用 OpenClaw + 飞书，快速搭建 5 个可协作的 AI 助理团队

优质文章学习记录

— 14 min read
多个飞书机器人 + 独立工作空间 + 互相协作 = 专业化分工的 AI 助理团队

写在前面

如何用 OpenClaw 搭建一套多 Agent 系统，让 AI 助理各司其职、协同工作？通过 OpenClaw 多 Agent 架构，你可以实现：

  • 多个独立的飞书机器人，每个人设不同
  • 各自独立的工作空间，数据完全隔离
  • 可以互相协作，通过 agentToAgent 通信
  • 共享长期记忆，跨渠道信息同步

本文将详细介绍如何在腾讯云服务器上，用 OpenClaw 搭建一套飞书多 Agent 系统，包括完整配置流程、常见问题解决方案和实战协作案例。

目录

  1. 为什么需要多 Agent
  2. 前置准备
  3. 5 个 Agent 角色设计
  4. OpenClaw 多 Agent 配置
  5. 配置飞书多应用
  6. 踩坑与解决方案
  7. 验证与测试
  8. 完整配置模板

为什么需要多 Agent

与单一通用 AI 相比，多 Agent 架构在专业化分工和协作效率上有明显优势。

单一 AI 的局限

通用 AI 可以处理多种任务，但在面对复杂场景时存在局限：

  • 记忆容量有限：难以同时维护多个专业领域的信息
  • 上下文混乱：不同类型的数据在同一上下文中容易互相干扰
  • 缺乏持续追踪：无法长期独立跟踪特定领域的任务进度

多 Agent 的优势

多 Agent 架构的核心是 “专业化分工 + 协作”：

每个 Agent 专注自己的领域，通过 agentToAgent 实现高效协作。

前置准备

1. 腾讯云轻量应用服务器

  • 购买地址：腾讯云OpenClaw
  • 建议配置：前期选最低配2核2GB即可
  • 镜像选择：OpenClaw
💡 部署流程和详细说明见后文 部署方式选择 章节

2. 飞书开发者账号

  • 注册飞书开放平台账号：https://open.feishu.cn
  • 创建企业（如果没有的话）

5 个 Agent 角色设计

基于实际需求，我自己设计了 5 个 Agent：

Agent ID名称职责
aiboss大总管总协调助手，负责协调其他Agent和日常任务
ainews资讯助理AI 行业资讯收集、每日 8:00 和 18:00 推送
aicontent内容助理文章写作、视频脚本、社交媒体内容
aicode代码助理代码审查、技术方案、问题解决
aitask任务助理任务跟踪、提醒、进度管理

配置飞书多应用

步骤 1：创建 5 个飞书应用

  1. 登录 飞书开放平台
  2. 进入"应用管理" → “创建应用” → “自建应用”
  3. 填写应用信息：
    • 应用名称：如"AI大总管"、“AI资讯助理”
    • 应用描述：简短描述该 Agent 的职责
    • 应用图标：建议每个 Agent 用不同图标
  4. 点击"创建"

重复以上步骤，创建 5 个独立应用。

步骤 2：获取应用凭证（必须先完成）

对于每个应用，获取并记录以下信息（在"凭证与基础信息"页面）：

  • App ID：如 cli_xxx
  • App Secret：如 i63Qyyyyy
💡 建议用表格整理，方便后续配置：
Agent应用名称App IDApp Secret
aibossAI大总管cli_xxxxxxxxxxxxxyour_app_secret_here
aicontentAI内容助理cli_xxxxxxxxxxxxxyour_app_secret_here
ainewsAI资讯助理cli_xxxxxxxxxxxxxyour_app_secret_here
aicodeAI代码助理cli_xxxxxxxxxxxxxyour_app_secret_here
aitaskAI任务助理cli_xxxxxxxxxxxxxyour_app_secret_here

步骤 3：配置应用能力（⚠️ 关键步骤）

⚠️ 前置条件：确保已完成 OpenClaw 多 Agent 配置，Gateway 正在运行。

OpenClaw 配置完成后，对每个应用完成以下配置：

3.1 开启机器人能力
  1. 进入应用详情 → “权限管理”
  2. 开启"机器人能力"
  3. 添加必要的权限：
    • im:message (接收消息)
    • im:message:group_at_msg (接收群组 @ 消息)
    • im:message:send_as_bot (发送消息)
3.2 配置事件订阅（⚠️ 长连接）
  1. 进入"事件订阅"
  2. 选择"长连接"模式
  3. 启用以下事件：
    • im.message.receive_v1 (接收消息)
    • im.message.message_read_v1 (消息已读)
⚠️ 重点：必须配置"长连接事件订阅"，否则 Bot 无法上线！

