1. 为什么要在飞书群里养一支 AI 军团OpenClaw 是一个可以把多个智能体Agent挂到即时通讯软件里的开源框架你给它配好模型和渠道它就能在飞书群聊里以不同人格的身份出现各自负责一块工作。多智能体协同办公的意思是不再只有一个 AI 助手回答所有问题而是像组建一个小团队——一个统筹规划、一个负责运营执行、一个负责数据分析你在群里 谁谁就出来干活它们之间还能互相派活。这套东西适合谁适合已经在用飞书做团队协作、又想让 AI 真正参与日常流程的人。比如你每天要在群里同步数据、写运营文案、做活动复盘以前是一个 AI 从头答到尾现在可以拆成三个角色并行处理。我实测下来最大的价值不是AI 更聪明了而是职责边界清晰了——统筹大师只做拆解和调度运营大师只出执行方案数分大师只碰数据互不干扰。这篇要交付的东西很具体一份可复制的多智能体配置骨架~/.openclaw/openclaw.json飞书自建应用的接入步骤以及群聊里 触发和验证的完整动作。跟着做你能在半小时内让三个 AI 大师在同一个飞书群里各就各位。前置环境是 Node.js 22 和 OpenClaw 本体。如果你还没装先跑这几步# 安装 nvmMac/Linux curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash source ~/.zshrc # 安装 Node 22 nvm install 22 node -v # 应显示 v22.x.x # 切换 npm 镜像源后安装 OpenClaw npm config set registry https://registry.npmmirror.com npm install -g openclawlatest openclaw -v装完执行openclaw onboard向导里选 QuickStart模型那一步按你手头有的服务商填。我这边用的是 MiniMax 的 Anthropic 兼容端点后面配置里会体现。IM 渠道那一步先选飞书插件会自动装。2. TaoToken 前置把模型接入这步做扎实多智能体跑起来模型调用是持续消耗的所以接入方式要选稳的。TaoToken 提供的是 OpenAI 兼容和 Anthropic 兼容两种调用格式OpenClaw 的models.providers里正好支持这两种 api 类型接起来很顺。先去控制台拿 Key控制台入口https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewriteAPI Keys 管理https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite拿到 Key 之后在 OpenClaw 配置里加一个 provider。如果你走 Anthropic 兼容格式推荐因为 OpenClaw 对 anthropic-messages 的 reasoning 支持更完整baseUrl 填https://taotoken.net/apiapi 类型写anthropic-messages。如果你更习惯 OpenAI 格式api 写openai-completions也行两种都能用。这里有个细节要注意authHeader这个字段在 Anthropic 兼容模式下建议设为true否则部分模型会报鉴权头缺失。我踩过一次报错信息是401 invalid x-api-key加上这个字段就好了。模型名怎么填去模型对话页确认一下当前可用的模型标识模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel-chatutm_campaignrewrite把模型 id 原样抄进配置的models[].id里别自己改大小写。接入文档在这里遇到字段疑问可以对照接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite如果你打算长期跑编码类或 Agent 类任务调用量会比较大可以看下 Coding Plan包月形式比按量更省心Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite3. 可复制的多智能体配置骨架OpenClaw 的所有配置都在~/.openclaw/openclaw.json。多智能体的核心逻辑是每个 agent 有独立的workspace工作区存记忆和文件和agentDir智能体目录存配置和密钥然后通过bindings把 agent 和飞书账号绑定起来。先创建三个智能体openclaw agents add manager openclaw agents add operator openclaw agents add ananlyst注意第二个和第三个在向导里问Copy auth profiles from main?时要选No这是多 agent 隔离的关键。选 Yes 会把 main 的配置复制过来导致账号串味。下面是完整的配置骨架你可以直接对照改。