feat(portable): 预装国内渠道+本地模型自动发现+4个新技能

- release.yml 便携包离线预装 钉钉/飞书中国版/企业微信 插件(借鉴 openclaw-china 生态)
- config-server 新增 /api/local-models：自动探测 Ollama/LM Studio 本地模型(借鉴 RealShocky/openclaw-windows)
- Config.html 检测到本地模型自动生成卡片、免 Key 点选即用；新增钉钉渠道卡片
- skills-cn 新增 pdf-toolkit/web-to-markdown/qrcode-maker/image-compress(13→17)

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

.github/workflows/release.yml

@@ -100,6 +100,25 @@ jobs:
             --no-audit \
             --no-fund || true
 
+          # 5b) Pre-install China channel plugins (钉钉/飞书中国版/企业微信)
+          # 借鉴自 BytePioneer-AI/openclaw-china 生态：这些是非官方主仓库插件，
+          # 官方镜像默认不带 → U-Claw 离线预置 = 最大差异化价值。国内客户开箱即用，
+          # 不用自己 npm install（很多客户机没法翻墙装非镜像包）。
+          # 钉钉走 WebSocket 出站免公网 IP，是国内最易接入的渠道。
+          # 全部 || true：装不上不阻断发版（个别包偶发 404 时便携版仍可用微信/QQ）。
+          for cn_pkg in \
+            "@openclaw-china/dingtalk" \
+            "@openclaw-china/feishu-china" \
+            "@openclaw-china/wecom" \
+            "@openclaw-china/qqbot"; do
+            echo "Installing China channel plugin: $cn_pkg"
+            npm install "${cn_pkg}@latest" \
+              --registry="$mirror_npm" \
+              --ignore-scripts \
+              --no-audit \
+              --no-fund || echo "WARN: $cn_pkg install failed, skipping (便携版仍可用其它渠道)"
+          done
+
           # 6) Copy China-optimized skills if present
           skills_cn="$stage_dir/skills-cn"
           skills_target="$core_dir/node_modules/openclaw/skills"
@@ -307,6 +326,7 @@ jobs:
 
             - 打开 Config 选模型、填入自己的 API Key 即可使用，支持 DeepSeek / 通义 / Claude / GPT 等国内外大模型
             - 想用「虾盘云」中转站（一个 Key 调用国内外全部模型、免翻墙）：先到 https://cloud.u-claw.org 注册并创建 Key
+            - **聊天渠道开箱即用**：便携版已离线预装 微信 / QQ / 钉钉 / 飞书 / 企业微信 插件，无需自己 npm 安装
             - OpenClaw runtime: `${{ steps.openclaw_version.outputs.version }}`
 
             ### 下载

portable/Config.html

@@ -237,6 +237,13 @@ input:focus { border-color: #ff6b35; }
             </div>
         </div>
 
