OpenClaw多智能体路由实战:飞书多机器人配置指南

文章目录

目前我已经完成了OpenClaw的基本安装,但是在对话框只有一个,机器人也只绑定到主会话,一次只能处理一个消息。很多时候我在聊天窗口,说A任务,然后做了一半,又发了关于B任务的指令。一是每次发完消息,如果OpenClaw还在处理,剩下的消息要么进入队列、要么看不到(实际还在队列)。两个任务切来切去,感觉体验很不好。

要彻底解决这个问题,实现网上演示的那种对各Agent、每个对话机器人对应一个Agent,就需要用到多智能体路由技术。
实现的步骤如下:

  • 在飞书创建一个新的机器人
  • 通过控制台创建新的智能体
  • 按照指引将飞书配置上去
  • 根据需要创建多个Agent和机器人,并对应配置上去(略)

飞书重新安装问题

明明我已经安装好了飞书,系统还是会提示我安装,否则就跳过了添加飞书这步。应该是系统Bug。这次安装的飞书位置在~/.openclaw/extensions/feishu,其实和~/.npm-global/lib/node_modules/openclaw/extensions/feishu/是一样的,安装的方法不同而已。建议把.npm-global的删除。

请添加图片描述

第二次配置的时候,会把第一次飞书Channel给覆盖掉,具体看channels.feishu下面的配置。因为我们要实现每个Agent对应一个机器人,就必须要有多个feishu的机器人配置,而这里只有一个。

请添加图片描述


以下为OpenClaw自己配置的:

请添加图片描述

正确的如下,将多个机器人配置放在了channels.feishu.accounts下面,没办法只能手工改:

 "channels": { "feishu": { "enabled": true, "domain": "feishu", "groupPolicy": "allowlist", "accounts": { "main": { "appId": "cli_1", "appSecret": "appSecret1", "botName": "主助手", "groupAllowFrom": [ "ou_id1" ] }, "feishu-work": { "appId": "cli_2", "appSecret": "appSecret2", "botName": "工作助手", "groupAllowFrom": [ "ou_id2" ] }, }, "dmPolicy": "pairing" } }, "bindings": [ { "agentId": "main", "match": { "channel": "feishu", "accountId": "main" } }, { "agentId": "work", "match": { "channel": "feishu", "accountId": "feishu-work" #要与前面配置对应 } } ], 

注意事项:

  • 名称一定要对应,agentId对应,accountId也要对应
  • ou_id可以是相同(同一个人名下建立多个机器人),也可以不同(我就是这么干的)
请添加图片描述

效果就是这样。

请添加图片描述

回到Gateway的聊天窗口,就可以切换聊天的对象,我这有2个。(应该也有相关的配置的,找到之后更新)

请添加图片描述

批量增加机器人

一次性申请了6个机器人,确定好Agent的名称,让OpenClaw帮我完成配置。

  • BandBusiness,业务Agent
  • BandProjectMgr,项目经理Agent
  • BandProductMgr,产品经理Agent
  • BandSysDesign,系统设计Agent
  • BandCoder,系统开发Agent,严格来说,还可以继续拆分为前端、后端、安卓、iOS、鸿蒙等

BandTester,系统测试Agent
检查了一下,配置是对的,Agent的职责还做了扩展。重启openclaw gateway restart没问题。接下来需要给每个机器人添加事件,添加配对。

请添加图片描述


请添加图片描述

提示应用未建立长链接。原因是手工修改openclaw.json增加飞书渠道,并没有通过openclaw channels add增加。
发现在~/.openclaw/feishu/dedup少了些内容,但这并没有什么影响。
实测的总结是:必须在控制台完成对飞书机器人添加,才能起作用。而OpenClaw生成的openclaw.json还是对的,能让我的新机器人与Agent对应上。加上之后,还需要调整一下openclaw.json,删除错误的配置。
于是放心把其他的机器人都通过控制台添加上去,任务完美完成。

接下来我就可以创建一批智能体和机器人,并且让他们协同起来了。

缺点

飞书创建机器人的过程比较复杂,流程繁琐。好在我操作一遍之后,就可以按照之前的路径一直这样做下去。

多个飞书机器人名称包含大小写的问题

多个飞书账号时,名称中如果包含大小写,会遇到无法找到的问题。原因时飞书在处理的时候都改成了小写。为了避免类似问题,我将所有飞书的accountId改为小写。

多个Agent名称包含大小写的问题

当多个Agent相互调用的时候,我发现第一个Agent调用第二个Agent失败,仔细看聊天记录,发现OpenClaw把Agent的id全改为了小写。同样,为了规避此类问题,建议所有的Agent名称都时小写。
还可以在Agent的workspace名称发现一些端倪。
比如我的Agent名称为BandBusiness,系统自动分配的workspace名称为~/.openclaw/bandbusiness,全改为小写了。

