置

在安装好千问后，打开Qwen CLI，然后把下面的话输入到CLI终端

重要

注意把API Key 转换成自己的Code Plan API Key

第一步: 使用code进行配置，当然也可以使用claude code,opencode进行操作

请在 OpenClaw 中接入 Coding Plan，步骤如下：

1. 打开配置文件：~/.openclaw/openclaw.json
2. 找到或创建以下字段，合并配置（保留原有配置不变，若字段不存在则新增）

{
  "models": {
    "mode": "merge",
    "providers": {
      "bailian": {
        "baseUrl": "https://coding.dashscope.aliyuncs.com/v1",
        "apiKey": "YOUR_API_KEY",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-plus",
            "name": "qwen3.5-plus",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "qwen3-max-2026-01-23",
            "name": "qwen3-max-2026-01-23",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 65536,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "qwen3-coder-next",
            "name": "qwen3-coder-next",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 65536
          },
          {
            "id": "qwen3-coder-plus",
            "name": "qwen3-coder-plus",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 65536
          },
          {
            "id": "MiniMax-M2.5",
            "name": "MiniMax-M2.5",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 196608,
            "maxTokens": 32768
          },
          {
            "id": "glm-5",
            "name": "glm-5",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 202752,
            "maxTokens": 16384,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "glm-4.7",
            "name": "glm-4.7",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 202752,
            "maxTokens": 16384,
            "compat": {
              "thinkingFormat": "qwen"
            }
          },
          {
            "id": "kimi-k2.5",
            "name": "kimi-k2.5",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768,
            "compat": {
              "thinkingFormat": "qwen"
            }
          }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "bailian/qwen3.5-plus"
      },
      "models": {
        "bailian/qwen3.5-plus": {},
        "bailian/qwen3-max-2026-01-23": {},
        "bailian/qwen3-coder-next": {},
        "bailian/qwen3-coder-plus": {},
        "bailian/MiniMax-M2.5": {},
        "bailian/glm-5": {},
        "bailian/glm-4.7": {},
        "bailian/kimi-k2.5": {}
      }
    }
  },
  "gateway": {
    "mode": "local"
  }
}  

3. 保存配置文件
4. 运行 openclaw gateway restart，重启Openclaw的网关，使配置生效。

第二步：启动openclaw dashboard进行查验

在终端输入openclaw dashboard，然后给到链接，点击进入本地网页进行聊天，也可以选择切换不同的模型，非常适合多agent

3.2 手动配置

也可以手动将模型的选择配置添加到文件中

在终端执行下面的命令打开配置


# nano或vim都可以
nano ~/.openclaw/openclaw.json

首次配置：复制以下内容到配置文件。将YOUR_API_KEY替换为Coding Plan 专属 API Key
已有配置：若需保留已有配置，请勿直接全量替换

重要

需要注意配置过程中，models文件放置的位置，尤其是递进关系，本身只要安装了就会有配置文件内容产生