admin
-
本文档记录我当前使用的 Agent 架构情况，以便后续查阅、修改与调整。
目录
1. 在 OpenClaw 上的 Agent
目前，在 OpenClaw 上共有 4 个 Agent 分别是：
Agent ID 飞书机器人 概述 main Mike 默认主 agent，主要有三个功能：
* 作为主 agent ，有非常完整的权限管理系统
* 作为管理日历的入口，日常日历会从这里添加
* 作为备忘录/记事本入口，日常的零散记录入口在这里english Echo 个人英语使用相关的Agent，可以自动添加单词到词表中 family-magazine Maga 这是一个之前尝试制作个人家庭杂志的 Agent openclaw-codex Clark 该 Agent 可以在本地执行 Codex 去完成 long-running 任务 这里的飞书机器人命令，故意使用了 Agent ID 的第一个字母，还比较有意思。其中，“Clark” 是 Superman 的名字，希望 Codex 能够像 Superman 一样强大。
2. 运行环境说明
为了保障安全性、隐私性，所以我的 Agent 都没有运行在本地，而是运行在一台远程的 EC2 上，然后通过 ssh 进行管理。EC2 上运行了一个 OpenClaw，其中安装了上述四个 Agent。此外，EC2 上还安装了 Codex，Codex 的运行这里使用了两种运行模式，一个是终端直接运行，通过 screen 直接在终端运行了一个 Codex 进程，此外，还通过 OpenClaw 的 Agent （openclaw-codex）可以调用 Codex 。当前的 Codex 主要在仓库 for-codex-task 上运行，仓库中的 AGENTS.md 会定义 Codex 的行为，这主要是一个调研类的 Agent。
Zex / Zhenxing | +---------------------------------+---------------------------------+ | | | v v v +----------------------+ +----------------------+ +----------------------+ | IM Entry Points | | SSH | | Web GitHub Admin | | | | | | | | Feishu / WeChat | | Remote shell access | | View / edit repo | | Chat-based control | | EC2 operations | | Define Agent behavior| +----------------------+ +----------------------+ +----------------------+ | | | | Manage OpenClaw | Manage EC2 | View outputs | | | Edit AGENTS.md v v v +-----------------------------------------------------------+ +--------------------------+ | Remote EC2 Instance | | GitHub Repository | | | | | | OpenClaw | | for-codex-task | | ^ | | | | | Feishu / WeChat management entrypoints | | Independent from EC2 | | | | | Defines Agent behavior | | +-- main / Mike | | via AGENTS.md | | | +-- Master agent | | Stores / exposes | | | +-- Permission management | | Agent running results | | | +-- Calendar entry point | +--------------------------+ | | +-- Memo / notebook entry point | ^ | | | | | +-- english / Echo | | | | +-- Personal English agent | | | | +-- Vocabulary list automation | | | | | | | +-- family-magazine / Maga | | | | +-- Family magazine experiment | | | | | | | +-- openclaw-codex / Clark | | | +-- Invokes Codex | | | +-- Handles long-running tasks | | | | | | Codex | | | | | | | +-- Mode 1: Terminal process | | | | +-- Running directly in screen | | | | | | | +-- Mode 2: OpenClaw Agent | | | | +-- Invoked by openclaw-codex / Clark | | | | | | | +-- Working repo on EC2 | | | | | | | +-- for-codex-task | | | | | | | +-- Synced with GitHub repository -------+----------------+ | | +-- pull AGENTS.md / tasks | | | +-- push Agent running results | | | | | +-- AGENTS.md | | +-- Defines Codex behavior | | +-- Mainly research-oriented | +-----------------------------------------------------------+3. 改进@20260515