+        <!-- 本地模型自动发现（Ollama / LM Studio）-->
+        <div id="localModelsBox" style="display:none; margin-top:6px;">
+            <h3 style="color:#4caf50; font-size:0.95em; margin:12px 0 4px;">💻 检测到本机本地模型 <span class="tag free">离线·免费</span></h3>
+            <p class="desc" style="margin-bottom:10px;">无需 API Key，纯本地推理。点选即用：</p>
+            <div class="model-grid" id="localModelGrid"></div>
+        </div>
+
         <div class="btn-row">
             <button class="btn btn-primary" id="nextStep1" disabled>下一步 →</button>
         </div>
@@ -332,6 +339,21 @@ input:focus { border-color: #ff6b35; }
                             </div>
                         </div>
                     </div>
+                    <div class="model-card channel-card" onclick="toggleChannel(this, 'dingtalk')">
+                        <h4>📲 钉钉 <span class="tag cn">国内·最易</span></h4>
+                        <p>WebSocket 接入，免公网 IP</p>
+                        <div class="channel-form" id="form-dingtalk" onclick="event.stopPropagation()">
+                            <div class="form-group">
+                                <label>Client ID (AppKey)</label>
+                                <input type="text" id="ch-dingtalk-clientid" placeholder="dingxxx...">
+                            </div>
+                            <div class="form-group">
+                                <label>Client Secret (AppSecret)</label>
+                                <input type="text" id="ch-dingtalk-secret" placeholder="应用密钥">
+                                <p class="hint"><a href="https://open-dev.dingtalk.com" target="_blank">→ 从钉钉开放平台创建机器人应用</a></p>
+                            </div>
+                        </div>
+                    </div>
                     <div class="model-card channel-card" onclick="toggleChannel(this, 'wecom')">
                         <h4>🏢 企业微信</h4>
                         <p>接入企业微信机器人</p>
@@ -438,10 +460,15 @@ function setupStep2() {
         'uclaw-cloud': '虾盘云', minimax: 'MiniMax', kimi: 'Kimi (月之暗面)', deepseek: 'DeepSeek',
         zai: '智谱 GLM', qwen: '通义千问', doubao: '豆包',
         openai: 'OpenAI', anthropic: 'Anthropic Claude', groq: 'Groq',
-        siliconflow: '硅基流动', custom: '自定义'
+        siliconflow: '硅基流动', custom: '自定义',
+        ollama: 'Ollama（本地）', lmstudio: 'LM Studio（本地）'
     };
     const name = providerNames[selectedProvider] || selectedProvider;
-    document.getElementById('step2desc').textContent = `请填写 ${name} 的 API Key`;
+    document.getElementById('step2desc').textContent = selectedLocal
+        ? `${name} 是本地模型，无需 API Key，直接点「保存并启动」即可`
+        : `请填写 ${name} 的 API Key`;
+    // 本地模型隐藏 Key 获取信息框
+    document.getElementById('buyInfo').style.display = selectedLocal ? 'none' : 'block';
 
     // Buy links
     const card = document.querySelector(`#step1 .model-card[data-provider="${selectedProvider}"]`);
@@ -514,8 +541,13 @@ function buildOpenClawConfig(provider, base, model, apiKey) {
 
 // --- Save config ---
 async function saveConfig() {
-    const apiKey = document.getElementById('apiKey').value.trim();
+    let apiKey = document.getElementById('apiKey').value.trim();
-    if (!apiKey) { showToast('请填写 API Key', true); return; }
+    // 本地模型（Ollama/LM Studio）不需要真实 Key，OpenClaw 配置结构里仍要有 apiKey 字段
+    if (selectedLocal) {
+        if (!apiKey) apiKey = 'local';
+    } else if (!apiKey) {
+        showToast('请填写 API Key', true); return;
+    }
 
     let base = selectedBase;
     let model = selectedModel;
@@ -582,6 +614,52 @@ async function loadConfig() {
 }
 loadConfig();
 
+// --- 本地模型自动发现（Ollama / LM Studio）---
+// 探测 /api/local-models，发现本机已运行的本地模型就动态生成卡片，点选即用、无需 Key。
+async function discoverLocalModels() {
+    try {
+        const res = await fetch('/api/local-models');
+        if (!res.ok) return;
+        const { providers } = await res.json();
+        if (!providers || !providers.length) return;
+
+        const grid = document.getElementById('localModelGrid');
+        grid.innerHTML = '';
+        providers.forEach(p => {
+            // 每个本地 provider 最多展示前 6 个模型，避免列表过长
+            p.models.slice(0, 6).forEach(modelId => {
+                const card = document.createElement('div');
+                card.className = 'model-card';
+                card.dataset.provider = p.provider;     // ollama / lmstudio
+                card.dataset.base = p.base;
+                card.dataset.model = modelId;
+                card.dataset.local = '1';               // 标记：本地模型免 Key
+                card.innerHTML = `
+                    <span class="check">✓</span>
+                    <h4>${p.label} <span class="tag free">本地</span></h4>
+                    <p>${modelId}</p>`;
+                card.addEventListener('click', () => {
+                    document.querySelectorAll('.model-card').forEach(c => c.classList.remove('selected'));
+                    card.classList.add('selected');
+                    selectedProvider = p.provider;
+                    selectedBase = p.base;
+                    selectedModel = modelId;
+                    selectedLocal = true;
+                    document.getElementById('nextStep1').disabled = false;
+                });
+                grid.appendChild(card);
+            });
+        });
+        document.getElementById('localModelsBox').style.display = 'block';
+    } catch { /* 无本地模型或探测失败：静默 */ }
+}
+let selectedLocal = false;
+// 选云端卡片时重置本地标记
+document.querySelectorAll('#step1 > .model-grid .model-card').forEach(c => {
+    c.addEventListener('click', () => { selectedLocal = false; });
+});
+discoverLocalModels();
+
 // Allow direct step preview via URL param, e.g. ?step=3
 const stepParam = new URLSearchParams(window.location.search).get('step');
 if (stepParam) goStep(parseInt(stepParam));
@@ -641,6 +719,10 @@ async function launchOpenClaw() {
     const wcSecret = document.getElementById('ch-wecom-secret')?.value.trim();
     if (wcBotId && wcSecret) channels.wecom = { enabled: true, botId: wcBotId, secret: wcSecret };
 