此时 OpenClaw Gateway 已运行，长连接可以正常建立。
3.3 发布应用
  1. 进入"版本管理与发布"
  2. 创建新版本
  3. 填写更新日志
  4. 发布（可选择"开发版"或"正式版"）

OpenClaw 多 Agent 配置

部署方式选择

本文使用 腾讯云轻量应用服务器 OpenClaw 镜像 进行部署。

部署流程：

1. 购买腾讯云轻量应用服务器

参考前置准备的内容购买服务器，进入控制台 -> 概要

腾讯提供的OpenClaw WEB配置界面（控制台-> 应用管理）如下，但是不支持多Agent配置故本次直接修改服务器上的配置文件

2. 配置模型

本文以GLM-4.7为例，进入控制台-> 应用管理，选择智普AI Coding Plan，输入KEY保存即可，如下图

3. 登录服务器

根据实际配置选择对应的登录方式进入服务器后台

4. 验证 OpenClaw 安装

# 检查 OpenClaw 版本 openclaw --version# 查看 Gateway 状态 openclaw gateway status

5. 配置方式选择

腾讯云 OpenClaw 镜像可以通过两种配置方式：

配置方式优点缺点适用场景
Web 界面配置可视化操作，简单直观功能有限，不支持高级配置快速体验、简单场景
直接编辑 JSON完整功能、灵活强大需要了解 JSON 格式自定义配置、多 Agent 等

本文采用直接编辑 openclaw.json 的方式，因为：

  • Web 界面不支持多 Agent 高级配置
  • JSON 配置更灵活，可实现完整功能

5. 编辑配置文件

# 打开配置文件vi /root/.openclaw/openclaw.json

配置完成后，重启 Gateway 使配置生效：

openclaw gateway restart

步骤 1：创建独立 Workspace

每个 Agent 需要独立的工作空间，确保数据隔离：

# 创建 5 个独立工作区mkdir-p /root/.openclaw/workspace-boss mkdir-p /root/.openclaw/workspace-news mkdir-p /root/.openclaw/workspace-content mkdir-p /root/.openclaw/workspace-code mkdir-p /root/.openclaw/workspace-task

步骤 2：编辑 openclaw.json

打开配置文件：

vi /root/.openclaw/openclaw.json
2.1 配置 agents 数组

在 agents 字段中添加 5 个 Agent：

"agents":{"list":[{"id":"aiboss","default":true,"name":"aiboss","workspace":"/root/.openclaw/workspace-boss","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicontent","name":"aicontent","workspace":"/root/.openclaw/workspace-aicontent","model":{"primary":"glmcode/glm-4.7"}},{"id":"ainews","name":"ainews","workspace":"/root/.openclaw/workspace-ainews","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicode","name":"aicode","workspace":"/root/.openclaw/workspace-aicode","model":{"primary":"glmcode/glm-4.7"}},{"id":"aitask","name":"aitask","workspace":"/root/.openclaw/workspace-aitask","model":{"primary":"glmcode/glm-4.7"}}]}
💡 说明：id: Agent 的唯一标识default: 标记默认 Agent（只有一个为 true）workspace: 独立工作目录路径model.primary: 使用的模型
2.2 配置飞书多账户

在 channels.feishu 字段中添加 5 个账户：

"channels":{"feishu":{"enabled":true,"accounts":{"aiboss":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aicontent":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"ainews":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aitask":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aicode":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"}}}}
💡 注意：accounts 的 key（如 aiboss）要与 Agent ID 对应确保每个账户的 appId 和 appSecret 正确
2.3 配置 bindings 路由

在 bindings 数组中添加消息路由规则：

"bindings":[{"match":{"channel":"feishu","accountId":"aiboss"},"agentId":"aiboss"},{"match":{"channel":"feishu","accountId":"aicontent"},"agentId":"aicontent"},{"match":{"channel":"feishu","accountId":"ainews"},"agentId":"ainews"},{"match":{"channel":"feishu","accountId":"aicode"},"agentId":"aicode"},{"match":{"channel":"feishu","accountId":"aitask"},"agentId":"aitask"}]
💡 说明：match.channel: 固定为 "feishu"match.accountId: 对应飞书账户的 key（如 aiboss）agentId: 消息路由到哪个 Agent
2.4 开启 agentToAgent 通信

