摘要：养龙虾进阶实践：在飞书上配置多个机器人，每个机器人对应一个独立的 Agent，拥有不同角色和技能。需先在飞书开放平台创建好应用；创建后，用自然语言把凭证和角色告诉 OpenClaw，让它帮你生成 openclaw.json 配置，或按本文步骤手动配置。每个机器人完全隔离：独立记忆、独立技能、独立模型，相当于多个专业助理各司其职。

前置条件：已按 把 Claude/GPT 搬进飞书：OpenClaw 本地部署与接入完整指南 完成 OpenClaw 部署、API 配置与首个飞书机器人接入。已了解 如何养龙虾：OpenClaw 技能教程 中的技能原理与教法。

速览

模块 核心内容
推荐方式 先在飞书创建应用（Coze 部署可用「重新创建」一键创建）→ 把凭证和角色告诉 OpenClaw → AI 生成配置
核心原理 账号层 → 路由层 → Agent 层，三层完全隔离
飞书侧 创建多个企业自建应用，每个应用一个机器人；回调地址可统一填同一个
OpenClaw 侧 channels.accounts 配置多账户；agents.list 定义多 Agent；bindings 或 account.agent 做绑定
隔离优势 独立记忆、独立技能、独立模型，不串消息

一、为什么需要多个机器人 + 多 Agent？

单个机器人 + 单 Agent 时，所有对话共用一个「大脑」，技能混在一起，容易出现：

  • 意图混淆：用户说「帮我拆测试点」和「帮我 review 这段代码」，同一个 Agent 要兼顾测试、代码、通用问答，容易顾此失彼
  • 上下文臃肿：技能越多，description 越多，匹配越慢、越不准
  • 角色不清：无法给用户「这是测试专家」「这是代码专家」的明确预期

多机器人 + 多 Agent 的思路是：一个机器人 = 一个专业助理。用户 @ 测试助理，就只处理测试相关；@ 代码助理，就只处理代码相关。每个 Agent 只加载自己领域的技能，角色清晰、执行稳定。且记忆完全隔离：给 A 机器人说的「记住我明天开会」，B 机器人不会知道。

二、核心原理：账号-路由-Agent 三层架构

OpenClaw 采用 「账号层 → 路由层 → Agent 层」 三层分离架构，实现多机器人独立身份、独立记忆、独立能力的完全隔离：

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│ 飞书机器人 1    │ ──→ │ 路由规则匹配     │ ──→ │ Agent 1 实例     │
│ (独立 appId)    │     │ (accountId→     │     │ (独立记忆/技能)  │
└─────────────────┘     │  agentId)       │     └─────────────────┘
┌─────────────────┐     └─────────────────┘     ┌─────────────────┐
│ 飞书机器人 2    │ ──→ │ 路由规则匹配     │ ──→ │ Agent 2 实例     │
│ (独立 appId)    │     │ (accountId→     │     │ (独立记忆/技能)  │
└─────────────────┘     │  agentId)       │     └─────────────────┘

路由匹配流程：飞书推送消息时带 appId → OpenClaw 找到对应 accountId → 遍历 bindings 匹配 agentId → 消息交给对应 Agent 处理 → Agent 在自己的工作空间内生成回复 → 通过对应飞书账号发回。

关键点：所有机器人的回调地址可统一填同一个（如 https://你的域名/webhook/feishu 或长连接模式），OpenClaw 通过 appId 自动区分是哪个机器人收到的消息。

三、推荐方式：自然语言生成配置

说明：OpenClaw 不会自动创建飞书机器人，需先在 飞书开放平台 创建好应用并拿到 App ID、App Secret。创建完成后，用自然语言把凭证和角色需求告诉 OpenClaw，让它帮你生成 openclaw.json 配置，无需手动改 JSON。

3.1 你先做：在飞书创建应用

在飞书开放平台为每个机器人创建独立应用，拿到 App ID 和 App Secret。权限、事件订阅、发布等步骤参考 部署指南 第四节。所有应用的回调地址填同一个，OpenClaw 通过 appId 自动区分。

若你是用 Coze 一键部署的 OpenClaw：可在 Coze 的 OpenClaw 配置弹窗中，找到「渠道配置」下的飞书卡片，点击 「重新创建」 按钮，一键创建新的飞书机器人并完成授权，无需手动去飞书开放平台逐个创建应用。创建完成后，再按 3.2 把凭证和角色告诉 OpenClaw 生成多 Agent 配置即可。

