1. 项目概述这不是一个“装软件”的教程而是一套可落地的本地智能体工作流OpenClaw 和 Grok 这两个名字最近在技术圈里频繁出现但很多人点开 GitHub 仓库后第一反应是“这到底是个啥文档里全是英文、依赖一堆、启动命令长得像密码Windows 用户根本无从下手。”我试过三次——第一次卡在 Python 环境冲突第二次倒在 Redis 配置失败第三次终于跑通网页搜索和 Telegram 消息响应但第二天重启电脑服务全挂了自启动没生效Telegram Bot 也不回话。这才意识到真正难的不是“装上”而是“稳住”——稳在 Windows 上稳在开机那一刻稳在你关掉 CMD 窗口之后还能继续干活。这个标题里的【保姆级】三个字不是营销话术而是实打实的“手把手盯屏操作”。它覆盖的不是某个孤立功能而是一条完整闭环本地大模型能力Grok 可扩展技能框架OpenClaw 多端触发入口网页 Telegram 系统级持久化Windows 自启动。它解决的不是“能不能用”而是“要不要开电脑就让它自己跑着”——比如你早上泡咖啡时手机 Telegram 已经收到昨晚爬完的行业简报你下班前发一句“汇总今天 GitHub trending 的 Python 项目”回家路上网页端就已生成带链接的摘要。关键词里“Windows”是硬约束意味着不能照搬 Linux 的 systemd 或 Docker Compose up -d“OpenClaw”不是个 App而是一个基于 Python 的技能调度中枢核心在于 skill.yaml 的编写逻辑和插件加载机制“Grok”在这里特指开源可本地运行的 Grok-1.5 或 Grok-2 轻量量化版本非 xAI 官方 API需通过 Ollama、llama.cpp 或 vLLM 托管为 OpenAI 兼容接口“自启动”在 Windows 下有至少五种实现路径但只有两种真正可靠Task Scheduler 带交互会话的登录触发以及 Windows Service 封装需 pywin32“Telegram 接入”本质是 Bot API 的 Webhook 或轮询模式选型而 OpenClaw 默认用的是 polling必须确保进程不被 Windows 后台限制策略杀死。适合谁看三类人一是刚接触本地大模型的 Windows 用户不想碰 WSL、Docker Desktop 或虚拟机二是已有 Python 项目但总被环境问题拖慢进度的开发者需要一套“关机重启不丢状态”的部署范式三是想把 AI 能力嵌入日常办公流的效率实践者——比如用 Telegram 私聊自动查会议纪要、用浏览器输入框直接问“把上周日报转成 PPT 大纲”。它不承诺替代 Claude 或 GPT-4但能让你在离线、隐私敏感、定制化强的场景下真正拥有一个“听你话、记得住、不掉线”的本地智能体。2. 整体设计思路与方案选型依据2.1 为什么放弃 Docker DesktopWindows 下的容器不是万能解药看到标题里有 OpenClaw 和 Grok很多人的第一反应是“Docker 化”。我确实试过用 Docker Desktop for Windows 拉取官方 openclaw/openclaw 镜像再配一个 ollama/ollama 镜像跑 Grok。表面看很干净但实际踩了三个深坑第一GPU 加速失效。Windows 上 Docker Desktop 默认使用 Hyper-V 虚拟机NVIDIA GPU 无法直通到容器内llama.cpp 的 CUDA 后端直接降级为 CPU 推理Grok-1.5 的单次响应从 8 秒拉长到 42 秒。而原生 Windows Python 环境可直接调用本机 CUDA 驱动需安装对应版本的torch和nvidia-cublas-cu12实测吞吐提升 4.8 倍。第二自启动可靠性差。Docker Desktop 本身不是 Windows Service它依赖用户登录后手动启动 GUI且其后台进程常被 Windows 电源管理策略终止。即使配置docker-compose up -d一旦宿主机休眠唤醒容器网络栈大概率损坏Telegram Bot 连不上 API 端点。我们测试过 17 次休眠-唤醒循环12 次需手动docker restart才恢复。第三调试成本陡增。OpenClaw 的 skill 开发高度依赖实时日志和文件热重载比如改一行skill.yaml就想立刻测试。Docker 容器内修改文件需docker cp或挂载卷而 Windows 文件系统权限和行尾符CRLF vs LF又引发 YAML 解析错误。相比之下原生 Python 环境下openclaw serve --reload一行命令搞定改完保存3 秒内新逻辑生效。所以最终方案明确Grok 用 llama.cpp CUDA 后端原生运行OpenClaw 用标准 Python venv 部署两者通过 http://localhost:11434Ollama 兼容端口或 http://localhost:8000vLLM 端口通信彻底绕过 Docker 抽象层。这不是倒退而是对 Windows 生态真实约束的尊重。2.2 为什么选 llama.cpp 而非 Ollama控制权必须握在自己手里Ollama 在 macOS/Linux 上体验极佳但在 Windows 下有两个致命短板一是其 Windows 版本长期停留在 0.1.x不支持 Grok-2 的 GGUF 量化格式二是它把模型加载、上下文管理、CUDA 内存分配全封装成黑盒出错时只报Error: failed to load model连具体哪一行 CUDA 初始化失败都不告诉你。llama.cpp 则完全不同。它是一个纯 C/C 实现的推理引擎Windows 编译版如llama-server.exe体积仅 8MB无任何运行时依赖。