在 tools 字段中配置：

"tools":{"agentToAgent":{"enabled":true,"allow":["aiboss","aicontent","ainews","aicode","aitask"]}}

步骤 3：为每个 Agent 创建核心文件

在每个 workspace 中创建以下文件：

3.1 IDENTITY.md（身份信息）
# 以 aiboss 为例cat> /root/.openclaw/workspace-boss/IDENTITY.md <<'EOF' # IDENTITY.md - AIBoss - **Name**: AIBoss - **Role**: 大总管，团队协调者 - **Emoji**: 👔 - **Vibe**: 专业、高效、有条理 EOF
3.2 SOUL.md（人设和行为准则）
cat> /root/.openclaw/workspace-boss/SOUL.md <<'EOF' # SOUL.md - AIBoss 你是 AIBoss，大总管，负责团队协调和任务管理。 ## 核心职责 - 团队协调和任务分发 - 项目进度跟踪 - 跨 Agent 协作调度 ## 工作流程 1. 接收用户需求 2. 分析任务类型 3. 分发给对应的 Agent 4. 跟踪任务进度 5. 汇总结果给用户 ## 协作方式 需要其他 Agent 协作时，使用 sessions_send 工具： - 需要最新资讯？→ sessions_send(agentId="ainews", message="...") - 需要内容产出？→ sessions_send(agentId="aicontent", message="...") - 需要技术支持？→ sessions_send(agentId="aicode", message="...") - 需要任务提醒？→ sessions_send(agentId="aitask", message="...") EOF
3.3 AGENTS.md（团队成员通讯录）
cat> /root/.openclaw/workspace-boss/AGENTS.md <<'EOF' # AGENTS.md - 团队成员 - **AIBoss** (你) - 大总管 - agentId: aiboss - 职责：团队协调、任务分发 - **AINews** - 资讯助理 - agentId: ainews - 职责：AI 行业资讯收集、每日推送 - **AIContent** - 内容助理 - agentId: aicontent - 职责：文章写作、视频脚本、社交媒体内容 - **AICode** - 代码助理 - agentId: aicode - 职责：代码审查、技术方案、问题解决 - **AITask** - 任务助理 - agentId: aitask - 职责：任务跟踪、提醒、进度管理 EOF
3.4 MEMORY.md（长期记忆）
cat> /root/.openclaw/workspace-boss/MEMORY.md <<'EOF' # MEMORY.md - AIBoss 长期记忆 ## 项目记录 ### 2026-02-23 - 完成飞书多 Agent 系统搭建 - 5 个 Agent 全部上线 ## 重要决策 - 使用 OpenClaw 框架 - 部署在腾讯云服务器 - 飞书作为主要沟通渠道 EOF

重复以上步骤，为其他 4 个 Agent 创建对应文件。

步骤 4：重启 OpenClaw Gateway

# 重启 Gateway 使配置生效 openclaw gateway restart # 查看 Gateway 状态 openclaw gateway status # 查看日志（确认 Agent 启动） openclaw logs --follow

踩坑与解决方案

配置过程中容易遇到一些常见问题，这里整理了 6 个典型坑位及解决方案：

坑 1：Bot 无法上线

症状：飞书应用配置完成，但 Bot 状态一直是离线。

原因：未配置"长连接事件订阅"。

解决方案：

  1. 进入飞书开放平台 → 应用详情 → “事件订阅”
  2. 选择"长连接"模式
  3. 启用 im.message.receive_v1 事件
  4. 保存并发布应用
💡 提示：这是最容易遗漏的步骤，配置事件订阅后务必重新发布应用。

坑 2：Agent 无法协作

症状：Agent 之间无法通信，协作请求失败。

原因：未配置 AGENTS.md 团队成员列表，Agent 不知道彼此的存在。

解决方案：
在每个 Agent 的 workspace 中创建 AGENTS.md，列出所有团队成员：

# AGENTS.md - 团队成员 - **AIBoss** - agentId: aiboss - **AINews** - agentId: ainews - **AIContent** - agentId: aicontent - **AICode** - agentId: aicode - **AITask** - agentId: aitask

