在团队协作中，一个 AI 助手往往难以满足所有场景需求。研发团队需要代码专家，运营团队需要内容策划，客服团队需要问答机器人……如果所有消息都丢给同一个"大脑"处理，不仅响应质量参差不齐，还容易造成记忆混乱、权限失控。

今天这篇文章，就手把手教你如何在飞书中配置多个 OpenClaw 实例，实现"多飞书机器人账号 + 多独立 Agent + 路由绑定"的架构，让不同机器人对应不同 AI 大脑、各司其职。

---

一、核心概念（先理清）

在动手配置前，先理解三个核心概念：

概念	说明	类比
Accounts（账号）	飞书开放平台创建的每个机器人，对应独立的 App ID + App Secret，是飞书侧的入口	公司前台
Agents（大脑）	OpenClaw 侧的独立智能体，拥有专属 workspace、人设（soul.md）、记忆与技能集	各部门专员
Bindings（路由）	将飞书账号（accountId）绑定到 OpenClaw 智能体（agentId），实现消息精准分发	转分机号

通俗理解：

• 飞书机器人是"前台接线员"，负责接收消息
• OpenClaw Agent 是"专业顾问"，负责处理具体业务
• Bindings 是"转分机系统"，确保客户找到对的人

---

二、分步配置（实战版）

步骤 1：飞书开放平台 —— 创建多个机器人应用

1. 登录 飞书开放平台 → 企业自建应用
2. 为每个 OpenClaw 实例创建独立应用，建议命名规范：

• OpenClaw-研发 —— 处理代码相关问题
• OpenClaw-运营 —— 处理内容创作需求
• OpenClaw-客服 —— 处理常见问题解答

3. 每个应用的配置：

• im:message —— 接收消息

• im:message:send_as_bot —— 发送消息

• cardkit:card:write —— 发送卡片消息（可选）

• 添加能力：选择「机器人」

• 事件订阅：选择「长连接（WebSocket）」，添加 im.message.receive_v1 事件

• 权限开通：必须开通以下权限

4. 重要：修改权限后，必须创建新版本 → 申请发布 → 管理员审核，否则机器人无法正常工作。
5. 复制每个应用的 App ID 和 App Secret，一一对应保存好。

---

步骤 2：OpenClaw 侧 —— 创建独立 Agent 与工作区

为每个业务场景创建独立的 Agent 和 workspace（物理隔离记忆/人设）：

# 创建工作目录mkdir-p ~/.openclaw/workspaces/dev_agentmkdir-p ~/.openclaw/workspaces/ops_agent# 初始化每个 Agent 的文档# dev_agent/SOUL.md —— 代码专家人设# ops_agent/SOUL.md —— 运营助手人设

每个 workspace 下放置：

• SOUL.md —— 定义 Agent 的性格、职责、工作方式
• MEMORY.md —— 长期记忆（项目背景、团队规范等）
• TOOLS.md —— 专属工具配置
• skills/ —— 专属技能脚本

示例：研发助手 SOUL.md

# SOUL.md - 研发助手你是研发团队的 AI 助手，专注于：- 代码审查与优化建议- 技术方案评审- 故障排查指导- 开发工具推荐风格：专业、简洁、注重最佳实践

---

步骤 3：核心配置 —— ~/.openclaw/openclaw.json

这是最关键的一步，配置多账号、多 Agent、路由绑定：

{"agents":{"list":[{"id":"dev_agent","name":"研发助手","workspace":"~/.openclaw/workspaces/dev_agent","model":{"primary":"claude-3-opus"},"identity":{"name":"代码小助手","emoji":"💻"}},{"id":"ops_agent","name":"运营助手","workspace":"~/.openclaw/workspaces/ops_agent","model":{"primary":"qwen-max"},"identity":{"name":"运营小达人","emoji":"📈"}}]},"channels":{"feishu":{"enabled":true,"accounts":{"dev_bot":{"appId":"cli_xxxx_dev","appSecret":"your_dev_secret"},"ops_bot":{"appId":"cli_xxxx_ops","appSecret":"your_ops_secret"}}}},"bindings":[{"agentId":"dev_agent","match":{"channel":"feishu","accountId":"dev_bot"}},{"agentId":"ops_agent","match":{"channel":"feishu","accountId":"ops_bot"}}]}

配置要点：

• agents.list：定义每个 Agent 的 ID、名称、工作目录、模型偏好
• channels.feishu.accounts：每个 key（如 dev_bot）是自定义 accountId，对应飞书机器人凭证
• bindings：建立 accountId → agentId 的一一映射，确保消息不串线