更重要的是它的启动参数就是你的控制面板llama-server.exe -m grok-1.5.Q5_K_M.gguf -c 4096 --port 8000 --host 127.0.0.1 --gpu-layers 45 --verbose-prompt这里-c 4096明确指定上下文长度--gpu-layers 45精确控制有多少层计算卸载到 GPU我的 RTX 4070 是 46 层设 45 是为 CPU 留出 token 生成缓冲区--verbose-prompt开启后能看到每个 token 的 logits 分布——这在调试 OpenClaw 的 system prompt 是否生效时是唯一可信依据。Ollama 做不到这点。我们实测对比同一台机器i7-12700K RTX 4070Grok-1.5-Q5_K_M 模型llama.cpp 平均首 token 延迟 1.2 秒Ollama 为 2.7 秒内存占用 llama.cpp 稳定在 10.3GBOllama 波动在 11.8–13.2GB。多出来的 1.5GB 内存就是 Ollama 额外加载的 Go 运行时和抽象层。2.3 自启动方案Task Scheduler 是唯一兼顾“简单”与“可靠”的选择Windows 自启动有五条路Startup 文件夹、注册表 Run 键、Shell:startup、Windows Service、Task Scheduler。我们逐个验证Startup 文件夹C:\Users\{user}\AppData\Roaming\Microsoft\Windows\Start Menu\Programs\Startup。问题在于它只在用户登录图形界面时触发若你用远程桌面连接后锁屏或系统自动登录但未激活桌面会话脚本根本不会执行。OpenClaw 进程一启动就被标记为“无交互”30 秒后被 Windows 终止。注册表 Run 键HKEY_CURRENT_USER\Software\Microsoft\Windows\CurrentVersion\Run。同 Startup 文件夹依赖用户会话且无法设置延迟启动Grok 模型加载需 22 秒OpenClaw 若早于它启动会报连接拒绝。Shell:startup命令行输入shell:startup打开的仍是同一个 Startup 文件夹无效。Windows Service用pywin32将 Python 脚本封装为服务最“正规”但代价巨大需处理 Session 0 隔离问题Windows Vista 后所有服务运行在 Session 0无法访问用户桌面和 GPU、需手动配置服务账户权限、每次代码更新都要sc stopsc start开发迭代效率归零。Task Scheduler唯一能同时满足三个条件的方案① 可设置“用户登录时触发”并勾选“不管用户是否登录都要运行”需输入密码② 可配置“延迟 30 秒启动”完美错开 Grok 加载期③ 可设置“如果任务失败每 5 分钟重试最多 3 次”这是 OpenClaw 这类网络服务的生命线。我们最终采用 Task Scheduler bat 封装的组合。bat 文件不是简单调python app.py而是包含三重保险检查llama-server.exe进程是否存在不存在则先启动检查http://127.0.0.1:8000/health返回码是否为 200超时则等待启动 OpenClaw 前用timeout /t 5强制等待 5 秒避免竞态。这套逻辑写进.bat再由 Task Scheduler 调度比任何 Python 库都更贴近 Windows 底层行为。2.4 Telegram 接入Polling 模式是 Windows 下的务实之选OpenClaw 文档里提到 Webhook 和 Polling 两种 Telegram 接入方式。Webhook 理论上更高效但要求你的服务器有公网 IP 和 443 端口映射还要配 SSL 证书。Windows 个人电脑显然不满足。Polling 模式是 Telegram Bot API 提供的备用方案Bot 客户端定期默认 30 秒向https://api.telegram.org/bot{token}/getUpdates发 GET 请求拉取新消息。OpenClaw 默认启用此模式但有个隐藏陷阱它的polling_interval参数单位是毫秒而文档写的是“seconds”导致很多人设polling_interval30结果 Bot 每 30 毫秒狂刷 API10 分钟就被 Telegram 限流封禁。正确做法是在config.yaml中显式写telegram: token: YOUR_BOT_TOKEN polling_interval: 30000 # 必须是毫秒30000 30秒 allowed_users: [123456789] # 你的 Telegram user_id防滥用更关键的是Polling 模式下必须确保 OpenClaw 进程不被 Windows 后台活动限制。我们在 Task Scheduler 的任务属性中勾选了“配置为Windows 10”即使你用 Win11选 Win10 兼容性更好并在“条件”页取消勾选“只有在计算机使用交流电源时才启动此任务”——否则笔记本合盖后 Bot 就失联。3. 核心细节解析与实操要点3.1 环境准备Python、CUDA、VS Build Tools 的精准版本锁定Windows 上 Python 环境混乱是最大拦路虎。OpenClaw 要求 Python ≥3.10Grok 推理库llama-cpp-python要求 Visual Studio Build Tools ≥2019而 CUDA 12.1 对应的 PyTorch 要求 Python ≤3.11。三者交集只有Python 3.10.12和Python 3.11.9。我们实测 3.11.9 更稳因为其venv模块对 Windows 路径处理更健壮。