3.1 一个仓库所有的文件
当前，我把所有的文档都放在了一个 GitHub 仓库中，然后让 Codex 根据不同的任务类型将文件都放在这个仓库中，并通过不同的目录来进行管理。
例如，我的仓库包括了：独立新知识学习的目录（例如Iceberg）、系统方向学习目录（例如 memory、如何使用 codex等）、未分类的临时主题目录（这个目录可能是按照时间组织的）。
这种方式，当每次都是给出独立的、小型的任务的时候，是没问题的。并且管理和使用起来非常方便，一个 Agent 完成所有的工作。但是，当希望系统的、经常的在某一个主题上工作就不是很方便了。例如，我想在某个目录下（memory 主题、Iceberg主题）持续调研，这时候就不是很方便了。
所以，这里做了一个改进：将独立的、长期的主题独立出来，以独立的 Agent 运行。
3.2 长期主题使用独立的 Agent
4. Long-Running Task
现在一个 Code 的任务大概 5 分钟左右。很难一次让执行更长时间，而且，简单的当个任务让其完成更长的任务，实现的效果也不会很好。
那么，怎么设计面相与 AI 的 Long-Running Task 呢？
一个基础的策略是：
- 事先写更多的问题背景、要求
- 事先编写 review Agent 的要求，然后进入，执行 -> Review -> 修复 -> Review 的流程 从而实现 Long-Running
Lessons I learned
不要在一个大“上下文”里面做一个小事情
例如，在一个非常大的 Git 仓库下面，某次调用只是完成一个小的功能。这时候，AI 很容易因为要读取整个目录（或者结构），然后受到一些看似相关的内容，从而导致上下文被“污染”。而让 AI 的注意力被分散，结果通常是，事情可以被完成，但是需要更长时间，更多的上下文。
确定非常高的事情，可以考虑使用“程序”、“流程”完成
对于确定性非常的事情或者流程，最好让“程序”来完成，而不是 AI。这个“程序”可能是一个直接的脚本或者一个 SKILL，让 AI 调用，但是不要让 AI 来去做，AI 做的话，则会因为过分考虑各种情况，而设计（通常还会不断地改进）非常复杂的流程去完成。
不要过分追工具，而是专注于目标与任务
在最初（甚至很长时间以内），就算一般的工具能力都是超出“需求”的。例如，DeepSeek 、Qwen、Douban 都已经可以解决绝大数场景了，而不一定要使用 ChatGPT 、 opus 或者 Gemini。当你熟悉了这些工具如何完成你的任务之后，这时候就可以再尝试如何使用最 SOTA 的工具去做事情了。
把大任务分成小任务、多步骤
在当前阶段，要想让 AI 更好的去完成一个“长任务”，是需要一定设计的。其中一个办法就是：把大任务分成小任务、多步骤。然后让不同的 Agent 独立完成不同的部分。
给 long-running 编写更好的 Spec
-
本文记录我在使用 OpenClaw + 飞书时的一些配置信息，因为偶尔需要操作，故记录如下。
目录
1. 在 OpenClaw 中添加多个 Agent
这一次是需要新增一个叫 Clark 的 Agent ，该 Agent 用于在本地执行 Codex 完成一些复杂的任务。所以，特别的编写了一个对应的 Skill 用于告诉 OpenClaw 如何按照我的要求使用 Codex 。
1.1 添加新的 agent
openclaw agents add openclaw-codex ...(一些配置，需要注意，按需调整 workspace 的位置) openclaw tui /agent openclaw-codex如果要切换当前的默认的agent，可以使用如下命令：
cd ~/.openclaw/workspace-family-magazine/ openclaw tui -- or -- openclaw config set agents.defaults.workspace "/home/ubuntu/.openclaw/workspace-family-magazine" openclaw tui完成了 Agent 添加后，接着是 SKILL 的配置以及飞书 IM 的配置。
2. 飞书的多 Agent 配置
当只有单个 Agent 时，要配置飞书 IM 连接时，可以参考本文档的附录小结：“OpenClaw 内置插件教程（从零配置）”。本节主要介绍，当有多个 Agent 时，如何使用多个聊天机器人分别于不同的 Agent 通信。
在目前阶段，OpenClaw 依旧是面向于开发者的产品。例如，这里为了配置多 Agent ，并同时使用飞书进行管理时，整个的配置过程，就不是很简单，不喜欢折腾的开发者大概是会放弃的（注：当前版本 OpenClaw 2026.4.23 (a979721) ）。
首先，在开始配置之前，需要理解一些概念：
- openclaw 中的“Agent”： openclaw 可以支持多 Agent 运行，每个 Agent 可以完成完全独立的一些事情，每个 Agent 都有自己的对的 workspace，以及完全独立的 SOUL/USER.md 等文件。大多数时候，我们默认的，都是只是默认的、“main” 这个 Agent。为了更好的管理，我这里额外在openclaw 中配置了一个叫“english Echo” 的Agent。可以参考本文档的章节“在 OpenClaw 中添加多个 Agent”了解多个 Agent 的添加。