---

步骤 4：启动与验证

# 重启网关使配置生效openclaw gateway restart# 查看状态openclaw gateway status# 查看 Agent 列表openclaw agents list

测试验证：

1. 在飞书中分别私聊两个机器人
2. 问相同的问题（如"你是谁"）
3. 观察返回的自我介绍是否符合各自的人设

---

三、多实例能做什么（价值场景）

1. 角色隔离：专业的人做专业的事

机器人	职责	适合场景
研发助手	代码审查、技术方案、故障排查	技术讨论、Code Review
运营助手	文案创作、数据分析、活动策划	营销会议、内容规划
客服助手	FAQ 解答、工单处理、用户引导	客户咨询、售后支持
HR 助手	政策解读、流程指导、简历筛选	员工咨询、招聘初筛

2. 技能专属：按需加载

每个 Agent 可以加载不同的技能集：

{"id":"dev_agent","tools":{"alsoAllow":["github","exec","browser"]}}

• 研发助手：GitHub 集成、代码执行、技术文档检索
• 运营助手：图片生成、文案润色、数据可视化
• 客服助手：知识库检索、工单创建、满意度调查

3. 模型差异化：成本与效果平衡

Agent	模型选择	理由
研发助手	Claude 3 Opus	代码理解能力强，逻辑严密
运营助手	Qwen-Max	中文创作优秀，成本较低
客服助手	GPT-4o-mini	响应快，成本低，足够应对 FAQ

4. 团队协作：部门专属入口

不同部门使用各自的机器人：

• 研发团队 → @研发助手
• 市场团队 → @运营助手
• 全员通用 → @万能小助手

权限与数据隔离，敏感信息不会跨部门泄露。

5. 多入口统一：运维更简单

同一 OpenClaw 网关，管理多个飞书机器人：

• 统一部署，统一监控
• 共享基础设施（向量数据库、缓存、日志）
• 独立升级，互不影响

---

四、常见坑与避坑指南

❌ 坑 1：权限未生效

现象：机器人能接收消息，但发不出回复。

原因：飞书应用改权限后，必须走完发布流程。

解决：

1. 进入飞书开放平台 → 版本管理与发布
2. 创建新版本（填写更新说明）
3. 申请发布
4. 等待企业管理员审核通过

❌ 坑 2：消息串线

现象：发给 A 机器人的消息，被 B 机器人回复了。

原因：bindings 里的 accountId 与 channels.feishu.accounts 的 key 不匹配。

检查清单：

// ❌ 错误示例"accounts":{"dev_robot":{ ... }// key 是 dev_robot},"bindings":[{"agentId":"dev_agent","match":{"accountId":"dev_bot"// ❌ 写的是 dev_bot，不匹配！}}]// ✅ 正确示例  "accounts":{"dev_bot":{ ... }// key 是 dev_bot},"bindings":[{"agentId":"dev_agent","match":{"accountId":"dev_bot"// ✅ 一致！}}]

❌ 坑 3：端口冲突

现象：启动多个 Gateway 实例时报错 “Port already in use”。

原因：默认端口 18789 被占用。

解决：

• 如果同一机器跑多个 Gateway，修改配置：```plaintext
  “gateway”:{“port”:18790// 第二个实例用不同端口}

• 如果单 Gateway 多 Agent，无需改端口，使用 bindings 路由即可。

❌ 坑 4：记忆混乱

现象：Agent 记住了不该知道的信息，或者忘记了之前的对话。

原因：多个 Agent 共享了同一个 workspace。

解决：每个 Agent 必须使用独立的 workspace 目录。

# ❌ 不要这样做"workspace":"~/.openclaw/workspace"  // 共享目录# ✅ 应该这样做"workspace":"~/.openclaw/workspaces/dev_agent"  // 独立目录

---

五、进阶：多 Agent 协作

在配置中开启 agentToAgent，让多个机器人互相调用、协同完成复杂任务：

{"tools":{"agentToAgent":{"enabled":true,"allow":["dev_agent","ops_agent","hr_agent"]}}}

协作场景示例：

用户：“我们要做一个新的营销活动页面，需要技术评估和文案策划”

1. 运营助手接收消息，分析需求
2. 调用 研发助手 进行技术可行性评估
3. 研发助手返回：“建议用 Next.js，预计 3 天”
4. 运营助手整合结果，生成完整方案回复用户

配置要点：

• allow 列表控制哪些 Agent 可以互相调用
• 建议只开放有协作必要的 Agent，避免循环调用
• 可以设置 maxPingPongTurns 限制对话轮数，防止无限循环

---

六、总结

通过本文的配置方法，你可以实现：

✅ 多入口：一个 OpenClaw 网关，管理多个飞书机器人
✅ 多大脑：每个机器人有独立的 AI 模型、人设、技能
✅ 精路由：消息按账号精准分发，绝不串线
✅ 可协作：复杂任务可跨 Agent 协同处理

这套架构特别适合：

• 中大型团队的 AI 助手部署
• 多业务线需要不同专业能力的场景
• 对数据隔离、权限管控有要求的组织

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】