安装步骤必须严格按序卸载所有旧 Python控制面板 → 卸载程序 → 删除所有 Python 3.9 及以下版本。重点检查C:\Users\{user}\AppData\Local\Programs\Python和C:\Program Files\Python3*手动删净残留。安装 Python 3.11.9去 python.org 下载python-3.11.9-amd64.exe安装时务必勾选“Add Python to PATH”和“Install pip”但不要勾选 “Install for all users”避免权限问题。安装后打开 CMD执行python --version # 应输出 Python 3.11.9 where python # 记下路径如 C:\Users\name\AppData\Local\Programs\Python\Python311\python.exe安装 Visual Studio Build Tools 2022不是 VS IDE而是独立的 Build Tools。去 visualstudio.microsoft.com/downloads/ 搜索 “Build Tools for Visual Studio 2022”下载vs_BuildTools.exe。安装时只勾选“C build tools”和“.NET desktop build tools”其他全取消。这一步耗时约 12 分钟但省去后续 90% 的编译错误。安装 CUDA 12.1去 developer.nvidia.com/cuda-toolkit-archive 下载cuda_12.1.1_531.14_windows.exe。安装类型选“Custom (Advanced)”取消勾选 “NVIDIA GeForce Experience” 和 “NVIDIA HD Audio Driver”只留 “CUDA Toolkit” 和 “CUDA Samples”。安装后重启电脑再执行nvcc --version # 应输出 release 12.1, V12.1.105验证 PyTorch CUDA 支持python -c import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.device_count())正确输出应为True和1。若为False大概率是 CUDA 版本与 PyTorch 不匹配此时去 pytorch.org/get-started/locally/ 选 “Windows”、“Pip”、“CUDA 12.1”复制命令重装。提示所有路径中禁止出现中文、空格、特殊符号。C:\my project\这种路径会导致 llama.cpp 编译失败。统一用C:\openclaw-env\这类纯英文短路径。3.2 Grok 模型部署从 GGUF 下载到 CUDA 加速验证Grok 模型没有官方 Windows 镜像必须手动下载量化 GGUF 文件。推荐渠道是 Hugging Face 的TheBloke/Grok-1.5-GGUF仓库注意不是Grok-2因 Grok-2 的 GGUF 量化尚未成熟Q4_K_M 在 4070 上显存溢出。下载步骤打开 https://huggingface.co/TheBloke/Grok-1.5-GGUF/tree/main找到文件名含Q5_K_M的项平衡精度与速度如grok-1.5.Q5_K_M.gguf约 4.2GB点击右侧 ↓ 图标下载保存到C:\openclaw-env\models\接着下载 llama.cpp Windows 预编译版去 github.com/ggerganov/llama.cpp/releases 找最新llama-bins-windows-x64.zip解压到C:\openclaw-env\llama-bin\得到llama-server.exe。现在启动 Grok 服务cd C:\openclaw-env\llama-bin\ llama-server.exe -m ..\models\grok-1.5.Q5_K_M.gguf -c 4096 --port 8000 --host 127.0.0.1 --gpu-layers 45 --verbose-prompt关键参数解释-c 4096Grok-1.5 原生上下文是 8192但 Windows 下显存紧张设 4096 是安全值若你有 RTX 4090可试8192。--gpu-layers 45RTX 4070 有 46 个 SM设 45 表示 45 层计算在 GPU最后一层在 CPU 做 logits 归一化避免显存碎片。--verbose-prompt启动后会打印[INST]等 prompt 模板的 token ID确认 system prompt 是否被正确注入。验证是否成功打开浏览器访问http://127.0.0.1:8000/health返回{status:ok}即成功。再试一个推理curl -X POST http://127.0.0.1:8000/completion \ -H Content-Type: application/json \ -d { prompt: What is the capital of France?, n_predict: 64, temperature: 0.2 }若返回content:Paris说明 CUDA 加速已生效。若返回极慢或报错CUDA error: out of memory立即降低--gpu-layers值重试。注意首次加载模型时llama-server.exe会将 GGUF 文件解压到显存耗时 15–25 秒CMD 窗口无任何输出这是正常现象。耐心等待直到出现llama-server: server listening on http://127.0.0.1:8000日志。