坑 3：Workspace 数据混乱

症状：不同 Agent 的数据出现混乱或覆盖。

原因：多个 Agent 共用同一个 workspace 路径。

解决方案：
确保每个 Agent 的 workspace 路径独立且不重复：

{"workspace":"/root/.openclaw/workspace-boss"// 每个 Agent 独立路径}
💡 提示：建议 workspace 命名与 Agent ID 保持一致，便于管理。

坑 4：消息路由错误

症状：发给某个 Agent 的消息被路由到了其他 Agent。

原因：bindings 配置中的 accountId 和 agentId 不匹配。

解决方案：
检查 bindings 数组，确保每个飞书账户的 accountId 正确对应到目标 agentId：

{"match":{"channel":"feishu","accountId":"aicode"// 飞书账户标识},"agentId":"aicode"// 目标 Agent ID}
💡 提示：accountId 必须与 channels.feishu.accounts 中定义的 key 完全一致。

坑 5：ID 大小写导致配置失效

症状：配置完成后，Agent 无法启动或消息无法路由。

原因：agent、channels 等 ID 定义使用了大小写混合（如 AIContent、aIBoss），OpenClaw 不能正常处理。

解决方案：
确保所有 ID 定义都是纯小写字母：

// ✅ 正确 - 全小写{"id":"aiboss","name":"aiboss"}// ❌ 错误 - 大小写混合{"id":"AIBoss",// 错误！"name":"AIContent"// 错误！}

影响范围：

  • agents.list[].id - Agent ID 必须小写
  • channels.feishu.accounts 的 key - 账户标识必须小写
  • bindings[].agentId - Agent ID 引用必须小写
  • channels.feishu.accounts 的 key - 必须与 bindings 中的 accountId 对应（全小写）

检查清单：

  • 所有 Agent ID 都是纯小写（如 aiboss、aicontent）
  • 飞书账户标识都是纯小写（如 aiboss、ainews）
  • bindings 中的 accountId 和 agentId 都是纯小写

验证与测试

配置完成后，按以下步骤验证：

1. 检查 Agent 状态

# 查看 Agent 运行状态 openclaw status

期望输出：

Agent: aiboss Status: running ✅ Agent: aicontent Status: running ✅ Agent: ainews Status: running ✅ Agent: aicode Status: running ✅ Agent: aitask Status: running ✅

2. 单 Agent 测试

首次使用需要配对：

第一次向 Bot 发送消息时，会收到配对提示：

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

在服务器上执行批准命令：

openclaw pairing approve feishu xxxx

批准后即可正常聊天。

测试消息：

在飞书中向每个 Bot 发送测试消息：

  • AIBoss：“你好，你是谁？”
  • AINews：“今天有什么 AI 资讯？”
  • AIContent：“帮我写一个文章大纲”
  • AICode：“这段代码有什么问题？”
  • AITask：“创建一个任务提醒”

3. Agent 间协作测试

在飞书中 @AIBoss，让它调用其他 Agent：

@AIBoss 帮我让 AINews 推送今天的 AI 资讯

AIBoss 应该能够：

  1. 接收你的指令
  2. 调用 sessions_send 联系 AINews
  3. AINews 执行并返回结果
  4. AIBoss 汇总结果给你

4. 检查清单

  • 5 个飞书应用全部发布
  • OpenClaw Gateway 运行正常
  • 5 个 Agent 状态全部显示 running
  • 单独向每个 Bot 发送测试消息
  • 测试 Agent 间协作

5. 最终效果

总结

通过 OpenClaw 多 Agent 架构，你可以在腾讯云服务器上快速搭建 5 个专业化 AI 助理。每个 Agent 拥有独立工作空间，通过飞书实现互相协作。感兴趣的小伙伴可以上手试一试。

