打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

打造你的家庭 AI 助手(四):单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

引言

OpenClaw 是一个强大的智能体(Agent)编排框架,它通过统一的架构让开发者可以轻松管理多个聊天机器人,并接入不同的即时通讯平台。在实际应用中,我们往往需要同时运行多个 QQ 机器人(例如个人助手、工作助手),甚至希望同一个智能体既能处理 QQ 消息,也能响应飞书消息。

本文将详细介绍如何在一个 OpenClaw 实例中配置多通道(QQ、飞书)、多 Agent 以及多 QQ 机器人账号,实现资源的高效利用和灵活的消息路由。特别地,我们将阐明飞书通道与 QQ 通道在绑定规则上的差异,避免常见的配置错误。

核心概念回顾

  • Agent(智能体):拥有独立人格、记忆和技能的对话单元。每个 Agent 有自己的工作区(workspace),存放 SOUL.md(人格设定)和 skills/(技能)。
  • Channel(通道):连接外部即时通讯平台的模块,如 qqbot(QQ 官方机器人)、feishu(飞书)。
  • Binding(绑定):定义消息路由的规则,将特定通道的 incoming 消息派发给指定的 Agent 处理。

环境准备

  • 已安装 OpenClaw
  • 拥有至少一个 QQ 机器人(在 QQ 开放平台 创建)和一个飞书应用(在 飞书开放平台 创建),获取各自的 AppID 和 AppSecret

配置多 QQ 机器人账号

OpenClaw 的 qqbot 通道支持同时接入多个 QQ 机器人,只需在 channels.qqbot.accounts 对象中为每个机器人定义一个唯一的 accountId,并填入对应的凭证。

配置文件示例 ~/.openclaw/config.json

{"channels":{"qqbot":{"enabled":true,"accounts":{"personal-bot":{"appId":"QQ_APPID_1","clientSecret":"QQ_SECRET_1"},"work-bot":{"appId":"QQ_APPID_2","clientSecret":"QQ_SECRET_2"}}}}}

这里 personal-botwork-bot 是我们自定义的账号 ID,后续在绑定规则中会用到。

配置多 Agent

每个 Agent 对应一种人格或功能。例如我们可以创建两个 Agent:

  • shuying-finance:金融助手,负责处理投资咨询
  • shuying-general:通用助手,负责日常闲聊

Agent 配置示例:

{"agents":{"list":[{"id":"shuying-finance","name":"金融助手","workspace":"/data/workspace/finance"},{"id":"shuying-general","name":"通用助手","workspace":"/data/workspace/general"}]}}

每个 Agent 的工作区是独立的,可以放置不同的人格设定文件(SOUL.md)和技能代码。

配置绑定规则:将 QQ 账号路由到不同 Agent

现在我们将两个 QQ 机器人分别绑定到不同的 Agent。注意,在匹配 QQ 通道时,我们使用 accountId 字段来指定具体的机器人账号。

{"bindings":[{"agentId":"shuying-finance","match":{"channel":"qqbot","accountId":"work-bot"}},{"agentId":"shuying-general","match":{"channel":"qqbot","accountId":"personal-bot"}}]}
易错提醒:字段名必须是 accountId,而不是 account。如果写成 "account": "..." 会导致 Invalid input 错误。

配置飞书通道与绑定规则

飞书通道的配置与 QQ 略有不同。首先在 channels.feishu 中配置应用账号:

{"channels":{"feishu":{"enabled":true,"accounts":{"finance-feishu":{"appId":"FEISHU_APPID","appSecret":"FEISHU_SECRET"}}}}}

飞书绑定规则的关键区别在于:飞书的消息来源需要指定具体的 peer(对话对象),可以是用户私聊(user)或群聊(group),并给出对应的 ID。

例如,我们希望将某个飞书群的会话路由给金融助手:

{"bindings":[{"agentId":"shuying-finance","match":{"channel":"feishu","accountId":"finance-feishu","peer":{"kind":"group","id":"oc_582b57e290ba8a4d662eedaa0f446eb7"}}}]}

如果需要匹配某个用户的私聊,则将 kind 改为 userid 改为用户的 open_id

为什么飞书不使用 accountId 直接匹配?

