导读
很多人跟风装了 OpenClaw 却只把它当聊天框，其实它的精髓在于构建“Agent 团队”。作者暂星分享了从小白到在飞书指挥“龙虾天团”的实操路径，通过配置不同职能的员工，实现任务自动分发与协作。这不再是单一的模型对话，而是真正让 AI 像员工一样在飞书里各司其职。
重点
- OpenClaw 的核心在于多 Agent 协作，通过为 AI 设置独立的工作区和记忆，实现术业有专攻的团队化运作。
- 初始化建议选择 QuickStart 模式并配置主流模型，新手可通过命令行向导快速完成环境搭建，降低上手门槛。
- 进阶用户可通过手动编辑配置文件精细化管理架构，让 Boss、情报员等角色在飞书环境中互不干扰地执行任务。
备注
现在的 AI 趋势正从“单体对话”转向“群体协作”。OpenClaw 这种方案降低了普通人构建 Agent 矩阵的难度。与其纠结提示词，不如直接搭建一套标准的工作流。建议先从作者推荐的四个基础角色练手，摸清逻辑后再根据业务需求定制。
跟风装了OpenClaw，结果发现我不知道让他干嘛。
看到操作一脸懵：这个和普通的大模型有啥区别，也不能自动干活。别人的龙虾能 24 小时自动产出，一个指令搞定全套，你的龙虾就是个普通聊天框？
我从OpenClaw连接飞书都搞不懂的纯小白，到成功指挥龙虾天团。
今天把这套在飞书成功当老板的养🦞全攻略。
全是现成的内容，你只需要复制粘贴就能搞定
照着做，你能直接在飞书当上老板！
一、破局之道就在其中
在 OpenClaw 的世界里，配置多个 Agent，让它们术业有专攻。
这篇文章就是要解决这个核心问题。
我已成功当上老板，招了四个员工：
- 小智（boss）— 总指挥，负责统筹规划和任务分发
- 探探（researcher）— 情报专家，专门负责信息挖掘
- 文文（writer）— 内容创作者，擅长文字表达
- 极客（coder）— 技术担当，专注代码开发
每位成员都拥有独立的“办公桌”（工作区）、“员工卡”（认证）和“工作日志”（记忆），彼此互不干扰。
二、作准备：搭建你的第一个 Agent
2.1 环境准备
以 Mac 系统为例，打开终端依次执行：
看到版本号就说明安装成功了。如果没反应，重做第三步。
2.2 初始化配置
执行初始化命令：
按照向导提示操作：
- 选择 yes 开始配置
- 选择 QuickStart 快速模式
- 选择你偏好的 AI 模型（推荐 OpenAI/Claude/Gemini）
- 暂时跳过其他高级选项（后续可调整）
完成后你就拥有了第一个可用的 Agent！
三、搭团队：创建你的 Agent 员工
3.1 Agent 的本质是什么？
把 Agent 理解成一位独立的员工。每位员工配备：
- 办公桌（Workspace）— 存放工作规范（AGENTS.md）、人设（SOUL.md）、老板资料（USER.md）和工作笔记（memory/）
- 员工卡（agentDir）— 保存身份认证和登录凭据
- 对话记录（Sessions）— 记录与不同对象的沟通历史，各自独立
3.2 公司架构长这样
3.3 两种招聘方式
方式一：命令行向导（简单操作）
向导会自动完成所有配置：建工位、发工牌、设置权限。
方式二：手动编辑配置文件
直接修改 ~/.openclaw/openclaw.json：
3.4 重要提醒
⚠️ 身份认证不可共享：每个 Agent 必须有独立的 auth-profiles.json.
