OpenClaw 多飞书机器人接入与多 Agent 团队协作实战

OpenClaw 多飞书机器人与多 Agent 团队实战复盘

这次实践的目标很明确：在 Windows 上稳定跑通 OpenClaw，接入飞书机器人，实现一个机器人对应一个 Agent 角色，支持多模型并行，最终形成可执行的多 Agent 团队。

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

跨系统安装与 Gateway 排障

环境前置检查

先确认 Node 和 npm 版本。建议 Node.js >= 22，npm >= 10。如果版本过低，先升级再安装 OpenClaw。

node -v
npm -v

按系统执行安装命令

macOS / Linux：

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

Windows（PowerShell）：

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

安装完成后统一验证，能返回版本号（如 2026.x.x）即通过：

openclaw --version

首次初始化与健康检查

推荐运行初始化向导，完成三件事：选择模型供应商、完成认证、写入本地配置。

openclaw onboard --install-daemon

接着做健康检查，确保无致命错误且网关可达：

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

通过标准包括 doctor 无致命错误，gateway probe 显示 Reachable: yes，本地网关目标通常是 ws://127.0.0.1:18789。

最小可用调用测试如下，返回 JSON 且无致命报错即可：

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 诊断 PATH 是否包含全局 bin 目录。

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 若 openclaw gateway status 显示服务缺失或 RPC 失败，尝试前台启动确认服务本体：

openclaw gateway run --verbose

观察到 listening on ws://127.0.0.1:18789 后说明主进程正常。

3. Windows 下 --force 报错 Windows 无 lsof 时直接去掉 --force 参数：

openclaw gateway run --verbose

接入 Feishu

安装后马上做渠道接入，避免装好了但跑不起来。

1. 安装插件：

   openclaw plugins install @openclaw/feishu
   

2. 添加渠道，填入飞书开放平台的 App ID 与 App Secret：

   openclaw channels add
   

3. 重启并检查日志：

   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>
   

至此，OpenClaw 的'安装 + 网关 + 渠道 + 配对'闭环才算完整。

模型连通与会话参数

Agent 命令有时缺少会话选择参数，报错提示必须提供定位参数。修复方式是在命令中显式指定 --agent：

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

若看到 Gateway agent failed; falling back to embedded 提示，这不等于请求失败。关键看最终 JSON 是否 status: ok。

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。

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

路由原则

核心不是'一个默认 Agent'，而是'按渠道账号精确路由'。配置示例：

{"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，bindings 包含每个 accountId -> agentId，各 Agent 可独立响应。

模型分工与专用策略

默认模型策略

团队主体使用：

• openai-codex/gpt-5.2

单独模型策略

文档机器人专门使用：

• ollama/gpt-oss:20b-cloud

把'模型选择'从全局配置下沉到具体 Agent。好处是成本可控、任务与模型能力匹配更清晰、故障隔离更好。

踩坑重点：身份错位修复

实际出现过终端自测正常，但飞书里却回答成'默认小爪'的情况。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. 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

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。"

启停

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

这次实践最大的收获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。

参考文档：

• https://docs.openclaw.ai/zh-CN/install
• https://docs.openclaw.ai/zh-CN/channels/feishu