OpenClaw-多飞书机器人与多Agent团队实战复盘

OpenClaw 多飞书机器人与多 Agent 团队实战复盘

这篇文章完整记录一次从单机安装到多机器人协作落地的真实过程：
包括 Windows 安装报错、Gateway 连通、模型切换、Feishu 配对、多 Agent 路由、身份错位修复，以及最终形成“产品-开发-测试-评审-文档-运维”团队。

一、目标与结果

这次实践的目标很明确：

1. 在 Windows 上稳定跑通 OpenClaw
2. 接入飞书机器人
3. 做到一个机器人对应一个 Agent 角色
4. 支持多模型并行（OpenAI + Ollama）
5. 最终形成可执行的多 Agent 团队

最终落地状态（已验证）：

• 渠道：Feishu 多账号在线
• 路由：按 accountId 精确绑定到对应 Agent
• 角色：产品经理、技术开发、测试质保、代码评审、文档维护、发布运维
• 模型：默认 openai-codex/gpt-5.2，文档 Agent 使用 ollama/gpt-oss:20b-cloud

二、第一阶段：跨系统安装与 Gateway 排障

这一段改成“可直接复现”的跨系统安装手册，覆盖 Windows、macOS、Linux。
同时把 Feishu 接入步骤也接在安装闭环后，避免“装好了但渠道跑不起来”。

0) 从零安装 OpenClaw（Windows / macOS / Linux）

Step 1. 环境前置检查

先确认 Node 和 npm：

node-vnpm-v

建议：

• Node.js >= 22
• npm >= 10

如果版本过低，先升级再安装 OpenClaw。

Step 2. 按系统执行安装命令

macOS / Linux：

curl-fsSL https://openclaw.ai/install.sh |bash

Windows（PowerShell）：

iwr-useb https://openclaw.ai/install.ps1 |iex

安装完成后统一验证：

openclaw --version

通过标准：能返回版本号（如 2026.x.x）。

Step 3. 首次初始化（推荐）

openclaw onboard --install-daemon 

在向导里完成三件事：

1. 选择模型供应商（OpenAI / OpenAI-Codex / Ollama 等）
2. 完成认证（API Key 或 OAuth）
3. 写入本地配置

Step 4. 安装后健康检查

openclaw doctor openclaw status openclaw health openclaw gateway status openclaw gateway probe 

通过标准：

• doctor 无致命错误
• gateway probe 出现 Reachable: yes
• 本地网关目标通常是 ws://127.0.0.1:18789

Step 5. 最小可用调用测试

openclaw agent --agent main -m"你好，请回复：安装连通通过"--json

通过标准：

• 命令返回 JSON
• 无致命报错（即使出现 gateway fallback，也要看最终是否成功返回）

Step 6. 解决 openclaw 命令找不到（PATH）

先诊断：

macOS / Linux：

npm prefix -gecho"$PATH"

Windows（PowerShell）：

npm prefix -g $env:Path 

修复原则：

• macOS / Linux：把 $(npm prefix -g)/bin 加入 PATH
• Windows：把 npm prefix -g 输出目录加入系统 PATH