关键词:OpenClaw 多智能体路由,飞书多机器人配置,OpenClaw bindings 绑定

Read more

2026年传统行业工程师转AI:3大高需求赛道+3位学员实战经验,少走1年弯路

大家好,我是南木,深耕AI培训8年的讲师,也是帮助上千名传统行业从业者完成职业转型的规划师。最近后台收到大量传统行业工程师的咨询:“2026年转AI还来得及吗?”“哪些行业对AI+传统背景的工程师需求大?”“我没接触过AI,从哪开始准备最稳妥?” 2026年的AI行业早已告别“纯技术炒作”,进入“垂直场景规模化落地”的关键期,传统行业工程师的行业经验反而成了转型核心优势——企业需要的不再是只会调参的“工具人”,而是能把AI技术落地到实际业务的“复合型人才”。今天这篇4000字干货文,我会结合最新行业趋势,拆解2026年AI需求最旺盛的3大传统行业,分享3位不同背景学员的转型成功经验,再给出一套普通人可直接套用的高效转型路径,帮你精准踩中风口,高效实现职业升级。 一、先明确核心:2026年转AI,传统行业工程师的核心优势是什么? 很多传统行业工程师转型前会陷入自我怀疑:“我没学过AI,拼不过科班毕业生?”其实恰恰相反,2026年的AI招聘市场,“行业经验+AI技能”的复合型人才缺口最大,你的核心优势体现在三个方面: 1. 业务理解更深:你熟悉所在行业的核心痛点(比如制造的设

【GitHub项目推荐--Planning with Files:基于Manus AI工作流的智能任务管理革命】⭐⭐⭐⭐⭐

简介 Planning with Files 是一个开源、跨平台的智能任务管理技能系统,由开发者OthmanAdi创建和维护。自2026年2月发布v2.15.0版本以来,这个项目以其独特的设计理念和强大的生产力提升能力,在AI辅助工作流领域引起了广泛关注。项目的核心灵感来源于Manus AI——这家在短短8个月内实现1亿美元以上收入,最终被Meta以20亿美元收购的AI代理公司。Planning with Files精准复现了Manus AI成功的核心秘诀:上下文工程(Context Engineering)。 核心价值: * 持久化工作记忆:将易失的AI上下文转化为持久的文件系统存储 * 目标防漂移机制:通过系统化检查点确保任务方向始终正确 * 错误学习循环:记录所有失败尝试,避免重复犯错 * 跨平台一致性:在14个不同IDE中提供统一的工作体验 项目定位:Planning with Files填补了AI代理的瞬时记忆与人类工作持久性之间的空白。它既不是另一个待办事项应用,也不是简单的笔记工具,而是一个完整的工作方法论实现。通过将Manus AI价值20亿美元的工作模

阿里Qoder vs TRAE SOLO vs CodeBuddy IDE:三款国产AI IDE实战测评(附避坑指南)

阿里Qoder vs TRAE SOLO vs CodeBuddy IDE:三款国产AI IDE实战测评(附避坑指南) 最近两年,IDE的进化速度让人有点跟不上。从最初的代码补全,到能对话、能解释Bug,再到今天,AI已经能理解整个项目结构,甚至像个虚拟同事一样和你并肩作战。作为一名长期在一线折腾各种开发工具的程序员,我深切感受到,选择一款趁手的AI IDE,已经不再是“提升效率”那么简单,它直接关系到你的开发体验、项目架构的清晰度,甚至团队协作的模式。市面上打着“AI编程”旗号的产品层出不穷,但真正能深入理解项目、稳定交付复杂任务的,凤毛麟角。 这次,我把目光聚焦在三款备受关注的国产AI IDE上:阿里的Qoder、字节的TRAE SOLO和腾讯的CodeBuddy IDE。它们背后是三家顶级大厂,技术路线和产品理念各有千秋。我不打算复述官方宣传,而是准备用几个真实的、从简单到复杂的项目场景,把它们拉到同一个擂台上实战一番。我会从项目理解深度、代码生成质量、交互逻辑、

AI大模型应用开发:从入门到精通!2026版体系化学习路线_2026年AI大模型应用开发保姆级教程

AI大模型应用开发:从入门到精通!2026版体系化学习路线_2026年AI大模型应用开发保姆级教程

摘要: 随着ChatGPT、文心一言、通义千问等大模型的爆发,掌握AI大模型应用开发已成为开发者进阶、获取高薪的黄金技能!本文由深耕AI领域的ZEEKLOG专家撰写,为你梳理一条清晰、高效、可落地的学习路线,涵盖必备基础、核心理论、关键技术、工具链、项目实战全流程,助你从“小白”快速成长为能独立开发AI应用的高手!文末附赠精选学习资源清单! 📌 一、 为什么学习AI大模型应用开发? * 时代风口: AI大模型是当前科技革命的核心驱动力,重塑各行各业(办公、教育、医疗、金融、娱乐等),人才缺口巨大,薪资水平水涨船高。 * 降本增效: 利用大模型强大的生成、理解、推理能力,可以自动化大量重复性工作,大幅提升开发效率和产品智能化水平。 * 创新机遇: 大模型为开发者提供了前所未有的能力基石,催生无数创新应用场景(智能助手、个性化推荐、代码生成、内容创作、智能客服等)。 * 开发者必备技能: 未来,理解和应用大模型将成为开发者的一项基础能力,如同现在的Web开发或移动开发。 🧭 二、