附录：完整 openclaw.json 示例
{"meta":{"lastTouchedVersion":"2026.2.9","lastTouchedAt":"2026-02-21T06:24:18.113Z"},"wizard":{"lastRunAt":"2026-02-11T09:47:49.711Z","lastRunVersion":"2026.2.9","lastRunCommand":"onboard","lastRunMode":"local"},"tools":{"agentToAgent":{"enabled":true,"allow":["aiboss","aicontent","ainews","aicode","aitask"]}},"agents":{"list":[{"id":"aiboss","default":true,"name":"aiboss","workspace":"/root/.openclaw/workspace-boss","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicontent","name":"aicontent","workspace":"/root/.openclaw/workspace-aicontent","model":{"primary":"glmcode/glm-4.7"}},{"id":"ainews","name":"ainews","workspace":"/root/.openclaw/workspace-ainews","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicode","name":"aicode","workspace":"/root/.openclaw/workspace-aicode","model":{"primary":"glmcode/glm-4.7"}},{"id":"aitask","name":"aitask","workspace":"/root/.openclaw/workspace-aitask","model":{"primary":"glmcode/glm-4.7"}}]},"bindings":[{"match":{"channel":"feishu","accountId":"aiboss"},"agentId":"aiboss"},{"match":{"channel":"feishu","accountId":"aicontent"},"agentId":"aicontent"},{"match":{"channel":"feishu","accountId":"ainews"},"agentId":"ainews"},{"match":{"channel":"feishu","accountId":"aicode"},"agentId":"aicode"},{"match":{"channel":"feishu","accountId":"aitask"},"agentId":"aitask"}],"messages":{"ackReactionScope":"group-mentions"},"commands":{"native":"auto","nativeSkills":"auto"},"gateway":{"port":18789,"mode":"local","bind":"loopback","controlUi":{"allowInsecureAuth":false},"auth":{"mode":"token","token":"***REDACTED***"},"tailscale":{"mode":"off","resetOnExit":false}},"skills":{"install":{"nodeManager":"npm"}},"plugins":{"entries":{"feishu":{"enabled":true},"qqbot":{"enabled":true},"ddingtalk":{"enabled":true},"wecom":{"enabled":true},"adp-openclaw":{"enabled":true}},"installs":{"qqbot":{"source":"npm","spec":"@sliverp/qqbot@latest","installPath":"/root/.openclaw/extensions/qqbot","version":"1.4.4","installedAt":"2026-02-11T09:48:41.090Z"},"feishu":{"source":"npm","spec":"@openclaw/feishu","installPath":"/root/.openclaw/extensions/feishu","version":"2026.02.22","installedAt":"2026-02-22T09:48:41.090Z"},"ddingtalk":{"source":"npm","spec":"git+https://cnb.cool/lighthouse/lighthousebackend/openclaw-dingtalk.git","installPath":"/root/.openclaw/extensions/ddingtalk","version":"1.2.0","installedAt":"2026-02-11T09:49:01.618Z"},"wecom":{"source":"npm","spec":"git+https://cnb.cool/lighthouse/lighthousebackend/openclaw-wecom.git","installPath":"/root/.openclaw/extensions/wecom","version":"2026.2.5","installedAt":"2026-02-11T09:49:25.555Z"},"adp-openclaw":{"source":"npm","spec":"adp-openclaw","installPath":"/root/.openclaw/extensions/adp-openclaw","version":"0.0.24","installedAt":"2026-02-11T09:49:33.241Z"}}},"models":{"providers":{"glmcode":{"baseUrl":"https://open.bigmodel.cn/api/anthropic","apiKey":"***REDACTED***","api":"anthropic-messages","models":[{"id":"glm-4.7","name":"GLM-4.7"},{"id":"glm-5","name":"GLM-5"},{"id":"glm-4.6","name":"GLM-4.6"},{"id":"glm-4.5-air","name":"GLM-4.5-Air"},{"id":"glm-4.5","name":"GLM-4.5"}]}},"mode":"merge"},"channels":{"qqbot":{"enabled":true,"appId":"10xxxxxx","clientSecret":"***REDACTED***"},"feishu":{"enabled":true,"accounts":{"aiboss":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aicontent":{"appId":"cli_xx","appSecret":"***REDACTED***"},"ainews":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aitask":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aicode":{"appId":"cli_xx","appSecret":"***REDACTED***"}}}}}