Step 7. 打开控制台确认运行态

openclaw dashboard 

默认地址一般为：

• http://127.0.0.1:18789/

Step 8. 接入 Feishu（安装后马上做）

1. 安装 Feishu 插件：

openclaw plugins install @openclaw/feishu 

2. 添加 Feishu 渠道：

openclaw channels add

按提示选择 Feishu，填入飞书开放平台里的 App ID 与 App Secret。

3. 重启并检查网关：

openclaw gateway restart openclaw gateway status openclaw logs --follow

4. 首次私聊机器人后完成配对：

openclaw pairing list feishu --json openclaw pairing approve feishu <配对码>

到这一步，OpenClaw 的“安装 + 网关 + 渠道 + 配对”闭环才算完整。

1) 安装报错：npm error code 1

安装命令：

iwr-useb https://openclaw.ai/install.ps1 |iex

首次报错表现为 npm error code 1。
继续查看日志后，安装最终成功，版本可用：

openclaw --version # 2026.2.24

经验：安装阶段先看“最终版本是否可查询”，不要被中间 warning 直接误导。

2) Gateway 状态异常：Scheduled Task (missing) + RPC 失败

典型现象：

• openclaw gateway status 显示服务缺失
• openclaw gateway probe 报 1006 或 RPC 失败

后续通过前台启动确认服务本体可运行：

openclaw gateway run --verbose 

观察到 listening on ws://127.0.0.1:18789 后，说明 Gateway 主进程正常。

3) Windows 下 --force 报 lsof not found

命令：

openclaw gateway run --force --verbose 

报错：

Force: Error: lsof not found; required for --force 

这是平台差异问题。Windows 无 lsof 时，直接不用 --force，改用：

openclaw gateway run --verbose 

三、第二阶段：模型连通与会话参数问题

1) Agent 命令缺少会话选择参数

命令：

openclaw agent -m "你好，做一次连通性自检并简短回复"--json 

报错提示要求必须提供会话定位参数。修复方式：

openclaw agent --agent main -m "你好，请回复：连通测试通过"--json 

2) 网关失败但回退 embedded 成功

你会看到这类提示：

Gateway agent failed; falling back to embedded 

这不等于请求失败。关键看最终 JSON 是否 status: ok。

四、第三阶段：Feishu 集成与配对机制

1) 常见首次消息

飞书首次私聊机器人时常见返回：

OpenClaw: access not configured. Your Feishu user id: ou_xxx Pairing code: XXXXXXXX Ask the bot owner to approve with: openclaw pairing approve feishu XXXXXXXX 

2) 审批命令实践

通用审批方式：

openclaw pairing approve feishu <配对码> 

按账号审批方式：

openclaw pairing approve --channel feishu --account <accountId> <配对码> 

实践中的关键细节：

• 某些请求在全局 feishu 队列里可见，但在 --account 过滤下为空
• 出现 No pending pairing request found 不一定是失败，可能是配对码已被消费
• 最稳妥做法是配合检查：

openclaw pairing list feishu --json 

五、第四阶段：多机器人 + 多 Agent 团队搭建

我们最终搭建了 6 个飞书机器人角色，并做了账号到 Agent 的一一绑定。

1) 角色设计

1. 总控（产品经理）
2. 技术开发
3. 测试质保
4. 代码评审（架构把关）
5. 文档与知识库维护
6. 发布运维

2) 路由原则

核心不是“一个默认 Agent”，而是“按渠道账号精确路由”：

{"agentId":"pm-agent","match":{"channel":"feishu","accountId":"pm"}}

同理分别配置 dev / qa / review / docs / ops 对应各自 Agent。

3) 结果验证命令

openclaw channels status --json --probe openclaw config get bindings --json openclaw agents list --json 

验证标准：

• 所有目标账号 probe.ok = true
• bindings 包含每个 accountId -> agentId
• 各 Agent 可独立响应

六、第五阶段：模型分工与“专用 Agent”策略

1) 默认模型策略

团队主体使用：

• openai-codex/gpt-5.2

2) 单独模型策略（文档 Agent）

文档机器人专门使用：

• ollama/gpt-oss:20b-cloud

即把“模型选择”从全局配置下沉到具体 Agent。
这样做的好处：

1. 成本可控
2. 任务与模型能力匹配更清晰
3. 故障隔离更好（某个 provider 出问题，不拖垮全部机器人）

七、踩坑重点：为什么机器人会“自称错角色”

实际出现过：在终端 pm-agent 自测正常，但飞书里却回答成“默认小爪”。

排查后发现核心原因通常有两类：

1. 路由没命中目标 Agent，实际走到了 main
2. Agent 身份文件是模板，未完成角色固化

修复动作

1. 看渠道日志中的 dispatching to agent (session=...)
2. 校验 bindings 是否确实匹配 channel + accountId
3. 在该 Agent 工作区写明 IDENTITY.md
4. 在 AGENTS.md 加“身份锁定规则”
5. 必要时重启 Gateway，清旧进程缓存

八、当前可复用的团队运维命令

1) 服务与连通

openclaw gateway start openclaw gateway status openclaw gateway probe openclaw channels status --json --probe 

2) Agent 调试

openclaw agent --agent pm-agent -m "你是谁？只回复名称。" openclaw agent --agent dev-agent -m "你是谁？只回复名称。" openclaw agent --agent review-agent -m "你是谁？只回复名称。"

3) 配对与审批

openclaw pairing list feishu --json openclaw pairing approve feishu <配对码> openclaw pairing approve --channel feishu --account ops <配对码> 

4) 启停

openclaw gateway stop openclaw gateway restart 

九、落地建议（给准备搭团队的人）

1. 先做单机器人闭环，再扩成多机器人
2. 每加一个机器人就立刻做“配对 + 路由 +身份自检”
3. 不要把“身份定义”只放在口头约定，必须写入工作区文件
4. 把日志检查变成固定动作：status -> probe -> logs -> bindings
5. 模型策略按角色拆分，不要盲目全员同模型

十、结语

这次实践最大的收获不是“把机器人接上了”，而是把整套方法跑通了：

• 能安装
• 能排障
• 能路由
• 能分工
• 能稳定运营

当你把“渠道账号、Agent 角色、模型策略、身份文件、日志验证”这 5 件事统一起来，OpenClaw 才真正从“会聊天”进入“可协作生产”的阶段。

参考来源

• https://github.com/KimYx0207/Claude-Code-x-OpenClaw-Guide-Zh
• https://docs.openclaw.ai/zh-CN/install
• https://docs.openclaw.ai/zh-CN/channels/feishu