一、我们要做成什么

在钉钉群里发一句：

@群里的钉钉机器人 创建会议 今天下午一点 邀请某同事 主题项目例会

效果：机器人真的调用钉钉日历，建出一场 13:00–14:00 的会议，参会人包含“某同事”，标题是“项目例会”。

这不是演示话术，是真实落地的闭环。下面把搭建过程拆成 8 步。

二、整体架构（先看清链路）

钉钉群消息
   │  (钉钉连接器把消息接入 OpenClaw)
   ▼
OpenClaw Agent  ── model: react-local/react-gemma4
   │  baseUrl: http://react-proxy:11888/v1
   ▼
react-proxy（Python 增强层，本文主角）
   │  ① 强制 ReAct 兜底  ② enrich 业务增强
   ▼  upstream: http://ollama:11434/v1
本地大模型（一张消费级显卡，GPU 推理）
   │  调工具
   ▼
钉钉日历 MCP → 真实创建日历会议

一个关键点先说在前：react-proxy 不是“第二个模型”，它和本地模型跑在同一张显卡上，只是本地模型前面套的一层 Python 壳。它干两件小模型自己干不稳的事：

1. 强制调工具兜底：小模型容易“只回话不调工具”（假成功），代理发现没调工具就重问（最多 2 轮）。
2. 业务增强（enrich）：把正文里的同事姓名映射成钉钉 userId 注入参会人；规范标题（给了主题用你的，没给用「{发起人}的会议」）。

三、准备工作

开始前确认你已经有这些（平台侧前置，不在本文代码范围内）：

• 一台能跑 Docker 的机器，带一张消费级显卡（用于本地模型 GPU 推理）。
• 已安装并运行 ollama，且拉好了你的本地模型（本文以某个 12B 级模型举例）。
• 一个钉钉开放平台应用（拿到 clientId / clientSecret），并开通了日历相关权限。
• 一个钉钉日历 MCP 的服务地址（形如 <你的钉钉日历 MCP 网关地址>，需带你的访问凭证）。

四、实操步骤

步骤 1：准备模型服务（ollama）

确保 ollama 在容器内网可达。我们把 OpenClaw 系列容器都挂到同一个自定义网络 ai-net 上，容器间用服务名互访。

# 创建专用网络（只需一次）
docker network create ai-net
启动 ollama（按你本机实际情况，注意把显卡透传给容器）
docker run -d --name ollama --network ai-net --gpus all 
-v <宿主机模型目录>:/root/.ollama
ollama/ollama

验证模型能跑：

docker exec ollama ollama list
# 确认你要用的那个模型已经在列表里

步骤 2：启动 OpenClaw 核心

OpenClaw 用 Docker 跑，配置文件 openclaw.json 通过卷挂进容器。关键点是：模型的 baseUrl 不要直连 ollama，而是指向我们要加的 react-proxy:11888。

docker run -d --name openclaw --network ai-net --restart unless-stopped \
  -p 18789:18789 \
  -v D:/Docker/openclaw-data/openclaw.json:/home/node/.openclaw/openclaw.json \
  ghcr.io/openclaw/openclaw:latest

openclaw.json 里和模型相关的核心片段（替换成你自己的）：

{
  "agents": {
    "defaults": {
      "model": "react-local/react-gemma4",
      "compaction": {
        "reserveTokensFloor": 4096,
        "reserveTokens": 4096
      }
    }
  },
  "models": {
    "react-gemma4": {
      "contextWindow": 32768,
      "maxTokens": 2048,
      "baseUrl": "http://react-proxy:11888/v1",
      "model": "gemma4:12b"
    }
  },
  "mcp": {
    "servers": {
      "dingtalk-calendar": {
        "url": "<你的钉钉日历 MCP 网关地址>"
      }
    }
  },
  "channels": {
    "dingtalk": {
      "enabled": true,
      "clientId": "<你的钉钉 clientId>",
      "clientSecret": "<你的钉钉 clientSecret>",
      "groupPolicy": "open"
    }
  }
}

注意 contextWindow 与 compaction.reserveTokens* 的关系：预留必须远小于窗口，否则长会话会触发压缩死循环（踩坑 5 详述）。

步骤 3：写“增强代理”react-proxy

新建 react_proxy.py，它做两件事：转发到 ollama + 在模型返回建会工具调用时做 enrich。下面是核心逻辑骨架（完整脚本里还包含强制调工具的重问循环，思路一致）：

import json, os, httpx
OLLAMA_URL = os.getenv("OLLAMA_URL", "http://ollama:11434/v1")
CONTACTS = json.load(open("/contacts.json", encoding="utf-8")).get("contacts", {})
INITIATOR = os.getenv("INITIATOR_NAME", "我")  # 默认标题里的"发起人"
def enrich_create_event(tool_calls, messages):
"""服务端兜底：把正文里的同事姓名映射成 userId 注入参会人，并规范标题。"""
topic = extract_user_topic(messages)  # 若用户给了主题则优先用
for tc in tool_calls:
fn = tc.get("function", {})
if "create_calendar_event" not in fn.get("name", ""):
continue
args = json.loads(fn.get("arguments", "{}"))
# 1) 参会人：姓名 -> userId
att = [str(a) for a in (args.get("attendees") or [])]
norm = []
for a in att:
uid = CONTACTS.get(a)  # 已知姓名直接映射
norm.append(uid if uid else a)
# 2) 标题：给了主题用主题，没给且是空壳就用「{发起人}的会议」
s = (args.get("summary") or "").strip()
if topic:
args["summary"] = topic
elif is_shell_title(s):
args["summary"] = f"{INITIATOR}的会议"
args["attendees"] = norm
fn["arguments"] = json.dumps(args, ensure_ascii=False)
return tool_calls