3.3 OpenClaw 配置skill.yaml 的编写逻辑与 Telegram Token 获取OpenClaw 的灵魂不在代码而在skill.yaml。它定义了“你能让 AI 做什么”。以网页搜索为例一个最小可用的search_skill.yaml长这样name: web_search description: Search the web and return concise results trigger: - type: command name: /search description: Search the web for a query - type: web path: /search method: POST input: - name: query type: string required: true description: The search query output: - name: result type: string description: The search result summary action: type: http url: https://api.duckduckgo.com/?q{{query}}formatjsonno_html1 method: GET response_path: AbstractText这里的关键是response_path: AbstractText—— DuckDuckGo API 返回 JSONAbstractText字段是摘要文本。OpenClaw 会自动提取该字段作为输出。你不需要写一行 Python 代码。Telegram Token 获取流程务必按顺序在 Telegram 搜索BotFather发送/newbot按提示输入机器人名称如MyOpenClawBot再输用户名必须以_bot结尾如myopenclaw_botBotFather 会返回一串 token形如1234567890:ABCDEFGHIJKLMNOPQRSTUVWXYZabcdef立即复制保存这是唯一一次可见机会发送/setprivacy给 BotFather选择你的机器人再发Disable—— 否则 Bot 只能收命令不能收普通消息发送/setcommands选择你的机器人粘贴以下命令每行一个用空格分隔search - Search the web help - Show help message status - Check OpenClaw status然后在 OpenClaw 的config.yaml中填入llm: provider: openai base_url: http://127.0.0.1:8000/v1 # 指向 llama-server api_key: sk-no-key-required # llama.cpp 不需要 key telegram: token: 1234567890:ABCDEFGHIJKLMNOPQRSTUVWXYZabcdef polling_interval: 30000 allowed_users: [123456789] # 你的 Telegram user_id获取方式用浏览器打开 https://api.telegram.org/bot{token}/getUpdates看 response 中的 id实操心得allowed_users是安全底线。不加这行任何人拿到你的 Bot Token 都能发消息给你服务器。getUpdates返回的 JSON 中result:[ {message:{from:{id:123456789,...}}}]那个id就是你的 user_id。3.4 自启动脚本编写bat 封装的三层防御机制start_openclaw.bat不是简单的一行命令而是包含进程守护、健康检查、错误重试的微型运维脚本echo off setlocal enabledelayedexpansion :: 定义路径 set PYTHON_PATHC:\Users\name\AppData\Local\Programs\Python\Python311\python.exe set OPENCLAW_PATHC:\openclaw-env\openclaw set LLAMA_PATHC:\openclaw-env\llama-bin\llama-server.exe set MODEL_PATHC:\openclaw-env\models\grok-1.5.Q5_K_M.gguf :: 第一层防御检查 llama-server 是否运行 tasklist /fi imagename eq llama-server.exe 2nul | find /i llama-server.exe nul if %errorlevel%0 ( echo llama-server already running. ) else ( echo Starting llama-server... start %LLAMA_PATH% -m %MODEL_PATH% -c 4096 --port 8000 --host 127.0.0.1 --gpu-layers 45 --verbose-prompt nul 21 timeout /t 25 /nobreak nul ) :: 第二层防御等待 llama-server 健康就绪 set COUNT0 :wait_loop set /a COUNT1 curl -s -o nul -w %%{http_code} http://127.0.0.1:8000/health | findstr 200 nul if %errorlevel%0 ( echo llama-server is healthy. goto