OpenClaw 多飞书机器人接入与多 Agent 团队协作实战

项目目标与落地状态

这次实践的核心目标是把 OpenClaw 从单机环境扩展到多机器人协作，最终形成一个能稳定运行的自动化团队。我们验证了以下关键点：

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

安装与环境配置

前置检查

先确认 Node 和 npm 版本是否达标，建议 Node.js >= 22，npm >= 10。如果版本过低，升级后再进行后续操作。

node -v && npm -v

执行安装脚本

不同系统使用对应的安装命令，安装完成后统一验证版本号。

macOS / Linux：

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

Windows（PowerShell）：

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

验证标准是返回版本号（如 2026.x.x）。

初始化与诊断

首次运行推荐执行初始化向导，完成模型供应商选择、认证及本地配置写入。

openclaw onboard --install-daemon

随后通过健康检查确保网关正常，特别是 gateway probe 应显示 Reachable: yes，本地网关通常监听在 ws://127.0.0.1:18789。

openclaw doctor
openclaw gateway status
openclaw gateway probe

最小可用调用测试也很关键，确保能收到 JSON 响应且无致命报错。

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

常见问题排查

1. 找不到 openclaw 命令

如果是 PATH 问题，需要把全局 npm bin 目录加入环境变量。

macOS / Linux：

npm prefix -g && echo "$PATH"

Windows（PowerShell）：

npm prefix -g; $env:Path

修复原则是将输出目录加入系统 PATH。

2. Gateway 状态异常

如果 gateway status 显示服务缺失或 RPC 失败，尝试前台启动确认主进程是否正常。

openclaw gateway run --verbose

观察是否出现 listening on ws://127.0.0.1:18789。

3. Windows 下 --force 报错

Windows 没有 lsof 工具时，不要加 --force 参数，直接运行即可。

openclaw gateway run --verbose

飞书集成与配对机制

安装完成后需立即接入飞书渠道，否则无法收发消息。

1. 安装插件：

   openclaw plugins install @openclaw/feishu
   

2. 添加渠道：

   openclaw channels add
   

   按提示填入飞书开放平台的 App ID 与 App Secret。
3. 重启并检查：

   openclaw gateway restart
   openclaw logs --follow
   

4. 完成配对： 私聊机器人后获取配对码，执行审批命令。

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

   注意：某些请求在全局队列可见，但在 --account 过滤下可能为空，最稳妥的方式是配合 pairing list 检查状态。

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，核心在于'按渠道账号精确路由'，而不是依赖默认 Agent。

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

路由配置

路由规则需明确指定 channel 和 accountId。

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

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

验证命令

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

验证标准是所有目标账号 probe.ok = true，且 bindings 包含每个 accountId -> agentId 的映射。

模型分工与身份固化

模型策略

• 默认模型：团队主体使用 openai-codex/gpt-5.2
• 专用模型：文档机器人使用 ollama/gpt-oss:20b-cloud

将模型选择下沉到具体 Agent，好处是成本可控、任务匹配更清晰，且故障隔离更好。

身份错位修复

实际遇到过终端自测正常但飞书里回答成'默认小爪'的情况。排查发现通常是路由没命中或身份文件未固化。

修复动作：

1. 查看渠道日志中的 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

常用运维命令速查

服务与连通

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

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。"

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>

启停控制

openclaw gateway stop
openclaw gateway restart

落地建议

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

当把'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。