+    const ddId = document.getElementById('ch-dingtalk-clientid')?.value.trim();
+    const ddSecret = document.getElementById('ch-dingtalk-secret')?.value.trim();
+    if (ddId && ddSecret) channels.dingtalk = { enabled: true, clientId: ddId, clientSecret: ddSecret };
+
     // 2. Save channel config if any (merge into existing config)
     if (Object.keys(channels).length > 0) {
         try {

portable/config-server/server.js

@@ -443,6 +443,40 @@ const server = http.createServer((req, res) => {
     return;
   }
 
+  // API: Discover local models (Ollama / LM Studio)
+  // 借鉴 RealShocky/openclaw-windows：自动探测本机已装的本地模型，
+  // 用户无需手填 baseUrl/模型名，直接点选即可（便携版纯离线推理卖点）。
+  // 静默失败：探测不到就返回空数组，不影响 Config 页面。
+  if (req.url === '/api/local-models' && req.method === 'GET') {
+    (async () => {
+      const probes = [
+        { provider: 'ollama',   label: 'Ollama',    base: 'http://127.0.0.1:11434/v1', api: 'http://127.0.0.1:11434/api/tags' },
+        { provider: 'lmstudio', label: 'LM Studio', base: 'http://127.0.0.1:1234/v1',  api: 'http://127.0.0.1:1234/v1/models' },
+      ];
+      const found = [];
+      await Promise.all(probes.map(async (p) => {
+        try {
+          const ctrl = new AbortController();
+          const t = setTimeout(() => ctrl.abort(), 1200);
+          const r = await fetch(p.api, { signal: ctrl.signal });
+          clearTimeout(t);
+          if (!r.ok) return;
+          const data = await r.json();
+          // Ollama: { models:[{name}] } | LM Studio (OpenAI-style): { data:[{id}] }
+          const models = Array.isArray(data.models)
+            ? data.models.map(m => m.name).filter(Boolean)
+            : Array.isArray(data.data)
+              ? data.data.map(m => m.id).filter(Boolean)
+              : [];
+          if (models.length) found.push({ provider: p.provider, label: p.label, base: p.base, models });
+        } catch { /* 探测失败：该 provider 未运行，跳过 */ }
+      }));
+      res.writeHead(200, { 'Content-Type': 'application/json' });
+      res.end(JSON.stringify({ providers: found }));
+    })();
+    return;
+  }
+
   // API: Save config
   if (req.url === '/api/config' && req.method === 'POST') {
     let body = '';