OpenClaw 控制台：设置 → 配置，进入 Agents 等配置管理

Coze 部署的 OpenClaw：渠道配置中的「重新创建」可一键创建新飞书机器人

3.2 然后跟 OpenClaw 说

在 OpenClaw 的 Web 控制台或飞书聊天中，把已创建的机器人凭证和角色需求告诉它，例如：

我在飞书创建了 3 个应用，凭证如下：
1. 呷呷（个人助理）：App ID cli_xxx1，App Secret xxx1
2. Harry（测试组长）：App ID cli_xxx2，App Secret xxx2
3. 客服机器人：App ID cli_xxx3，App Secret xxx3

帮我生成 openclaw.json 配置，让它们分别对应不同的 Agent：
呷呷处理日常事务、写代码、整理文档；Harry 专门写测试用例、分析 Bug；客服机器人只能访问知识库。三个机器人记忆不互通。

或分步说：

我新建了两个飞书应用，App ID 是 cli_xxx2 和 cli_xxx3，分别叫 Harry 和机器人 1 号。帮我加到 openclaw 配置里，Harry 是测试组长，机器人 1 号做测试沙箱

3.3 OpenClaw 会帮你做什么

根据你提供的凭证和角色描述，OpenClaw 会生成：

  • channels.feishu.accounts 中的多账户配置
  • agents.list 中的多 Agent 定义（含 workspace、identity 等）
  • bindings 中的路由规则

你只需将生成的内容写入 ~/.openclaw/openclaw.json，重启网关即可生效。

四、手动配置：一步步实现

若希望自己掌控配置，或理解底层原理，可按以下步骤手动配置。

4.1 整体流程概览

飞书用户
    │
    ├─ @测试助理 ──→ 飞书应用 A (appId: cli_xxx1) ──→ OpenClaw account: test-assistant
    │                                                    │
    │                                                    └─→ Agent: test-agent (技能: PRD拆解、用例生成、日志分析)
    │
    ├─ @代码助理 ──→ 飞书应用 B (appId: cli_xxx2) ──→ OpenClaw account: code-assistant
    │                                                    │
    │                                                    └─→ Agent: code-agent (技能: 代码审查、重构建议、Git操作)
    │
    └─ @通用助理 ──→ 飞书应用 C (appId: cli_xxx3) ──→ OpenClaw account: main
                                                         │
                                                         └─→ Agent: main (技能: 通用问答、文档总结)

4.2 飞书侧：创建多个机器人

每个机器人对应一个飞书企业自建应用。若已创建过第一个，按相同流程再创建即可。所有机器人的回调地址可填同一个，OpenClaw 通过 appId 自动区分。

创建应用

  1. 打开 飞书开放平台
  2. 点击「创建企业自建应用」
  3. 填写应用名称（即机器人名称，如「测试助理」「代码助理」「通用助理」）、描述、图标
  4. 创建完成后，在「凭证与基本信息」中复制 App ID 和 App Secret

配置权限与机器人能力

与单机器人相同：在「权限管理」中批量导入权限 JSON；在「应用能力」中启用机器人并设置机器人名称。权限 JSON 可参考 部署指南 中的 Step 3。

配置事件订阅与发布

在「事件与回调」中选择长连接、订阅 im.message.receive_v1；在「版本管理与发布」中创建版本并发布。注意：需先完成 OpenClaw 侧的 channels add 并启动网关，再保存长连接。

建议的机器人命名

机器人名称 角色定位 典型技能
测试助理 测试工程师助手 PRD 拆测试点、接口用例生成、日志分析
代码助理 代码审查与重构 代码 review、重构建议、Git 操作
通用助理 日常问答与文档 通用问答、文档总结、知识检索

4.3 OpenClaw 侧：配置账号层 + Agent 层 + 路由层

编辑 ~/.openclaw/openclaw.json（Windows 为 C:\Users\你的用户名\.openclaw\openclaw.json），配置三个核心块。

