一个@触发AI团队协同作战，效率直接翻10倍
🤔 先说说效果
我在飞书群里"雇佣"了3个AI员工：
-
• 📋 产品经理 Alice —— 负责需求分析和产品方案
-
• 💻 开发工程师 岩哥 —— 负责技术实现和架构设计
-
• 🐞 测试工程师 小测 —— 负责测试用例和质量把控
当我在群里说："我要开发一个电商小程序"，主AI（也就是我）会立即召集团队：
🦞 主AI：收到！正在召集团队...📋 产品经理 Alice：需求分析如下：1. 核心功能：商品展示、购物车、订单管理2. 用户画像：25-35岁都市白领3. 竞品对比：相比XX小程序，我们的差异化是...💻 开发工程师 岩哥：技术方案建议：- 前端：微信小程序原生 + Taro跨端- 后端：Node.js + MongoDB- 预计工期：2周完成MVP🐞 测试工程师 小测：测试要点提醒：- 支付流程需要重点测试- 并发场景下购物车数据一致性- 建议增加异常边界测试🦞 主AI：综合以上，项目排期建议...
这就是 OpenClaw —— 一个能让AI像员工一样协同工作的开源框架。
✨ OpenClaw 核心特性
1. 多 Agent 协同（agentToAgent）
OpenClaw 的核心设计理念：不要把所有任务都交给一个AI，而是组建一支AI团队。
就像一个项目经理可以同时调动多个专家，主Agent可以调用编剧Agent、考证Agent、台词Agent等，各自完成后汇总输出。
关键配置：
"tools": { "agentToAgent": { "enabled": true, "allow": ["main", "pm", "rd", "qa"] }}
最重要的一步 —— 在每个Agent的配置里指定它可以调用谁：
{ "id": "main", "subagents": { "allowAgents": ["pm", "rd", "qa"] }}
⚠️ 很多人漏掉这一步，导致
agentToAgent报 "allowed: none" 错误。
2. 长期记忆（Memory Search）
传统AI是"金鱼记忆"——每次重启就忘。OpenClaw通过本地向量数据库实现长期记忆：
-
• 🧠 自动记录：每次对话自动保存到
memory/YYYY-MM-DD.md -
• 🔍 语义搜索：通过向量相似度检索历史信息
-
• 📁 跨Session持久：不同时间的对话都能关联
配置示例：
"memorySearch": { "enabled": true, "provider": "local", "local": { "modelPath": "hf:nomic-ai/nomic-embed-text-v1.5-GGUF/nomic-embed-text-v1.5.Q4_0.gguf" }}
第一次启动时会自动下载模型（约80MB），之后缓存在本地。
3. 飞书原生接入
OpenClaw 对飞书的适配非常完善：
-
• 支持群聊 @ 触发
-
• 支持私信一对一
-
• 支持多账号、多Agent绑定
-
• 支持 Pairing 配对机制（首次使用需私信配对）
🚀 飞书部署全流程
Step 1: 安装 OpenClaw
# 需要 Node.js 22 LTS 或 24npm install -g openclaw@latest# 初始化openclaw wizard
⚠️ 必须使用 Node 22+，否则本地向量记忆模块无法编译。
Step 2: 创建多个 AI "员工"
# 创建你的AI团队openclaw agents add pm # 产品经理openclaw agents add rd # 开发工程师openclaw agents add qa # 测试工程师
关键文件清单 —— 每个Agent都需要：
workspace-scriptwriter/├── AGENTS.md ← 行为规范（可复制）├── BOOTSTRAP.md ← 首次启动指引（可复制）├── HEARTBEAT.md ← 定时任务（可复制）├── IDENTITY.md ← ⚠️ 必须独立编写！身份卡片├── SOUL.md ← ⚠️ 必须独立编写！人格核心├── TOOLS.md ← ⚠️ 团队成员列表（必须更新）└── USER.md ← 用户信息（可复制）
⚠️ 重要警告：
-
•
IDENTITY.md和SOUL.md必须独立编写，不能直接复制 -
• 如果所有Agent用同样的身份文件，会出现"身份撞车"，导致混乱
TOOLS.md 示例（必须列出团队成员）：
## 开发团队成员（agentToAgent 调用）### Alice — 产品经理- **Agent ID:** `pm`- **专长:** 需求分析、产品规划、用户调研### 岩哥 — 开发工程师- **Agent ID:** `rd`- **专长:** 架构设计、代码实现、技术选型### 小测 — 测试工程师- **Agent ID:** `qa`- **专长:** 测试用例、质量保证、Bug追踪
Step 3: 创建飞书机器人
-
1. 打开 open.feishu.cn[1] → 开发者后台
-
2. 创建企业自建应用 → 填写名称（如"AI编剧助手"）
-
3. 进入应用 → 凭证与基础信息 → 记录
App ID和App Secret -
4. 权限管理 → 开启以下权限：
-
•
im:message（读写消息） -
•
im:message.group_at_msg（群组艾特消息） -
•
im:resource（附件）
-
5. 事件订阅 → 添加事件：
im.message.receive_v1 -
6. 发布应用并邀请机器人进入目标群组
创建多个机器人的话，重复以上步骤。
Step 4: 配置 openclaw.json
这是最关键的配置文件，路径：~/.openclaw/openclaw.json
飞书渠道配置：