portable/skills-cn/image-compress/SKILL.md

@@ -0,0 +1,50 @@
+---
+name: image-compress
+description: "图片压缩/转换 - 批量压缩、改尺寸、转格式（jpg/png/webp），本地处理不失隐私"
+metadata: { "openclaw": { "emoji": "🖼️" } }
+---
+
+# 图片压缩 / 转换
+
+帮用户压缩图片体积、调整尺寸、转换格式，全部本地处理，照片不外传。
+
+## 能力概述
+
+- **压缩**：降低体积（控制质量/分辨率），适合发邮件、传微信
+- **改尺寸**：按宽高或百分比缩放
+- **转格式**：jpg / png / webp 互转（webp 体积最小）
+- **批量**：处理整个文件夹
+
+## 操作方式
+
+用 Bash 工具，Python 的 Pillow 库（跨平台、纯本地）：
+
+```bash
+python -c "import PIL" 2>/dev/null || pip install -q Pillow
+
+# 单张压缩（质量 75，宽度限制 1600px 等比缩放）
+python - <<'PY'
+from PIL import Image
+im = Image.open("input.jpg")
+if im.width > 1600:
+    im = im.resize((1600, int(im.height*1600/im.width)))
+im.convert("RGB").save("output.jpg", "JPEG", quality=75, optimize=True)
+print("已压缩 -> output.jpg")
+PY
+
+# 批量：当前目录所有 jpg/png -> webp（体积更小）
+python - <<'PY'
+from PIL import Image
+import glob, os
+for f in glob.glob("*.jpg") + glob.glob("*.png"):
+    out = os.path.splitext(f)[0] + ".webp"
+    Image.open(f).save(out, "WEBP", quality=80)
+    print(f"{f} -> {out}")
+PY
+```
+
+## 使用建议
+
+- 处理前 `ls -lh` 看原图体积，处理后再 `ls -lh` 对比，告诉用户压缩了多少
+- 默认不覆盖原图（输出新文件名），除非用户明确要求覆盖
+- 含透明通道的 PNG 转 JPG 会丢透明，转 webp 可保留——按需选格式

portable/skills-cn/pdf-toolkit/SKILL.md

@@ -0,0 +1,59 @@
+---
+name: pdf-toolkit
+description: "PDF 工具箱 - 合并/拆分/提取文字/转图片，纯命令行处理本地 PDF"
+metadata: { "openclaw": { "emoji": "📄" } }
+---
+
+# PDF 工具箱
+
+帮用户对本地 PDF 文件做常见处理：合并、拆分、提取文字、转图片。优先用系统已有工具，
+没有就用 Python 的 pypdf（轻量纯 Python，必要时 `pip install pypdf` 自动安装）。
+
+## 能力概述
+
+- **合并**：把多个 PDF 拼成一个
+- **拆分**：按页拆成多份，或抽取指定页
+- **提取文字**：把 PDF 内容导出成纯文本，便于总结/检索
+- **页数/信息**：查看 PDF 总页数、元信息
+
+## 操作方式
+
+用 Bash 工具执行。下面以 pypdf 为例（跨平台、无需 Office/Acrobat）：
+
+```bash
+# 确保依赖（仅首次，已装会秒过）
+python -c "import pypdf" 2>/dev/null || pip install -q pypdf
+
+# 合并 a.pdf b.pdf -> merged.pdf
+python - <<'PY'
+from pypdf import PdfWriter
+w = PdfWriter()
+for f in ["a.pdf", "b.pdf"]:
+    w.append(f)
+w.write("merged.pdf"); w.close()
+print("已合并 -> merged.pdf")
+PY
+
+# 提取全部文字
+python - <<'PY'
+from pypdf import PdfReader
+r = PdfReader("input.pdf")
+print("\n".join((p.extract_text() or "") for p in r.pages))
+PY
+
+# 抽取第 1-3 页 -> sub.pdf
+python - <<'PY'
+from pypdf import PdfReader, PdfWriter
+r = PdfReader("input.pdf"); w = PdfWriter()
+for i in range(0, 3):
+    w.add_page(r.pages[i])
+w.write("sub.pdf"); w.close()
+print("已抽取 1-3 页 -> sub.pdf")
+PY
+```
+
+## 使用建议
+
+- 处理前先 `ls` 确认文件存在、用 `python -c "from pypdf import PdfReader;print(len(PdfReader('x.pdf').pages))"` 看页数
+- 扫描件（图片型 PDF）提取不到文字属正常，需 OCR（提示用户）
+- 输出文件默认放在与源文件同目录，操作完告诉用户生成的文件名