⚠️ 工作区不可复用：不同 Agent 使用相同的 agentDir 会引发认证冲突，务必避免。
⚠️ 技能库分层管理：工作区内的 skills/ 是个人专属技能，~/.openclaw/skills/ 是全员共享技能库。
四、创建飞书 Bot：让 Agent 上线工作
4.1 创建飞书 Bot 步骤
- 登录飞书开放平台（open.feishu.cn）
- 创建企业自建应用
1. 为每个 Agent 创建独立的应用：
小智 Bot（总指挥）
探探 Bot（调研员）
文文 Bot（撰写员）
极客 Bot（开发员）
1. 获取每个 Bot 的关键信息：
App ID
App Secret
Verification Token
Encrypt Key
1. 开启机器人能力，配置权限：
获取用户基本信息
获取与更新群组消息
查看群消息、更新群消息
获取与发送单聊、群组消息
接收群聊中 @我或单聊消息
接收群聊中 @机器人消息事件
读取用户发给机器人的单聊消息
以应用的身份发消息
获取与上传图片或文件资源
- 修改订阅方式： “使用长链接接收事件”，并添加 “接收消息” 事件。
- 在 “版本管理与发布” 中，创建一个版本并发布。
4.2 配置飞书通道
在 OpenClaw 中配置飞书认证信息。对每个 Agent 执行：
按提示输入各自的 App ID、App Secret 等信息。
4.3 创建飞书群组
主工作群（和小智直接沟通）：
- 创建群聊，只拉入小智 Bot
- 这是你发布任务的主要界面
内部协作群（Agent 之间的协同空间）：
- 创建另一个群聊
- 拉入小智、探探、文文、极客四个 Bot
- 你也加入这个群，可以旁观或插话
获取群组 ID 的方法：
- 在飞书开放平台使用“获取群信息”API
- 或使用 OpenClaw 的 sessions_list 命令查看
五、分工位：把 Agent 分配到不同位置
团队成员都就位了，现在要根据 Bindings（路由分配机制）分配谁来处理。
5.1 Bindings 的工作原理
Bindings 本质上是消息分发规则：决定来自不同来源的消息应该交给哪个 Agent 处理。
OpenClaw 按以下优先级匹配规则：
- 🎯 精准匹配 — 指定具体的用户 ID 或群组 ID
- 👥 群组匹配 — 匹配特定的群聊
- 📱 账号匹配 — 匹配特定的 Bot 账号
- 📡 通道匹配 — 匹配整个通道的所有消息
- 🧩 默认兜底 — 以上都不匹配时，交给默认 Agent
5.2 我们的实际配置方案
我们通过群组和账号来区分：
六、开内线：让 Agent 互相对话
团队招好了，工位分好了，但此刻他们彼此之间还无法沟通。
6.1 激活 Agent 间通信功能
这个功能默认关闭，需要手动开启：
6.2 设置会话可见性
默认情况下，每个 Agent 只能看到自己的对话记录。
要实现团队协作，需要调整可见范围：
可见性选项说明：
- "self" — 只看自己的会话（完全隔离）
- "tree" — 看自己及派生的子任务（默认设置）
- "agent" — 看同一 Agent 的所有会话
- "all" — 看所有 Agent 的所有会话（完全开放）
6.3 发送内部消息的方法
使用 sessions_send 工具实现 Agent 间通信：
6.4 两种任务派发方式
方式一：sessions_send — 向已有会话发消息
- 适用场景：Agent 已经在线，有活跃会话
- 前置条件：需要配置 agentToAgent.enabled 和 sessions.visibility
方式二：sessions_spawn — 创建新会话执行任务
- 适用场景：一次性任务、需要隔离的任务
- 优势：不需要目标 Agent 已有活跃会话
- 支持 mode="run"（一次性）和 mode="session"（永久）
简单类比：
- sessions_send = 给同事发消息，让他在现在处理
- sessions_spawn = 临时雇一个外包，干完走人
七、平信差：建立团队信息中心
内部通讯已经打通，但还有个问题：小智安排给探探的任务，文文和极客并不知情；探探完成的调研报告，其他人得等小智转发才能看到。
解决方案是建立一个共享知识库，所有成员都能读写。
7.1 创建共享目录结构
7.2 配置共享目录索引
让每个 Agent 的记忆搜索能覆盖到共享目录：
实际效果：