① 账号层（channels.feishu.accounts）

将每个飞书应用的凭证加入 accounts。可在每个 account 中直接加 agent 字段绑定 Agent，或通过 bindings 统一配置：

{
  "channels": {
    "feishu": {
      "enabled": true,
      "defaultAccount": "main",
      "accounts": {
        "main": {
          "appId": "cli_xxx1",
          "appSecret": "secret1",
          "botName": "呷呷",
          "agent": "main"
        },
        "test-assistant": {
          "appId": "cli_xxx2",
          "appSecret": "secret2",
          "botName": "Harry",
          "agent": "test-agent"
        },
        "code-assistant": {
          "appId": "cli_xxx3",
          "appSecret": "secret3",
          "botName": "代码助理",
          "agent": "code-agent"
        }
      }
    }
  }
}

defaultAccount 指定未匹配时的默认账户。

② Agent 层（agents.list）

为每个角色定义独立的 Agent，可配置 identity（名称、emoji）、workspace、model（不同 Agent 可用不同模型）：

{
  "agents": {
    "list": [
      {
        "id": "main",
        "identity": { "name": "呷呷", "emoji": "🦞" },
        "workspace": "~/.openclaw/workspace"
      },
      {
        "id": "test-agent",
        "identity": { "name": "Harry", "emoji": "🦉" },
        "workspace": "~/.openclaw/workspace/test-agent",
        "model": "anthropic/claude-sonnet-4-5"
      },
      {
        "id": "code-agent",
        "identity": { "name": "代码助理", "emoji": "🤖" },
        "workspace": "~/.openclaw/workspace/code-agent"
      }
    ]
  }
}

可为专业机器人分配更强的模型，普通机器人用轻量模型节省成本。

③ 路由层（bindings）

若未在 account 中配置 agent，需在 bindings 中配置 accountId → agentId 映射：

{
  "bindings": [
    { "agentId": "main", "match": { "channel": "feishu", "accountId": "main" } },
    { "agentId": "test-agent", "match": { "channel": "feishu", "accountId": "test-assistant" } },
    { "agentId": "code-agent", "match": { "channel": "feishu", "accountId": "code-assistant" } }
  ]
}

完整配置示例

{
  "channels": {
    "feishu": {
      "enabled": true,
      "defaultAccount": "main",
      "accounts": {
        "main": {
          "appId": "cli_xxx1",
          "appSecret": "secret1",
          "botName": "呷呷",
          "agent": "main"
        },
        "test-assistant": {
          "appId": "cli_xxx2",
          "appSecret": "secret2",
          "botName": "Harry",
          "agent": "test-agent"
        },
        "code-assistant": {
          "appId": "cli_xxx3",
          "appSecret": "secret3",
          "botName": "代码助理",
          "agent": "code-agent"
        }
      }
    }
  },
  "agents": {
    "list": [
      { "id": "main", "identity": { "name": "呷呷", "emoji": "🦞" }, "workspace": "~/.openclaw/workspace" },
      { "id": "test-agent", "identity": { "name": "Harry", "emoji": "🦉" }, "workspace": "~/.openclaw/workspace/test-agent" },
      { "id": "code-agent", "identity": { "name": "代码助理", "emoji": "🤖" }, "workspace": "~/.openclaw/workspace/code-agent" }
    ]
  },
  "bindings": [
    { "agentId": "main", "match": { "channel": "feishu", "accountId": "main" } },
    { "agentId": "test-agent", "match": { "channel": "feishu", "accountId": "test-assistant" } },
    { "agentId": "code-agent", "match": { "channel": "feishu", "accountId": "code-assistant" } }
  ]
}

4.4 独立工作空间隔离

每个 Agent 有完全独立的运行环境：

  • 独立记忆：各自的 MEMORY.md 长期记忆、memory/YYYY-MM-DD.md 每日记忆，互不互通
  • 独立技能：各自 workspace 下的 skills，不会串用
  • 独立模型：可为不同 Agent 分配不同大模型（如专业机器人用 Pro，普通用 Lite）
  • 独立会话：会话历史按 Agent 隔离