重点看agents.list、tools、bindings、channels四块{ models: { mode: merge, providers: { taotoken: { baseUrl: https://taotoken.net/api, api: anthropic-messages, authHeader: true, apiKey: sk-你的Key, models: [ { id: 你的模型ID, name: 主力模型, reasoning: true, input: [text], contextWindow: 200000, maxTokens: 8192 } ] } } }, agents: { defaults: { model: { primary: taotoken/你的模型ID }, workspace: ~/.openclaw/workspace, maxConcurrent: 4, subagents: { maxConcurrent: 8 } }, list: [ { id: manager, name: manager-统筹大师, workspace: ~/.openclaw/workspace-manager, agentDir: ~/.openclaw/agents/manager/agent, model: taotoken/你的模型ID, groupChat: { mentionPatterns: [manager, manager, 统筹大师, 统筹大师] }, subagents: { allowAgents: [operator, ananlyst] }, tools: { allow: [ sessions_spawn, sessions_send, sessions_list, sessions_history, session_status, subagents ] } }, { id: operator, name: operator-运营大师, workspace: ~/.openclaw/workspace-operator, agentDir: ~/.openclaw/agents/operator/agent, groupChat: { mentionPatterns: [operator, operator, 运营大师, 运营大师] }, subagents: { allowAgents: [manager, ananlyst] }, tools: { allow: [ sessions_spawn, sessions_send, sessions_list, sessions_history, session_status, subagents ] } }, { id: ananlyst, name: ananlyst-数分大师, workspace: ~/.openclaw/workspace-ananlyst, agentDir: ~/.openclaw/agents/ananlyst/agent, model: taotoken/你的模型ID, groupChat: { mentionPatterns: [ananlyst, ananlyst, 数分大师, 数分大师] }, subagents: { allowAgents: [manager, operator] }, tools: { allow: [ sessions_spawn, sessions_send, sessions_list, sessions_history, session_status, subagents ] } } ] }, tools: { profile: messaging, sessions: { visibility: all }, agentToAgent: { enabled: true, allow: [manager, operator, ananlyst] } }, bindings: [ { agentId: manager, match: { channel: feishu, accountId: manager } }, { agentId: operator, match: { channel: feishu, accountId: operator } }, { agentId: ananlyst, match: { channel: feishu, accountId: ananlyst } } ], channels: { feishu: { enabled: true, connectionMode: websocket, domain: feishu, defaultAccount: ananlyst, accounts: { ananlyst: { appId: cli_xxx, appSecret: xxx }, operator: { appId: cli_xxx, appSecret: xxx }, manager: { appId: cli_xxx, appSecret: xxx } } } } }几个关键点解释一下。tools.sessions.visibility设为all智能体才能列出其他会话tools.agentToAgent.enabled设为true才能互相调用每个 agent 的subagents.allowAgents决定它能派活给谁。bindings是消息路由的核心——飞书哪个账号收到的消息就交给哪个 agent 处理。飞书这边需要三个自建应用每个应用对应一个 agent。在飞书开放平台创建企业自建应用添加机器人然后在权限管理里批量导入权限。权限 JSON 如下{ scopes: { tenant: [ im:chat, im:message, im:message.group_msg, im:message.group_at_msg:readonly, im:message.p2p_msg:readonly, im:message:send_as_bot, im:resource, im:chat.members:bot_access, contact:user.employee_id:readonly, docs:document.content:read, sheets:spreadsheet, wiki:wiki:readonly, cardkit:card:write ], user: [im:chat.access_event.bot_p2p_chat:read] } }三个应用都按这个导入。