- 探探把调研报告保存到 shared/notes/research/ai-trends.md
- 文文使用 memory_search 就能搜索到这份报告
- 也可以直接用绝对路径 read 命令读取文件
7.3 共享文件的使用规范
7.4 定义团队协作规范
在每个 Agent 的 AGENTS.md 中添加协作守则：
小智（总指挥）的工作规范：
- 接收老板任务后，分析并拆解成子任务
- 通过 sessions_send 分配给对应的专员
- 任务分配后立即更新 shared/tasks.md
- 收到完成反馈后，更新任务状态并向老板汇报
探探（调研员）的工作规范：
- 收到调研任务立即开始执行
- 调研报告统一保存到 shared/notes/research/
- 完成后更新 shared/tasks.md 状态
- 向小智回复任务完成情况
文文（撰写员）的工作规范：
- 收到写作任务后，先查阅 shared/notes/ 中的相关资料
- 草稿保存到 shared/notes/drafts/
- 定稿后更新 shared/tasks.md
- 需要补充资料时，通过小智协调探探支持
极客（开发员）的工作规范：
- 收到开发任务后，查阅相关技术文档
- 代码和技术文档保存到 shared/notes/code/
- 完成后更新 shared/tasks.md
- 需要技术调研时，通过小智安排探探协助
八、实战演示：完整任务流转过程
来看一个真实场景，老板要求撰写一篇关于 AI Agent 的技术文章，并配套一个演示脚本。
8.1 任务流转全过程
8.2 核心协作机制
整个流程中，老板只说了一句话，剩下的全由团队自主完成：
- 任务拆解 — 小智将复杂任务分解为可执行的子任务
- 并行协作 — 各专员在自己的领域独立工作
- 信息共享 — 通过 shared/ 目录实现成果传递
- 进度追踪 — tasks.md 实时反映任务状态
- 自动协调 — 小智负责任务流转和进度监控
九、写在最后
搭建多 Agent 团队只是开始，真正的价值在于持续优化和使用。
还有几点建议：
- 从简单任务开始 — 先让团队处理简单任务，逐步增加复杂度
- 持续优化人设 — 根据实际表现调整各 Agent 的 SOUL.md 和 AGENTS.md
- 建立工作规范 — 在 shared/board.md 中明确团队协作规范
- 定期回顾总结 — 让小智定期总结团队协作中的问题和改进点
- 善用共享知识库 — 将有价值的信息沉淀到 shared/ 目录，形成团队知识资产
编辑评论
最近圈子里关于 AI Agent 的讨论多得让人耳朵起茧子，但大多停留在“这玩意儿能改变世界”的宏大叙事上。暂星分享的这篇 OpenClaw 教程，倒是把这种虚无缥缈的期待拉到了飞书的聊天框里。说实话，很多人跟风装了各种开源 Agent 框架，最后都卡在了“然后呢”这一步。看着黑乎乎的终端窗口，除了问句“你是谁”，似乎并没有感觉到它比网页版的 ChatGPT 聪明到哪去。这篇教程的核心价值，其实不在于那几行安装命令，而在于它提供了一种“管理视角”：把 AI 当成一个员工，而不是一个对话框。 从可信度来看，这更像是一份来自一线玩家的“实战笔记”。暂星提到的这种多角色配置——小智管统筹、探探搞情报、文文写稿、极客敲代码，逻辑上是自洽的。这种基于工作区、身份卡和记忆模块的隔离设计，确实解决了大模型在处理复杂任务时容易“精神分裂”的通病。不过，作为编辑我也得提醒一句，社交媒体上的教程往往会简化环境配置的痛苦。虽然原文说“看到版本号就成功了”，但在实际操作中，Python 环境冲突、API Key 权限、甚至是飞书机器人的回调地址配置，每一个坑都可能让“纯小白”折戟沉沙。原文对这些潜在的报错细节着墨不多，大家在动手时得留个心眼，别真以为复制粘贴就能一秒当老板。 这件事对产业的信号意义挺有意思。过去我们谈论 AI 提效，想的是怎么写出更好的 Prompt；现在风向变了，大家开始琢磨怎么搭建“数字劳动力团队”。OpenClaw 这种框架的流行，本质上是在降低“复杂任务自动化”的门槛。当一个普通用户都能在飞书里通过简单的 JSON 配置拉起一个四人规模的 AI 团队时，传统的 SaaS 软件逻辑其实正在被解构。以前你需要买一套复杂的 OA 系统或项目管理软件，以后可能只需要一个能理解你意图的“总指挥”Agent，它自己会去调用搜索、代码和文档工具。 对于想尝试的读者，我的建议是：别急着一口气招“四大金刚”。很多人容易陷入一种“差