为什么把“姓名→userId”“标题规范”写成代码而不是塞进提示词？因为这类“必须做对”的强逻辑，代码比 system prompt 稳十倍。

步骤 4：启动 react-proxy 容器并挂载

用 --env-file 传中文环境变量（避免命令行中文编码坑），把脚本和通讯录挂进容器：

# react-proxy.env 内容：
# INITIATOR_NAME=<你的名字，用作默认标题的发起人>
# OLLAMA_URL=http://ollama:11434/v1
# MAX_RETRIES=2
docker run -d --name react-proxy --network ai-net --restart unless-stopped 
--env-file D:/Docker/openclaw-scripts/react-proxy.env
-v D:/Docker/openclaw-scripts/react_proxy.py:/react_proxy.py
-v D:/Docker/openclaw-scripts/contacts.json:/contacts.json
ghcr.io/openclaw/openclaw:latest
python3 /react_proxy.py

验证链路通了（从 openclaw 容器内访问代理，应返回你的模型名）：

docker exec openclaw curl -s http://react-proxy:11888/v1/models
# 期望看到你的模型名，例如 gemma4:12b

步骤 5：登记通讯录 contacts.json

钉钉建会必须传 userId（不是姓名），所以维护一张「姓名→userId」静态表。新增常邀成员，加一行、重启代理即可。

{
  "contacts": {
    "某同事": "<钉钉 userId，一串数字>",
    "另一同事": "<钉钉 userId，一串数字>"
  }
}

怎么拿到同事的 userId？用钉钉通讯录 MCP 的“按姓名查用户”工具即可，不在本文展开。

步骤 6：把规则写进技能 SKILL.md

让 Agent 建会时自动遵守约定，新建一个技能文件 /home/node/.openclaw/skills/dingtalk-meeting/SKILL.md，核心要点：

# 钉钉会议创建技能
- 参会人必须用 userId；已知同事查 contacts.json 映射。
- 标题规则：用户给了主题用用户的；没给则用「{发起人}的会议」。
- 群消息里 @成员 不会被自动带入，必须在正文里写清"邀请某某"。
- 时间要带"今天/明天 + 几点"，默认按本地时区。

把文件 docker cp 进容器对应目录，OpenClaw 重启后即生效。

步骤 7：验收——在群里发一句话

等 OpenClaw healthy（首次启动约 6–7 分钟，期间网页“gateway 断开”属正常），在钉钉群发：

@群里的钉钉机器人 创建会议 今天下午一点 邀请某同事 主题项目例会

验收标准：

• 日历里出现 13:00–14:00 的会议 ✅
• 参会人含“某同事” ✅
• 标题是“项目例会”（你给的主题被保留）✅

五、踩坑速查（附解法）

坑	现象	解法
假成功	机器人说建好了，日历没有	加 react-proxy 强制调工具兜底，没调工具就重问
参会人只有自己	邀请了却没带进去	contacts.json 登记 userId，enrich 自动注入
标题乱填	变成“会议（邀请：XX）”	enrich 识别空壳标题，纠正为「{发起人}的会议」
群 @ 失效	@同事没被邀请	连接器不透传 @提及，参会人写在正文里驱动注入
代理不回复	改小窗口后彻底卡死	contextWindow 留足，reserveTokens 远小于窗口

关于“群 @ 失效”重点说一句：我们拉了会话原始日志 .trajectory.jsonl 实锤——钉钉连接器注入给 Agent 的上下文只有发送者，没有 @成员。所以“@能不能被 Agent 感知”是连接器级别的能力，不是 MCP 或模型的事。钉钉日历 MCP 的 attendees 参数确实支持 @写法，但前提是 @数据先到 Agent。上游丢了，下游再强也救不回。当前用“正文写姓名”规避即可。

六、给同行的建议

1. 小模型落地企业工具，务必加“强制调工具”兜底。模型越小，函数调用越不可靠，“假成功”比报错更坑。
2. 业务强逻辑下沉到增强层，别指望提示词。userId 映射、标题规范写成代码最稳。
3. 选型连接器时，确认它是否透传 @提及 / atUsers。这是群协作的隐形前提，文档往往不写，要实测入站消息原文。
4. 上下文窗口留足余量。Agent 多轮对话 token 累积很容易超你预期。
5. 日志是第一真相源。会话 .trajectory.jsonl 比 docker logs 权威，能直接看到 Agent 收到的原始消息。

七、结语

“自然语言建会”看似一个功能点，实则串联起模型可靠性、企业身份体系（userId）、连接器能力边界、上下文工程四条主线。难点不在“调一个 MCP”，而在把这些异构环节缝成一个稳的闭环。照着上面 8 步搭一遍，你也能在群里用一句话把会开了。

（文中架构与配置均来自真实生产环境复盘，具体鉴权密钥、真实姓名与用户 ID 均已脱敏。）