五、为每个 Agent 准备技能

每个 Agent 的 workspace 下应有独立的 skills 目录，存放该角色专属的技能。

5.1 目录结构示例

~/.openclaw/workspace/
├── skills/                    # main 的技能（通用）
│   └── ...
├── test-agent/
│   └── skills/                # 测试助理的技能
│       ├── prd-testpoints/
│       │   └── SKILL.md
│       ├── api-testcase-gen/
│       │   └── SKILL.md
│       └── log-analysis/
│           └── SKILL.md
└── code-agent/
    └── skills/                # 代码助理的技能
        ├── code-review/
        │   └── SKILL.md
        └── github/
            └── SKILL.md

5.2 技能来源

  • 手写：按 养龙虾教程 中的方法，为每个 workspace 编写 SKILL.md
  • 安装：npx clawhub@latest install <skill> 时指定 --workspace 或安装后复制到对应 workspace
  • 自然语言生成：在 Web 控制台选择对应 Agent 的会话，用自然语言让 OpenClaw 生成技能并写入该 workspace

六、启动与验证

6.1 启动网关

openclaw gateway

若已安装为服务，可执行 openclaw gateway restart 使配置生效。

6.2 验证路由与记忆隔离

  1. 在飞书中分别搜索各机器人名称，发起私聊
  2. 对测试助理说「帮我拆测试点」，应触发测试相关技能
  3. 对代码助理说「帮我 review 这段代码」，应触发代码相关技能
  4. 对通用助理说「今天天气怎么样」，应走通用问答
  5. 验证记忆隔离：分别给不同机器人发「记住我的手机号是 138xxxx1234」，再问「我的手机号是多少？」——每个机器人只会记得自己收到的信息，不会串记忆

实践效果：分别 @ 不同机器人说「介绍一下自己」，每个机器人会按自己的身份回复——呷呷以全能助理、Harry 以测试组组长等不同人设回应，证明路由正确、身份隔离生效。

多机器人实践效果：呷呷与 1 号（Harry）分别介绍自己，身份与人设独立

6.3 查看日志

openclaw logs --follow

可看到消息路由到哪个 agentId、哪个 accountId，便于排查绑定是否生效。

七、进阶：按用户或群组路由

除按 accountId 路由外，还可按用户（peer.kind: "direct"）或群组（peer.kind: "group"）路由，实现「同一机器人、不同用户/群用不同 Agent」。

{
  "bindings": [
    {
      "agentId": "test-agent",
      "match": {
        "channel": "feishu",
        "peer": { "kind": "direct", "id": "ou_用户A的open_id" }
      }
    },
    {
      "agentId": "code-agent",
      "match": {
        "channel": "feishu",
        "peer": { "kind": "group", "id": "oc_代码评审群的chat_id" }
      }
    }
  ]
}

用户 ID（ou_xxx）和群 ID（oc_xxx）可通过 openclaw logs --follow 在用户发消息时从日志中获取，或通过 openclaw pairing list feishu 查看配对请求中的用户 ID。

八、常见问题

问题 可能原因 解决思路
多个机器人回复都是同一个身份 bindings 未生效或 account.agent 未配置 检查 accounts 中每个账号的 agent 字段，或 bindings 的 accountId 是否与 accounts 的 key 一致；重启网关
消息都走 main bindings 未生效或 accountId 不匹配 检查 bindings 是否包含所有账号的映射；重启网关
机器人收不到消息 飞书应用回调地址未配置或长连接未保存 检查回调地址是否正确；确保网关已启动后再保存长连接；检查消息接收权限
机器人发不出消息 App ID/Secret 错误或权限不足 检查凭证是否正确；检查飞书应用是否已申请发送消息权限；确认机器人已加入通讯录/群
技能未被触发 Agent 的 workspace 下无对应技能 检查 agents.list 中该 Agent 的 workspace 路径，确认 skills 目录存在且 SKILL.md 有效

若遇 bindings 相关 bug（如多账户路由失败），可关注 OpenClaw 官方 Issue，社区有相关修复讨论。

📚 延伸资源

✍️ 结语

多机器人 + 多 Agent 的本质是分工：每个机器人对应一个专业助理，每个 Agent 只加载自己领域的技能，用户按需 @ 不同助理，获得更精准、更稳定的回复。完全隔离：独立记忆、独立技能、独立模型，不串消息。推荐先用自然语言跟 OpenClaw 对话生成配置，再按需手动微调；单网关可承载多个机器人，成本几乎为零。从单助理到多助理，是养龙虾的进阶实践，适合对角色分离、技能隔离有要求的团队。