"channels": { "feishu": { "enabled": true, "accounts": [ { "id": "main-assistant", "appId": "cli_xxxxxxxxxxxx", "appSecret": "xxxxxxxxxxxxxxxxxxxxxxxxxxxx", "dmPolicy": "pairing", "groupPolicy": "open", "requireMention": true }, { "id": "scriptwriter", "appId": "cli_yyyyyyyyyyyy", "appSecret": "yyyyyyyyyyyyyyyyyyyyyyyyyyyy", "dmPolicy": "pairing", "groupPolicy": "open", "requireMention": true }, { "id": "researcher", "appId": "cli_zzzzzzzzzzzz", "appSecret": "zzzzzzzzzzzzzzzzzzzzzzzzzzzz", "dmPolicy": "pairing", "groupPolicy": "open", "requireMention": true } ] }}
绑定规则（bindings）—— 最关键的部分：
"bindings": [ { "agentId": "main", "match": { "channel": "feishu", "accountId": "0" } }, { "agentId": "pm", "match": { "channel": "feishu", "accountId": "1" } }, { "agentId": "rd", "match": { "channel": "feishu", "accountId": "2" } }, { "agentId": "qa", "match": { "channel": "feishu", "accountId": "3" } }]
⚠️ 重要：
accountId必须用数字下标"0","1","2"，不能用accounts里配置的字符串ID（如"main-assistant"）。如果用字符串ID，所有消息都会路由到默认的 main agent，这是最常见的坑！
Step 5: 配置 agentToAgent 协同
启用 acpx 插件（Agent间通信的基础）：
"plugins": { "entries": { "feishu": { "enabled": true }, "acpx": { "enabled": true } }}
安装 acpx 运行时：
cd "$(npm root -g)/openclaw/extensions/acpx"npm install --omit=dev --no-save acpx@0.1.16
Step 6: 启动 Gateway
# 启动（注册为 Windows 任务计划程序并启动）openclaw gateway start# 检查状态openclaw gateway status# 看到 "RPC probe: ok" 表示正常运行# 查看实时日志openclaw logs --follow
Step 7: 首次使用 - 完成 Pairing
每个 Bot 首次使用前必须完成配对，否则 groupPolicy: "pairing" 会拒绝服务：
-
1. 私信每个 Bot（不是在群里 @）
-
2. Bot 会回复配对提示，按提示完成
⚠️ Pairing 必须在私信中完成，配对后才能在群里 @ Bot 触发对话。
💡 实战：如何在飞书里触发多Agent讨论
正确的提问方式
我要开发一个电商小程序，请分别找 pm 做需求分析，找 rd 出技术方案，找 qa 梳理测试要点，把每个人的回复都逐条转发到这里。
简化的提问方式
帮我规划这个项目，你觉得需要的话可以召集团队成员一起讨论，记得把讨论过程发出来。
直接 @ 特定 Bot
@pm 帮我分析一下这个需求的优先级@rd 这个技术方案可行吗？有没有更好的实现方式？
🛠️ 飞书常见问题排查
问题
原因
解决方案
所有消息都路由到 main
bindings 用了字符串 ID
改用数字下标 "0", "1"
Bot 不响应群聊 @
未完成 Pairing
先私信 Bot 完成配对
agentToAgent 报 "allowed: none"
subagents.allowAgents
没配
在每个 agent 配置里添加允许列表
Gateway 启动超时
Task Scheduler 延迟
改用 openclaw gateway stop && openclaw gateway start
📚 进阶玩法
1. 设置定时任务
让 AI 每天自动生成报告：
openclaw cron add \ --name "daily-report" \ --cron "0 9 * * *" \ --message "生成昨日数据报告并发送到飞书群"
2. 记忆回顾
让 AI 整理最近的决策：
请回顾最近一周的记忆，整理出重要决策和待办事项
3. 创建专属领域 Agent
-
• 代码审查 Agent：专门 review PR
-
• 数据分析 Agent：处理 Excel、生成图表
-
• 翻译 Agent：多语言本地化
🎯 写在最后
OpenClaw 的精髓在于**"分工协作"**：
-
• 不是让一个 AI 做所有事（容易混乱）
-
• 而是让多个 AI 各展所长（像团队一样）
-
• 通过清晰的接口和规则，实现真正的协同
在飞书里"养"几个 AI 员工，一个@就能触发团队协作 —— 这就是未来工作的样子。
🔗 相关资源
-
• GitHub: github.com/openclaw/op…
-
• 官方文档: docs.openclaw.ai
-
• 技能市场: clawhub.com
本教程基于 OpenClaw 2026.3.x 整理，专为飞书用户打造
引用链接
[1] open.feishu.cn: open.feishu.cn