portable/skills-cn/qrcode-maker/SKILL.md

@@ -0,0 +1,52 @@
+---
+name: qrcode-maker
+description: "二维码生成 - 把网址/文本/WiFi 信息生成二维码图片，本地离线生成"
+metadata: { "openclaw": { "emoji": "🔳" } }
+---
+
+# 二维码生成
+
+帮用户把网址、文本、联系方式、WiFi 信息生成二维码图片，本地离线生成，不上传任何数据。
+
+## 能力概述
+
+- **网址/文本二维码**：任意内容转二维码 PNG
+- **WiFi 二维码**：扫码即连，免手输密码
+- **终端预览**：直接在对话里用字符画展示二维码
+
+## 操作方式
+
+用 Bash 工具，Python 的 qrcode 库（轻量、纯本地）：
+
+```bash
+python -c "import qrcode" 2>/dev/null || pip install -q "qrcode[pil]"
+
+# 网址/文本 -> PNG
+python - <<'PY'
+import qrcode
+qrcode.make("https://u-claw.org").save("qrcode.png")
+print("已生成 -> qrcode.png")
+PY
+
+# WiFi 二维码（扫码自动连网）
+python - <<'PY'
+import qrcode
+ssid, pwd, enc = "MyWiFi", "password123", "WPA"   # enc: WPA / WEP / nopass
+data = f"WIFI:T:{enc};S:{ssid};P:{pwd};;"
+qrcode.make(data).save("wifi-qr.png")
+print("已生成 WiFi 二维码 -> wifi-qr.png")
+PY
+
+# 终端字符画预览（不存文件，直接看）
+python - <<'PY'
+import qrcode
+q = qrcode.QRCode(); q.add_data("https://u-claw.org"); q.make()
+q.print_ascii(invert=True)
+PY
+```
+
+## 使用建议
+
+- 先确认用户要编码的内容、是否保存为文件
+- 生成后用 Read 工具把 PNG 展示给用户看
+- 内容过长（如整段文字）二维码会很密集，提示用户改用短链

portable/skills-cn/web-to-markdown/SKILL.md

@@ -0,0 +1,51 @@
+---
+name: web-to-markdown
+description: "网页转 Markdown - 抓取任意网页正文并转成干净的 Markdown，便于阅读/收藏/二次创作"
+metadata: { "openclaw": { "emoji": "🔗" } }
+---
+
+# 网页转 Markdown
+
+把用户给的网页链接抓下来，提取正文，转成干净的 Markdown，方便保存、总结或二次创作。
+
+## 能力概述
+
+- **正文提取**：去掉导航/广告/页脚，只留主体内容
+- **转 Markdown**：标题、列表、链接、代码块保留结构
+- **保存**：可写入本地 .md 文件
+
+## 操作方式
+
+用 Bash 工具。首选 jina.ai 的免费 reader（无需依赖，最省事）：
+
+```bash
+# 最简：jina reader 直接返回干净 Markdown（在链接前加 https://r.jina.ai/）
+curl -s "https://r.jina.ai/https://example.com/article" -o article.md
+echo "已保存 -> article.md"; head -40 article.md
+```
+
+离线或 jina 不可用时，用 Python 本地转换：
+
+```bash
+python -c "import markdownify,requests" 2>/dev/null || pip install -q markdownify requests beautifulsoup4
+python - <<'PY'
+import requests, re
+from bs4 import BeautifulSoup
+from markdownify import markdownify as md
+url = "https://example.com/article"
+html = requests.get(url, timeout=15, headers={"User-Agent":"Mozilla/5.0"}).text
+soup = BeautifulSoup(html, "html.parser")
+for t in soup(["script","style","nav","footer","aside"]): t.decompose()
+body = soup.find("article") or soup.find("main") or soup.body
+out = md(str(body), heading_style="ATX")
+out = re.sub(r"\n{3,}", "\n\n", out).strip()
+open("article.md","w",encoding="utf-8").write(out)
+print("已保存 -> article.md，", len(out), "字")
+PY
+```
+
+## 使用建议
+
+- 先问用户要不要保存到文件、文件名
+- 微信公众号/知乎等需要登录的页面可能抓取受限，如失败如实告知
+- 抓取后可顺手做"总结要点"，结合 china-search / deepseek-helper 技能