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

OpenClaw实操全指南:从安装到落地,告别“只会聊天”的AI,打造私人AI打工人

OpenClaw实操全指南:从安装到落地,告别“只会聊天”的AI,打造私人AI打工人

OpenClaw实操全指南:从安装到落地,告别“只会聊天”的AI,打造私人AI打工人 前言:最近GitHub上爆火的OpenClaw(俗称“小龙虾”),60天Stars突破20万+,超越React成为史上增长最快的开源项目之一。不同于ChatGPT这类“只说不做”的聊天AI,它是一款能真正“动手干活”的本地AI Agent,能帮你处理文件、管理邮箱、执行终端命令,甚至自主写代码扩展能力。作为常年折腾开源工具的开发者,今天就分享一篇纯实操指南,避开理论冗余,从安装、避坑到核心场景落地,手把手教你把OpenClaw用起来,真正解放重复劳动。 核心定位先明确:OpenClaw不是聊天机器人,而是开源、自托管的AI Agent运行时,相当于一个“本地网关”,能连接大模型(Claude、OpenAI、本地Ollama等)与你的电脑、消息App、文件系统,让AI从“问答工具”升级为“执行助手”,全程本地运行,数据不出设备,

AI安全靶场全集:从提示词注入到多智能体攻防的实战训练

AI安全靶场全集:从提示词注入到多智能体攻防的实战训练

引言 在人工智能高速发展的今天,大模型安全已成为网络安全领域的新 frontier。本文将系统梳理一套完整的来自网络安全靶场平台好靶场的AI安全靶场训练资源,从基础的提示词注入到复杂的多智能体系统攻防,帮助安全从业者和爱好者建立AI安全的实战能力。所有靶场均可在指定链接在线挑战,每个挑战都配有详细的说明和访问地址。 一、提示词注入入门系列:从基础到进阶 提示词注入(Prompt Injection)是AI安全最基础的攻击手法,类似于传统安全中的SQL注入。本系列通过三个难度递进的靶场,完整展示了这一攻击技术的演进过程。 靶场334:AI也会告诉你Flag(难度1·入门) 最基础的提示词注入 在这个入门关卡中,AI被设计为会正常回答用户问题,但内置了一条“安全规则”——禁止透露Flag。目标是通过构造特殊的输入提示词,让AI忽略或绕过这条规则,直接输出Flag。 这是理解提示词注入核心原理的起点:如何让AI突破开发者设定的行为边界。 完整链接: http://www.loveli.com.cn/see_bug_one?id=334 靶场336:AI这下不会告诉你Fla

AI写自动化脚本总翻车?80%的人都错在这一步(不是语法)

如果你正在做自动化测试,或者想把AI真正用进项目,这篇内容会帮你少踩80%的坑。 最近在用 AI 写自动化脚本的时候,我踩了一个非常典型的坑: AI生成的代码语法完全正确,但脚本就是跑不通。 一开始我以为是定位问题、环境问题,甚至怀疑工具链,但反复排查之后才发现—— 问题根本不在代码层,而在“业务理解”层。 一、AI写脚本最容易错的,其实不是语法 很多人会有一个误区: AI写代码最大的问题是“写错语法”或者“API用错” 但实际用下来,你会发现: * 语法错误:AI基本不会犯(尤其是主流语言) * API调用:大多数也能写对 * 逻辑结构:也大差不差 真正的问题是:它“理解错了你要做什么” 举几个典型场景: 1. 元素操作顺序错 你让AI写“登录流程”,它可能会: * 先点登录按钮 * 再输入账号密码 代码没错,但流程是反的。 2. 页面状态理解错误

【AI 学习】解锁Claude Skills:开启AI应用新维度

【AI 学习】解锁Claude Skills:开启AI应用新维度

一、Claude Skills 是什么? 1.1 官方定义剖析 Claude Skills 是 Anthropic 公司为其人工智能模型 Claude 打造的一项创新性的功能扩展机制。从 Anthropic 的官方阐述来看,它本质上是一种标准化的、可复用的模块化系统,旨在赋予 Claude 执行特定领域复杂任务的能力 。通过 Claude Skills,用户能够让 Claude 迅速化身为专业领域的 “专家”,完成从常规的文本处理到复杂的业务流程自动化等多样化任务。 举例来说,在文档处理领域,以往使用普通的 AI 模型处理合同文档时,可能需要多次详细地输入指令,要求其提取关键条款、检查格式规范等,且每次处理都需重复这些指令,而借助 Claude Skills,用户只需创建一个专门用于合同处理的 Skill,将合同处理的流程、关键信息提取规则等内容封装其中,后续再处理合同时,Claude 就能自动调用该 Skill,