- openclaw 中的 “channel”：channel 是指聊天通道，例如，与飞书的聊天通道。需要特别注意的是，通常，我们在这个通道中仅会配置一个 App（开放平台上的应用，对应于一个机器人）。但，要比较好的启用多 Agent 功能，这里需要建两个或多个 App （飞书开放平台的应用），从而我的飞书就可以与不同的飞书机器人对话，从而与不同的Agent 通信。
如果只是看上述的描述，大概比较难理解，这里先看看最终配置的效果，再看看对应的配置文件，从而完整的理解配置、以及如何使用。
2.1 飞书的 channel 配置
为了实现个人飞书能够通过两个独立的飞书机器人去调用一个openclaw 中的两个 Agent 。如右图注意到，机器人 Echo 和 Mike 都来自同一个 openclaw 中两个独立的 Agent。
例如，这里的 Echo 是一个英语助手，Mike 则是一个通用助手。而在 openclaw 中两个Agent 对应完全不同的workspace，也就是使用完全不同的 SOUL.md、IDENTITY.md 等。
如下的文本图描述了“消息流”，即我的飞书消息会到不同的机器人，然后 openclaw 的 Gateway 则将消息根据配置文件的绑定规则（即Binding 部分）将消息分发到不同 Agent 。文本图如左下：
------- OpenClaw ----- | | | | ---> feishu bot 1 --- --> Agent 1 | | | | | [ feishu ] -| Gateway- | [ chat ] | | | | ---> feishu bot 2 --- --> Agent 2 | | | | | ----------------------右边则是对应 “channels” 部分的配置，即在 “feishu”这个 channels 下有两个 accounts，分别是 main和english，根据对应 appId 则对应于聊天机器人 Mike 和 Echo。
"channels": { "feishu": { "defaultAccount": "main", "accounts":{ "main": { "enabled": true, "appId": "cli_***", "appSecret": "Qo92***", "connectionMode": "websocket", "domain": "feishu", "groupPolicy": "allowlist" }, "english": { "enabled": true, "appId": "cli_***", "appSecret": "4y9h***", "connectionMode": "websocket", "domain": "feishu", "groupPolicy": "allowlist" } } } },2.2 飞书的 bindings 配置
在新建了飞书的账号（channels.accounts）后，还需要将其于对应的 Agent 进行绑定，这样 Gateway 才知道该将对应机器人的转发给对应的Agent。这个绑定则由右边的配置文件来描述。
新增 Agent 则新增配置：
"bindings": [ ... { "agentId": "openclaw-codex", "match": { "channel": "feishu", "accountId": "codex" } } ],"bindings": [ { "agentId": "main", "match": { "channel": "feishu", "accountId": "default" } }, { "agentId": "english", "match": { "channel": "feishu", "accountId": "english" } } ],2.3 终端使用 TUI
TUI 是 Text User Interface 的缩写，在 openclaw 中也可以通过 TUI 的方式更为方便的与多Agent 对话。首先通过
openclaw tui进入 TUI，然后使用/agent english即可与对应的 Agent 对话：openclaw tui session agent:main:main ... If you want, give me a real task and I’ll show you instead of pitching myself. gateway connected | idle agent main | session main (heartbeat) | openai/gpt-5.4 | think low | tokens 10k/272k (4%) ───────────────────────────────────────────────────────────────────────────────────── ─────────────────────────────────────────────────────────────────────────────────────在 TUI 中则可以通过
/agent english进行 Agent 切换：session agent:english:main ... connected | idle agent english (english) | session main (openclaw-tui) | openai/gpt-5.4 | think low | tokens 11k/272k (4%) ─────────────────────────────────────────────────────────────────────────────────────────────────────────── ───────────────────────────────────────────────────────────────────────────────────────────────────────────2.4 session key
