從看不懂到指揮龍蝦天團,一步步搭起你的 AI 員工團隊,在飛書或 Telegram 上直接當老闆
跟風裝了 OpenClaw,結果發現不知道讓他幹嘛。
看到操作一臉懵:這個和普通的大模型有什麼區別,也不能自動幹活。別人的龍蝦能 24 小時自動產出,一個指令搞定全套,你的龍蝦就是個普通聊天框?
這篇文章就是要解決這個核心問題——在 OpenClaw 的世界裡,配置多個 Agent,讓它們術業有專攻,讓你在飛書或 Telegram 上直接當上老闆!
每位成員都擁有獨立的「辦公桌」(工作區)、「員工卡」(認證)和「工作日誌」(記憶),彼此互不干擾。
# 安裝 Homebrew(如已安裝可跳過)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# 安裝 Node.js
brew install nodejs
# 安裝 OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash
# 驗證安裝
openclaw --version
看到版本號就說明安裝成功了。如果沒反應,重做第三步(安裝 OpenClaw 那行)。
openclaw onboard --install-daemon
按照嚮導提示操作:
yes 開始配置QuickStart 快速模式完成後你就擁有了第一個可用的 Agent!
把 Agent 理解成一位獨立的員工。每位員工配備:
AGENTS.md)、人設(SOUL.md)、老闆資料(USER.md)和工作筆記(memory/)~/.openclaw/
├── openclaw.json # 公司規章制度(全局設定檔)
├── workspace/ # 小智的辦公桌
│ ├── AGENTS.md # 工作流程手冊
│ ├── SOUL.md # 性格人設文件
│ ├── USER.md # 老闆資訊檔案
│ └── memory/ # 工作記憶儲存
├── workspace-researcher/ # 探探的辦公桌
├── workspace-writer/ # 文文的辦公桌
├── workspace-coder/ # 極客的辦公桌
├── agents/
│ ├── boss/agent/ # 小智的身份檔案櫃
│ │ ├── auth-profiles.json
│ │ └── sessions/
│ ├── researcher/agent/ # 探探的身份檔案櫃
│ ├── writer/agent/ # 文文的身份檔案櫃
│ └── coder/agent/ # 極客的身份檔案櫃
└── skills/ # 公司共享技能庫
方式一:命令行嚮導(推薦)
# 招募調研員
openclaw agents add researcher
# 招募撰稿員
openclaw agents add writer
# 招募開發員
openclaw agents add coder
# 查看團隊成員
openclaw agents list --bindings
嚮導會自動完成所有配置:建工位、發工牌、設置權限。
方式二:手動編輯直接修改 ~/.openclaw/openclaw.json。
身份認證不可共享:每個 Agent 必須有獨立的 auth-profiles.json。
工作區不可複用:不同 Agent 使用相同的 agentDir 會引發認證衝突。
技能庫分層管理:workspace/skills/ 是個人專屬,~/.openclaw/skills/ 是全員共享。
open.feishu.cn)或 Telegram BotFather# 配置小智的 Bot
openclaw auth add --agent boss --channel feishu
# 配置探探的 Bot
openclaw auth add --agent researcher --channel feishu
# 配置文文的 Bot
openclaw auth add --agent writer --channel feishu
# 配置極客的 Bot
openclaw auth add --agent coder --channel feishu
Bindings 是訊息分發規則,決定來自不同來源的訊息應該交給哪個 Agent 處理。
{
"bindings": [
// 主工作群的訊息 → 小智
{
"agentId": "boss",
"match": {
"channel": "feishu",
"peer": { "kind": "group", "id": "主工作群 ID" }
}
},
// 協作群中,不同 Bot 帳號對應不同 Agent
{
"agentId": "researcher",
"match": {
"channel": "feishu",
"accountId": "探探的 AppID",
"peer": { "kind": "group", "id": "協作群 ID" }
}
}
// ... 依此類推配置 writer、coder
]
}
這個功能預設關閉,需要手動開啟:
{
"tools": {
"agentToAgent": {
"enabled": true,
"allow": ["boss", "researcher", "writer", "coder"]
}
}
}
{
"tools": {
"sessions": {
"visibility": "all" // 讓所有 Agent 看到彼此的對話
}
}
}
"self" — 只看自己的會話(完全隔離)
"tree" — 看自己及派生的子任務(預設)
"agent" — 看同一 Agent 的所有會話
"all" — 看所有 Agent 的所有會話(完全開放)
適用:Agent 已在線,有活躍會話。需要先配置 agentToAgent 和 sessions.visibility。
適用:一次性任務、需要隔離的任務。不需要目標 Agent 已有活躍會話。支援 mode="run"(一次性)和 mode="session"(持久)。
簡單類比:sessions_send = 給同事發訊息,讓他現在處理;sessions_spawn = 臨時雇一個外包,幹完走人。
老闆下令:撰寫一篇關於 AI Agent 多智能體協作的技術文章,並配套一個演示腳本。以下是完整的任務流轉過程:
shared/tasks.md,透過 sessions_send 向探探派發調研任務,回覆老闆預計明天交付。shared/notes/research/multi-agent-research.md,回覆小智任務完成。shared/notes/drafts/。」shared/notes/drafts/multi-agent-article.md,回覆小智完成。shared/notes/code/multi-agent-demo/,回覆小智完成。老闆只說了一句話,剩下的全由團隊自主完成。透過任務拆解、並行協作、資訊共享、進度追蹤、自動協調五大機制,真正實現「一個指令搞定全套」。
搭建多 Agent 團隊只是開始,真正的價值在於持續優化和使用。以下五點建議:
原作者:暫星 X@lumoswhy
原文:https://x.com/lumoswhy/status/2030807300257300613
本頁為繁體中文整理版,內容依原文翻譯整理,部分用語依台灣習慣調整。