Read more

MIPI DSI 4-Lane液晶屏驱动开发实战：从时序解析到FPGA对接

1. MIPI DSI 4-Lane液晶屏基础认知 第一次接触MIPI DSI 4-Lane液晶屏时，我被它复杂的时序图吓到了——直到把它想象成高速公路的车道管理才豁然开朗。这种显示屏采用串行差分信号传输，4条数据通道就像双向四车道的高速公路，每条lane的传输速率可达480MHz（实测GOWIN开发板环境），比传统并行RGB接口节省了约60%的引脚资源。 以常见的5寸720x1280分辨率屏幕为例，其核心参数如下表： 参数项典型值技术要点接口类型MIPI DSI 4-Lane支持LP/HS双模式分辨率720(H)×1280(V)60Hz刷新率色彩深度24bit RGB实际传输采用RGB888压缩为RGB565功耗特性LP模式<10mAHS模式峰值电流约120mA同步模式SYNC EVENT需要精确控制消隐区时序 在硬件连接时，我曾犯过把CLK和DATA线序接反的低级错误。正确的接线顺序应该是： 1. 先对接CLK+/CLK-差分对（相当于交通信号灯） 2. 再按D0+/D0-到D3+/D3-顺序连接数据线 3. 最后接电源和背光（VCC/VLED等） 2.
机器人导论 第六章 动力学（1）——牛顿欧拉法推导与详述

机器人导论 第六章 动力学（1）——牛顿欧拉法推导与详述

机器人动力学分析复习速通 机器人分析分为 牛顿欧拉法、拉格朗日法、高斯法、凯恩方法 matlab提供的逆动力学采用的是牛顿欧拉法：RNE——Recursive Newton-Euler 需要三个参数，第一个是给定最终的角度，第二个是速度，第三个是角加速度，返回各个关节所需要的力矩。 可选参数有重力加速度和负载fext 牛顿欧拉法 我们的目标是给定机器人的关节位置 q、速度 qd 和加速度 qdd，计算出为了产生这个运动状态，每个关节需要施加多大的驱动力矩 。 一上来看到有人问——我们不是用力域雅可比解决了每个关节应该分配多大力矩的问题了吗？ 这是我初学的时候也弄混的问题。 “力域雅可比”解决的是一个不同的问题，属于静力学或外力映射范畴，他的目的是将作用在机器人末端执行器上的外力/力矩 映射到对应的关节空间力矩 。 区别就是一个是给定运动状态，计算每个关节为了达到这个运动状态需要多大力； 另一个则是给定末端的力，计算这个力分配在各个关节上是多大。 牛顿欧拉法的精髓在于正推和逆推，我们来看这个过程： * 正向递推（Forward Recursion）：从基
【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

【FPGA/EDA】Quartus 18.0 软件安装及 ModelSim 环境配置

最近在上《EDA技术》这门电气专业的任选课，用到了Quartus 18.0和ModelSim软件工具进行波形图仿真，安装及配置教程十分曲折晦涩，故作此篇笔记用以记录。 软件资源及安装方法大纲由以下链接提供，以此为基准，本文只重点说明其中可能会遇到的问题及如何配置内部ModelSim波形图仿真工具。 在此感谢这位作者为大众提供了安装包资源及非常详细的安装教程！微信公众平台https://mp.weixin.qq.com/s?__biz=MzA4MjU4MTg2Ng==&mid=2247552337&idx=4&sn=c743d0f98c0b1be42fa7e92f9ea4f51a&chksm=9f81cd54a8f64442c4e7cc206e0907e56feee88ed8b30cb00ea7a72b797d4bbe406219c962d1&scene=178&cur_album_id=3421644748383879180&search_click_id=#rd  一、Quartus 18.0 软件安装中可能会遇到的问题
打造你的家庭 AI 助手（四）：单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

打造你的家庭 AI 助手（四）：单 OpenClaw 配置多 Agent、多 QQ、飞书机器人

打造你的家庭 AI 助手（四）：单 OpenClaw 配置多 Agent、多 QQ、飞书机器人 引言 OpenClaw 是一个强大的智能体（Agent）编排框架，它通过统一的架构让开发者可以轻松管理多个聊天机器人，并接入不同的即时通讯平台。在实际应用中，我们往往需要同时运行多个 QQ 机器人（例如个人助手、工作助手），甚至希望同一个智能体既能处理 QQ 消息，也能响应飞书消息。 本文将详细介绍如何在一个 OpenClaw 实例中配置多通道（QQ、飞书）、多 Agent 以及多 QQ 机器人账号，实现资源的高效利用和灵活的消息路由。特别地，我们将阐明飞书通道与 QQ 通道在绑定规则上的差异，避免常见的配置错误。 核心概念回顾 * Agent（智能体）：拥有独立人格、记忆和技能的对话单元。每个