因为飞书通道支持在同一应用账号下区分不同的会话来源(群或用户),提供更精细的路由控制。如果你希望某个飞书应用账号的所有消息都交给同一个 Agent,可以省略 peer 字段。

进阶:同一个 Agent 同时处理 QQ 和飞书

如果希望一个 Agent(例如 shuying-finance)既能处理 QQ 消息,也能处理飞书消息,只需添加两条绑定规则,指向同一个 agentId

完整绑定示例:

{"bindings":[// QQ 绑定{"agentId":"shuying-finance","match":{"channel":"qqbot","accountId":"work-bot"}},{"agentId":"shuying-general","match":{"channel":"qqbot","accountId":"personal-bot"}},// 飞书绑定(同一个金融助手){"agentId":"shuying-finance","match":{"channel":"feishu","accountId":"finance-feishu","peer":{"kind":"group","id":"oc_582b57e290ba8a4d662eedaa0f446eb7"}}}]}

现在,无论是通过 work-bot QQ 号发来的消息,还是通过指定飞书群发来的消息,都会交给 shuying-finance 这个 Agent 统一处理。Agent 将使用同一套人格和技能进行回复,实现跨平台的一致性体验。

配置文件完整示例

将以上片段整合成一个完整的配置文件(仅展示关键部分):

{"agents":{"list":[{"id":"shuying-finance","workspace":"/data/workspace/finance"},{"id":"shuying-general","workspace":"/data/workspace/general"}]},"channels":{"qqbot":{"enabled":true,"accounts":{"personal-bot":{"appId":"QQ_APPID_1","clientSecret":"QQ_SECRET_1"},"work-bot":{"appId":"QQ_APPID_2","clientSecret":"QQ_SECRET_2"}}},"feishu":{"enabled":true,"accounts":{"finance-feishu":{"appId":"FEISHU_APPID","appSecret":"FEISHU_SECRET"}}}},"bindings":[{"agentId":"shuying-finance","match":{"channel":"qqbot","accountId":"work-bot"}},{"agentId":"shuying-general","match":{"channel":"qqbot","accountId":"personal-bot"}},{"agentId":"shuying-finance","match":{"channel":"feishu","accountId":"finance-feishu","peer":{"kind":"group","id":"oc_582b57e290ba8a4d662eedaa0f446eb7"}}}]}

验证与重启

修改配置文件后,建议先验证语法:

openclaw config validate 

如果没有错误,重启网关服务使配置生效:

openclaw gateway restart 

之后可以通过 openclaw status 查看 Agent 和通道的运行状态。分别用 QQ 和飞书向对应的机器人/群发送消息,测试是否被正确路由到预期的 Agent。

常见问题

  1. 绑定规则不生效(QQ):检查 accountId 是否与 accounts 中的键名完全一致(区分大小写),且字段名为 accountId 而非 account
  2. 绑定规则不生效(飞书):确认 peer 中的 kindid 正确无误,且该群或用户确实属于配置的飞书应用。
  3. 通道启动失败:确认 appId/appSecret 无误,并且服务器 IP 已在对应平台的白名单中。
  4. Agent 无响应:检查 Agent 的工作区是否存在有效的 SOUL.md 文件,或者是否有技能代码错误。

总结

通过本文的配置,我们实现了在一个 OpenClaw 实例中:

  • 接入多个 QQ 机器人账号
  • 定义多个具有不同人格的 Agent
  • 将不同 QQ 账号的消息精确路由到对应的 Agent
  • 将飞书特定群的消息也路由到其中一个 Agent,实现跨平台统一处理

OpenClaw 的灵活性和扩展性为构建复杂的对话系统提供了坚实的基础。掌握通道、Agent 和绑定规则的关系,你可以轻松扩展更多平台和更多智能体,打造属于自己的机器人矩阵。


相关文章:

Read more

【AI大模型入门】02:豆包——字节出品,国内用户最顺手的AI助手

【AI大模型入门】02:豆包——字节出品,国内用户最顺手的AI助手

【AI大模型入门】02:豆包——字节出品,国内用户最顺手的AI助手 📖 阅读时长:约8分钟 🎯 适合人群:想找一个好用、免费、无障碍访问的AI工具的新手 💡 你将学到:豆包是什么、有哪些功能、和其他AI有什么区别、怎么快速上手 一、豆包是什么? 豆包(Doubao)是字节跳动(抖音、今日头条的母公司)推出的AI大模型产品,于2023年8月正式上线。 如果你用过抖音、今日头条,那你已经间接体验过字节AI技术的成果了。豆包就是字节把这些技术能力集中打包,做成了一个对话式AI助手。 字节跳动 AI 产品矩阵: ┌─────────────────────────────────┐ │ 豆包(对话助手) ←── 本篇主角 │ │ 即梦(图像/视频生成) │ │ 剪映AI(视频剪辑AI) │ │ 扣子(AI Agent搭建平台) │ └─────────────────────────────────┘ 二、为什么推荐新手先用豆包? 在所有AI产品里,我特别推荐国内新手从豆包开始,原因很简单: 优势说明✅

零基础学AI大模型之嵌入模型性能优化

零基础学AI大模型之嵌入模型性能优化

大家好,我是工藤学编程 🦉一个正在努力学习的小博主,期待你的关注实战代码系列最新文章😉C++实现图书管理系统(Qt C++ GUI界面版)SpringBoot实战系列🐷【SpringBoot实战系列】SpringBoot3.X 整合 MinIO 存储原生方案分库分表分库分表之实战-sharding-JDBC分库分表执行流程原理剖析消息队列深入浅出 RabbitMQ-RabbitMQ消息确认机制(ACK)AI大模型零基础学AI大模型之LangChain Embedding框架全解析 前情摘要 前情摘要 1、零基础学AI大模型之读懂AI大模型 2、零基础学AI大模型之从0到1调用大模型API 3、零基础学AI大模型之SpringAI 4、零基础学AI大模型之AI大模型常见概念 5、零基础学AI大模型之大模型私有化部署全指南 6、零基础学AI大模型之AI大模型可视化界面 7、零基础学AI大模型之LangChain 8、零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路 9、零基础学AI大模型之Prompt提示词工程 10、零基础学AI大模型之Lan

browser-agent:AI驱动的浏览器代理工具使用指南

browser-agent:AI驱动的浏览器代理工具使用指南 【免费下载链接】browser-agentA browser AI agent, using GPT-4 项目地址: https://gitcode.com/gh_mirrors/br/browser-agent 一、核心功能解析:它能帮你做什么? 1.1 理解浏览器代理的AI能力 browser-agent是一款基于GPT-4的浏览器AI代理工具,它能够模拟人类在浏览器中的操作行为,自动完成网页浏览、信息提取、表单填写等任务。与传统自动化工具不同,其核心优势在于通过AI理解网页内容和上下文,而非简单执行固定脚本。 1.2 适用场景与典型应用 * 信息聚合:自动从多个网页收集并整理数据 * 流程自动化:重复的网页操作(如定期报表下载) * 智能交互:模拟用户行为与网页元素互动 二、快速上手:3分钟启动你的AI浏览器代理 2.1 环境准备与安装 首先确保你的环境已安装Rust工具链,然后执行以下命令获取项目: git

从“敲代码”到“说需求”:AI到底如何改变应用开发?

前言 2023-2025 这短短 24 个月,生成式 AI 完成了从“一本正经地胡说八道”到“可信赖生产力”的跨越 。伴随幻觉率大幅下降、模型能力跃迁,以及向量数据库、AI 云原生、低代码等配套技术的成熟,应用开发方式正在发生一场“范式级”革命: * 开发单元从“代码文件”变成“模型能力”; * 开发者角色从“编码者”变成“需求描述者 + AI 训练师”; * 交付流程从“需求 → 设计 → 编码 → 测试 → 运维”变成“自然语言提示 → AI 生成 → 人工微调 → 一键部署”。 本文将从技术栈、工程流程、组织形态、商业模式四个维度,系统拆解这场变革的来龙去脉与未来走向。 技术栈迁移:从“