上述内容中，值得注意的是，两个 session 取值分别为：
session agent:english:main和session agent:main:main。在实现底层，这时非常重要两个值，Gateway 用来管理不同的 session 。适当的理解这个这个值，则对我们理解和配置 openclaw 非常重要：agent : english : main agent : main : main agent :<agentId>:<sessionKey>三列分别表示：
agent“这是一个 agent 会话”<agentId>对应的 agent 是哪个？如果使用的是默认的agent则通常是main<sessionKey>这个对话对应“名称”，默认也是main
如果通过某个具体的 IM 与Agent 通信，那么对应的 Key 则可能是如下样子：
agent:main:feishu:direct:ou_80d10b4***********************5df8附录
🚀 OpenClaw 内置插件教程（从零配置）
该部分参考链接：openclaw-feishu/README.md
适用于：第一次使用 OpenClaw + 飞书的新用户，选择 OpenClaw 内置插件方案。 前提：已安装 OpenClaw 并正常运行（
openclaw gateway status能看到状态）。 预计耗时：15–20 分钟。第一步：创建飞书应用（机器人）
- 打开 飞书开放平台，用飞书账号登录
- 点击 创建企业自建应用
- 填写应用名称（随意，比如 “我的 AI 助手”）和描述
- 选一个图标（可以之后改）
第二步：启用机器人能力
进入你刚创建的应用：
- 左侧菜单找到 应用能力 > 机器人
- 开启机器人能力
- 给机器人起个名字
第三步：配置权限
- 左侧菜单进入 权限管理
- 点击 批量导入
- 粘贴以下 JSON（一键导入所有需要的权限）：
{ "scopes": { "tenant": [ "aily:file:read", "aily:file:write", "application:application.app_message_stats.overview:readonly", "application:application:self_manage", "application:bot.menu:write", "cardkit:card:write", "contact:user.employee_id:readonly", "corehr:file:download", "docs:document.content:read", "event:ip_list", "im:chat", "im:chat.access_event.bot_p2p_chat:read", "im:chat.members:bot_access", "im:message", "im:message.group_at_msg:readonly", "im:message.group_msg", "im:message.p2p_msg:readonly", "im:message:readonly", "im:message:send_as_bot", "im:resource", "sheets:spreadsheet", "wiki:wiki:readonly" ], "user": [ "aily:file:read", "aily:file:write", "im:chat.access_event.bot_p2p_chat:read" ] } }第四步：配置事件订阅
⚠️ 这一步必须在 OpenClaw 网关启动后再做，否则保存会失败。 先做第五、六步，回来再做这一步也可以。
- 左侧菜单进入 事件与回调 > 事件配置
- 请求方式选择：使用长连接接收事件（这是关键！不需要公网服务器）
- 添加事件：搜索
im.message.receive_v1（接收消息），勾选添加
第五步：记下凭证
在应用的 凭证与基础信息 页面，复制：
- App ID（格式如
cli_xxxxxxxxx） - App Secret
❗ App Secret 很重要，请妥善保管，不要分享。
第六步：发布应用
- 左侧菜单 版本管理与发布
- 创建版本 → 填写版本说明 → 提交
- 等待审批（企业内部应用通常自动通过，几秒到几分钟）
第七步：在 OpenClaw 中配置飞书
OpenClaw ≥ 2026.2 已内置飞书插件，不需要额外安装，直接配置即可。
💡 如果你在首次
openclaw setup时看到 “Install Feishu plugin?”，选择 “Download from npm” 即可进入配置流程。选了 “Skip” 也没关系，用下面的命令随时添加。打开 终端（Terminal）：
# 1. 添加飞书渠道（交互式，跟着提示走） openclaw channels add # 选择 Feishu → 粘贴 App ID → 粘贴 App Secret第八步：发消息测试
- 在飞书里搜索你的机器人名字，打开对话
- 发一条消息，比如”你好”
- 如果机器人回复了配对码，在终端运行：
openclaw pairing approve feishu <配对码>- 授权后再发一条消息，收到正常回复 = 配置完成 🎉
回来补第四步：如果你先跳过了事件订阅，现在网关已启动，回到飞书开放平台把第四步做完，保存后重启网关（
openclaw gateway restart）。第九步（可选）：让机器人开机自启
openclaw gateway install这样电脑重启后机器人也会自动上线。
