本文档展示如何配置 MiniClaw 以适配不同的使用场景。
TELEGRAM_TOKEN=1234567890:ABCdefGHIjklMNOpqrsTUVwxyz
API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
LLM_MODEL=gpt-4o-miniTELEGRAM_TOKEN=1234567890:ABCdefGHIjklMNOpqrsTUVwxyz
API_KEY=sk-ant-xxxxxxxxxxxxxxxxxxxxxxxxxxxx
LLM_MODEL=claude-3-5-sonnet-20241022如果你使用私有部署或第三方 API 网关:
TELEGRAM_TOKEN=1234567890:ABCdefGHIjklMNOpqrsTUVwxyz
API_KEY=your-api-key
BASE_URL=https://your-custom-endpoint.com/v1
LLM_MODEL=gpt-4o-mini说明:
BASE_URL: API 端点CUSTOM_USER_AGENT: 必须设置,否则请求会被拒绝LLM_MODEL: 使用 Claude 模型名称
TELEGRAM_TOKEN=1234567890:ABCdefGHIjklMNOpqrsTUVwxyz
API_KEY=dummy-key # vLLM 通常不需要真实的 key
BASE_URL=http://localhost:8000/v1
LLM_MODEL=your-model-name| 参数 | 必填 | 说明 | 示例 |
|---|---|---|---|
TELEGRAM_TOKEN |
✅ | Telegram Bot Token | 1234567890:ABC... |
API_KEY |
✅ | LLM API Key(支持 OpenAI、Anthropic 等) | sk-... 或 sk-ant-... |
LLM_MODEL |
❌ | 模型名称,默认 gpt-4o-mini |
gpt-4o, claude-3-5-sonnet-20241022 |
BASE_URL |
❌ | 自定义 API 端点 | https://api.openai.com/v1 |
CUSTOM_USER_AGENT |
❌ | 自定义 User-Agent | miniclaw |
- 私有部署: 使用公司内部部署的 LLM 服务
- API 网关: 通过统一网关管理多个模型
- 成本优化: 使用更便宜的第三方服务
- 合规要求: 满足数据不出境的要求
某些企业级 API 网关或安全策略会检查 HTTP User-Agent 头:
- 身份识别: 标识调用方的应用身份
- 流量控制: 基于 User-Agent 进行限流或路由
- 安全策略: 只允许特定 User-Agent 访问
可能原因:
- API 端点不正确
- 网络连接问题
- 需要设置 User-Agent
解决方法:
- 检查
BASE_URL是否正确 - 尝试设置
CUSTOM_USER_AGENT - 检查网络连接和防火墙设置
可能原因:
- API Key 错误或过期
- 模型名称不匹配
解决方法:
- 确认 API Key 有效
- 检查
LLM_MODEL与你的 API Key 匹配
可能原因:
- 自定义端点响应慢
- 网络延迟
解决方法:
- 可以在
config.py中调整超时设置(未来版本将支持环境变量配置)
MiniClaw 参考了 nanobot 的设计:
- 自定义 model key: 支持在 LiteLLM 调用时传递
api_base参数 - User-Agent 支持: 通过
extra_headers传递自定义 HTTP 头
核心代码片段(来自 nanobot):