start_openclaw ) else ( if !COUNT! LSS 10 ( timeout /t 3 /nobreak nul goto wait_loop ) else ( echo ERROR: llama-server failed to start after 30 seconds. exit /b 1 ) ) :start_openclaw :: 第三层防御启动 OpenClaw 并重定向日志 echo Starting OpenClaw... cd /d %OPENCLAW_PATH% %PYTHON_PATH% -m openclaw serve --config config.yaml openclaw.log 21这个 bat 的精妙之处在于start 启动llama-server.exe为独立进程不阻塞后续命令timeout /t 25给模型加载留足时间避免curl过早发起请求curl -w %%{http_code}获取 HTTP 状态码比单纯ping更准确goto和:label实现简单循环10 次失败后退出防止无限等待。将此 bat 保存为C:\openclaw-env\start_openclaw.bat下一步就交给 Task Scheduler。4. 实操过程与核心环节实现4.1 Task Scheduler 创建全流程从触发条件到权限配置打开“任务计划程序”WinR →taskschd.msc右键“任务计划程序库” → “创建基本任务…”名称OpenClaw Auto Start描述Start OpenClaw and Grok services on login触发器选“当用户登录时”下一步操作选“启动程序”浏览到C:\openclaw-env\start_openclaw.bat完成前勾选“当完成此向导时打开该任务属性的对话框”在弹出的属性窗口中做四步关键配置常规选项卡勾选“使用最高权限运行”否则无法绑定 8000 端口勾选“配置为Windows 10”兼容性最佳“安全选项”中点击“更改用户或组”输入你的用户名如DESKTOP-ABC\name点“检查名称”确认再点“确定”触发器选项卡选中刚创建的触发器点“编辑”勾选“延迟任务时间30 秒”给系统留出初始化时间勾选“重复任务间隔5 分钟”持续时间“无限期”这是心跳检测确保服务意外崩溃后自动重启条件选项卡取消勾选“只有在计算机使用交流电源时才启动此任务”笔记本用户必选取消勾选“只有在计算机处于空闲状态时才启动此任务”“开始任务”保持默认 “只要满足上述条件即可”设置选项卡勾选“如果任务失败重新启动任务每 5 分钟最多 3 次”核心容错勾选“如果过了计划开始时间立即启动任务”“如果任务正在运行以下规则适用”选“不启动新实例”防进程堆积点“确定”输入你的 Windows 登录密码这是必须的因任务需最高权限。至此任务创建完毕。验证方法右键该任务 → “运行”观察C:\openclaw-env\openclaw.log是否有INFO: Uvicorn running on http://127.0.0.1:8001日志同时 Telegram 发/status应返回OpenClaw is running. LLM connected.。4.2 网页搜索功能实测从 Skill 编写到前端调用OpenClaw 默认提供/docsSwagger UI但网页搜索需自定义前端。我们用最简 HTML 实现!-- save as C:\openclaw-env\search.html -- !DOCTYPE html html headtitleOpenClaw Web Search/title/head body h2Web Search via OpenClaw/h2 input typetext idquery placeholderEnter search query... stylewidth:400px;padding:8px; button onclickdoSearch()Search/button div idresult stylemargin-top:20px;padding:10px;background:#f0f0f0;/div script async function doSearch() { const q document.getElementById(query).value; const res document.getElementById(result); res.innerHTML Searching...; try { const r await fetch(http://127.0.0.1:8001/search, { method: POST, headers: {Content-Type: application/json}, body: JSON.stringify({query: q}) }); const data await r.json(); res.innerHTML strongResult:/strong ${data.result || No result}; } catch(e) { res.innerHTML Error: ${e.message}; } } /script /body /html关键点OpenClaw 默认监听http://127.0.0.1:8001不是 8000那是 llama-server 的端口fetch直接调用/search对应skill.yaml中trigger.type: web的path: /search前端无需鉴权因服务只监听127.0.0.1外部无法访问。双击打开search.html在输入框输入latest AI news点 Search3 秒后显示 DuckDuckGo 摘要。这就是完整的“网页搜索”闭环。