然后回到终端执行openclaw channels add选 Feishu/Lark依次填入每个应用的 App ID 和 App Secret连接模式选 WebSocket域选 feishu-China。如果提示plugin install failed: plugin already exists先删掉再装就行。4. 验证请求与群聊协同触发配置写完后先重启网关让配置生效openclaw gateway restart openclaw statusstatus里应该能看到三个 agent 都是 running 状态feishu 渠道显示 connected。如果某个 agent 没起来多半是agentDir路径写错了或者 appSecret 填串了。接下来做群聊验证。把三个飞书机器人都拉进同一个群然后在群里发统筹大师 帮我拆解一下本周的运营复盘任务正常情况下统筹大师会回复一个任务拆解并且可能通过sessions_send把数据部分派给数分大师。你可以紧接着发数分大师 上周的转化率数据帮我分析一下数分大师会独立响应。这时候你观察群消息会发现三个机器人各自以自己的名字发言互不干扰。验证 agent 间通信是否打通可以在群里发一句让统筹大师去调用数分大师统筹大师 让数分大师算一下 3 月 1 日到 7 日的日活环比如果配置正确统筹大师会先回复已转交数分大师然后数分大师会在群里输出分析结果。这一步能跑通说明agentToAgent和sessions_send都生效了。再验证一下记忆隔离。分别私聊三个机器人告诉它们各自一个不同的信息然后在群里 它们分别复述。你会发现每个 agent 只记得自己那条不会串。这就是独立workspace的作用。5. 本篇常见错排查报错一401 invalid x-api-key模型 provider 的authHeader没设成true。Anthropic 兼容模式下必须显式开启否则请求头里不带鉴权信息。改完配置记得openclaw gateway restart。报错二群里 了没反应先检查groupChat.mentionPatterns里有没有包含你实际用的 词。飞书的 机制会把机器人名字带进来所以统筹大师和统筹大师都要写进去。另外确认channels.feishu.groupPolicy是open如果是allowlist需要额外配白名单。报错三plugin install failed: plugin already exists飞书插件重复安装。执行openclaw plugins remove feishu再openclaw channels add重装。如果还不行手动删掉~/.openclaw/extensions/feishu目录再重来。报错四agent 之间调不动检查三处tools.agentToAgent.enabled是否为truetools.agentToAgent.allow数组里有没有包含所有 agent id每个 agent 的tools.allow里有没有sessions_send和sessions_list。少一个都会导致派活失败报错通常是session not found或permission denied。报错五飞书事件回调不生效飞书开放平台里的事件订阅要配置回调地址并且创建版本后提交审核。审核通过前机器人只能私聊不能群聊。另外 WebSocket 模式下不需要填回调 URL但要在开放平台把事件订阅里的长连接开关打开。报错六三个机器人回复内容一样bindings配错了三个 agent 绑到了同一个 accountId。检查channels.feishu.accounts里的 key 和bindings[].match.accountId是否一一对应。另外defaultAccount只影响默认路由不影响绑定关系。6. 后续怎么把这套东西用起来配置跑通只是起点。真正让 AI 军团产生价值的是给每个 agent 写清楚角色定义。每个 workspace 下都有SOUL.md、AGENTS.md、USER.md这几个文件SOUL.md定义人格和语气AGENTS.md定义行为规范USER.md存用户信息。你可以在统筹大师的SOUL.md里写你是一个擅长任务拆解的项目经理回复简洁优先输出待办清单在数分大师的SOUL.md里写你是一个严谨的数据分析师所有结论必须带数据来源。长期记忆靠MEMORY.md需要手动创建。短期记忆由session-memory钩子自动维护前提是 onboard 时勾选了它。如果发现 agent 聊几句就忘事先确认hooks.internal.entries.session-memory.enabled是true。模型调用这块多 agent 并行时并发会上去agents.defaults.maxConcurrent和subagents.maxConcurrent按你的实际额度调。如果经常遇到限流把并发降下来或者去 Coding Plan 页面看看包月方案是否更合适。接入文档里对并发和重试参数有详细说明遇到 429 之类的报错可以对照排查。最后提醒一句飞书自建应用的 appSecret 是敏感信息别提交到公开仓库。~/.openclaw/openclaw.json建议加进.gitignore或者用环境变量注入。这套配置骨架你可以直接复制把cli_xxx和sk-xxx换成自己的就能跑。