新闻详情

新闻详情

首页 / 资讯中心 / 详情

什么是nexu?开源AI Agent桌面客户端,一键把Claude接进微信和飞书

发布时间:2026/11/15 8:59:11来源:尧图网络
什么是nexu?开源AI Agent桌面客户端,一键把Claude接进微信和飞书
什么是nexu开源AI Agent桌面客户端一键把Claude接进微信和飞书【免费下载链接】nexuThe simplest desktop client for OpenClaw — bridge your Agent to WeChat, Feishu, Slack Discord in one click. Works with Claude Code, Codex any LLM. BYOK, Oauth, local-first, chat from your phone 24/7.项目地址: https://gitcode.com/gh_mirrors/ne/nexunexu是一款开源的 AI Agent 桌面客户端它把 OpenClaw Agent 直接跑在你的电脑上然后一键接入微信、飞书、Slack、Discord 等聊天软件。登录即用上 Claude 等顶级模型也可以自带 API KeyBYOK。从此在手机上就能 24 小时随时和 AI 对话——数据全部留在本机隐私完全自己掌控。nexu 是什么让 AI Agent 住进你的聊天软件一句话理解 nexu它是你的电脑和聊天软件之间的“桥”。Agent 常驻桌面端nexu 负责运行 AI Agent基于 OpenClaw图形化界面不用写一行命令渠道一键接入微信扫码、飞书填凭证Agent 立刻出现在你的聊天窗口里多模型支持内置官方模型通道Claude、Gemini 等也支持 Anthropic、OpenAI、OpenRouter 等自带密钥随时切换技能扩展内置技能市场给 Agent 装上飞书文档、日历、多维表格等真实工作能力。接入微信扫一次码不到 5 分钟这是 nexu 最招牌的能力——把 Agent 接进个人微信。把微信更新到 8.0.7 或更高版本在 nexu 首页选择 WeChat 渠道点击「扫码连接」nexu 自动安装微信 ClawBot 插件并生成二维码手机微信扫一扫点击确认——首页即显示「已连接」。之后微信里会多出一个微信 ClawBot对话直接发消息就能指挥你的 AI Agent。完整图文步骤见 docs/zh/guide/channels/wechat.md。接入飞书只需 App ID 和 App Secret团队场景下飞书是首选渠道在飞书开放平台创建一个企业自建应用复制App ID和App Secret在 nexu 的飞书渠道配置中填入这两个值点击 Connect按文档粘贴一次权限 JSON完成授权。接入后Agent 就出现在飞书群里——它 让它写周报、建 Wiki、盯 API 健康监控全部在聊天中完成 详细配置见 docs/zh/guide/channels/feishu.md。模型怎么接两种模式任选nexu 对“模型从哪来”给了两条路新手老手都友好登录 nexu 账号推荐新手选择 Nexu Official登录即可免费体验 Claude 等高质量模型零配置BYOK 自带密钥在设置页选择 Anthropic、OpenAI、OpenRouter 等供应商粘贴 API Key 保存即可无需注册账号。模型可以随时在界面中下拉切换不影响已有的对话和渠道连接。模型接入指南见 docs/zh/guide/models.md。技能市场给 Agent 装上超能力Agent 光会聊天还不够nexu 提供技能Skills目录一键安装即可扩展能力飞书全家桶文档读写、多维表格、日历、任务源码在 nexu-skills/skills/办公协作类Gmail、Google Calendar、Slack、Teams、Zoom 等内置的 OpenClaw 原生 Skills开箱即用。在 Skills 页面搜索、点击 Install 就完成安装也可以本地开发自定义技能。谁适合用 nexu人群典型玩法 一人公司 / 跨境电商在飞书里丢产品资料Agent 产出多语言上架文案✍️ 内容创作者让 Agent 追踪热点、批量生成多平台草稿 独立开发者把报错贴进聊天Agent 定位问题、给出修复建议⚖️ 法务 / 咨询转发长文档10 分钟拿到风险摘要和修改建议本地优先隐私可控数据不出本机配置与运行状态都保存在你的电脑上nexu 不托管你的业务数据开源可审计MIT 协议代码完全开放客户端源码见 apps/desktop/控制器服务见 apps/controller/成本透明客户端免费模型费用走你自己的 API Key 或官方通道。如何快速上手 nexu下载安装macOS 12Apple Silicon / Intel或 Windows 10约 500 MB 空间首次启动登录 nexu 账号或直接填 API Key 免登录使用接入渠道微信扫码 / 飞书填凭证点击 Connect开聊手机上打开微信或飞书你的 AI Agent 已 24 小时在线 一分钟快速上手指南docs/zh/guide/quickstart.md核心概念Agent / 渠道 / 模型 / 技能docs/zh/guide/concepts.md更多渠道教程docs/zh/guide/channels.md。nexunext to you——让 AI Agent 一直陪在你身边。【免费下载链接】nexuThe simplest desktop client for OpenClaw — bridge your Agent to WeChat, Feishu, Slack Discord in one click. Works with Claude Code, Codex any LLM. BYOK, Oauth, local-first, chat from your phone 24/7.项目地址: https://gitcode.com/gh_mirrors/ne/nexu创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