4.3 Telegram 接入深度调试Polling 日志分析与限流规避OpenClaw 的 Telegram polling 日志藏在openclaw.log里关键行如下INFO: Telegram polling started. Interval: 30000ms INFO: Got update from user 123456789: /search quantum computing INFO: Executing skill web_search with input {query: quantum computing} INFO: HTTP action completed. Status: 200, Response: {AbstractText:Quantum computing uses quantum mechanics...} INFO: Sending reply to user 123456789: Quantum computing uses quantum mechanics...若发现 Bot 不响应第一步查日志是否有Got update。没有说明 Telegram API 调用失败常见原因allowed_users未配置或 ID 错误你的网络防火墙拦截了api.telegram.org临时关闭防火墙测试polling_interval设太小20000触发 Telegram 限流。Telegram 官方限流规则每 30 秒最多 30 次getUpdates请求。polling_interval30000是安全值但若你设1000010 秒连续 4 次就会被429 Too Many Requests。规避技巧在config.yaml中加retry_delay: 60000重试前等 60 秒并确保 Task Scheduler 的“失败重试”间隔大于 60 秒形成双重保护。4.4 故障自愈机制Logrotate 与 Crash RecoveryWindows 没有 logrotate但openclaw.log会无限增长。我们用 PowerShell 脚本实现简易轮转新建C:\openclaw-env\rotate_logs.ps1$logPath C:\openclaw-env\openclaw.log $backupPath C:\openclaw-env\openclaw.log.$(Get-Date -Format yyyyMMddHHmmss) if (Test-Path $logPath) { Rename-Item $logPath $backupPath # 创建新日志文件 New-Item $logPath -ItemType File -Force | Out-Null } # 保留最近 5 个备份 Get-ChildItem C:\openclaw-env\openclaw.log.* | Sort-Object LastWriteTime -Descending | Select-Object -Skip 5 | ForEach-Object { Remove-Item $_.FullName }在 Task Scheduler 中再建一个任务触发器设为“每天凌晨 2:00”操作为“启动程序” →powershell.exe参数为-ExecutionPolicy Bypass -File C:\openclaw-env\rotate_logs.ps1。Crash Recovery 更重要OpenClaw 进程崩溃后Task Scheduler 的“失败重试”会拉起新进程但llama-server.exe还在运行端口被占。因此start_openclaw.bat中必须加端口检查:: 在启动 llama-server 前插入 netstat -ano | findstr :8000 | findstr LISTENING nul if %errorlevel%0 ( echo Port 8000 is occupied. Killing process... for /f tokens5 %%a in (netstat -ano ^| findstr :8000 ^| findstr LISTENING) do taskkill /f /pid %%a nul 21 )这段代码会杀掉占用 8000 端口的进程通常是上次崩溃残留的llama-server.exe确保每次启动干净。5. 常见问题与排查技巧实录5.1 典型问题速查表现象可能原因排查命令解决方案llama-server.exe启动后立即退出CMD 闪退VS Build Tools 未安装或 CUDA 路径错误where nvcc、vcvarsall.bat是否存在重装 VS Build Tools 2022确保C:\Program Files\Microsoft Visual Studio\2022\BuildTools\VC\Auxiliary\Build\vcvars64.bat存在OpenClaw 启动报ConnectionRefusedError: [WinError 10061]llama-server未运行或端口不对tasklist /fi imagename eq llama-server.exe、curl http://127.0.0.1:8000/health检查 bat 中端口是否为8000确认llama-server进程存在Telegram Bot 收不到消息openclaw.log无Got updateallowed_usersID 错误或 BotFather 未Disableprivacycurl https://api.telegram.org/bot{TOKEN}/getUpdates重新获取 user_id确认 BotFather 设置Disable/search返回空结果日志显示 HTTP