飞书多Agent工厂

feishu-multi-agent-factory

by cchenwei

批量配置 OpenClaw 多 agent + 飞书 channel。当用户说「添加 agent」「新建 agent」「配置飞书」「批量创建 agent」「添加新机器人」时触发。通过对话引导收集信息,一键写入 openclaw.json 并初始化工作区。

4.5kAI 与智能体未扫描2026年3月30日

安装

claude skill add --url https://github.com/openclaw/skills

文档

Agent Factory — 多 agent 批量配置向导

通过对话快速创建新 agent,自动完成所有配置:

  • 写入 openclaw.json(agents / feishu accounts / bindings)
  • 创建 workspace 目录 + IDENTITY.md 等基础文件
  • 创建 agentDir + defaults.json + auth-profiles.json

核心脚本

code
~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py

对话示例

用户说:

code
帮我创建2个 agent:
1. id: painter,图片处理专家🌞,飞书 AppId: <PAINTER_APP_ID>,Secret: <PAINTER_SECRET>
2. id: take,行业资讯抓手👋,飞书 AppId: <TAKE_APP_ID>,Secret: <TAKE_SECRET>

你的回应(先 dry-run 确认):

code
好的,我来预览一下即将创建的配置:

▶ 🌞 图片处理专家 (id: painter)
  • workspace → ~/.openclaw/workspace-painter/
  • agentDir  → ~/.openclaw/agents/painter/agent/
  • 飞书 account 'painter' 已配置

▶ 👋 行业资讯抓手 (id: take)
  • workspace → ~/.openclaw/workspace-take/
  • agentDir  → ~/.openclaw/agents/take/agent/
  • 飞书 account 'take' 已配置

确认执行吗?

用户确认后执行,回应:

code
✅ 创建: 2 个
新 agents: painter, take

请运行 `openclaw configure` 为各 agent 配置 API key。
已重启 gateway,两个飞书机器人上线后即可收发消息。

对话流程

第一步:收集信息

用户说想添加新 agent 时,按以下格式引导(可批量,一次多个):

code
我需要以下信息来创建 agent:

1. **Agent ID**(英文小写,如 `coder`、`hr-bot`)
2. **中文名称**(如「代码专家」)
3. **Emoji**(如 💻)
4. **飞书 App ID**(格式:cli_xxxxxxxx)
5. **飞书 App Secret**
6. **简介**(可选)

可以一次提供多个,直接列出来就行。

第二步:确认预览(dry-run)

收到信息后,先 dry-run 预览,确认无误再执行:

bash
python3 ~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py \
  --dry-run \
  --config '<JSON>'

第三步:执行创建

用户确认后,正式执行并重启 gateway:

bash
python3 ~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py \
  --config '<JSON>' \
  --restart

JSON 格式

json
{
  "agents": [
    {
      "id": "coder",
      "name": "代码专家",
      "emoji": "💻",
      "description": "负责写代码和 code review",
      "feishu_app_id": "<YOUR_APP_ID>",
      "feishu_app_secret": "<YOUR_APP_SECRET>"
    },
    {
      "id": "hr-bot",
      "name": "HR 助手",
      "emoji": "👔",
      "feishu_app_id": "<YOUR_APP_ID>",
      "feishu_app_secret": "<YOUR_APP_SECRET>"
    }
  ]
}

其他命令

查看当前所有 agents

bash
python3 ~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py --list

删除某个 agent(仅移除配置,不删目录)

bash
python3 ~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py --remove <id>

自动完成的事项清单

每个新 agent 执行完成后会自动:

步骤内容
✅ workspace 目录~/.openclaw/workspace-{id}/
✅ IDENTITY.md包含名称、emoji、描述
✅ SOUL / AGENTS / TOOLS.md基础工作区文件
✅ agentDir~/.openclaw/agents/{id}/agent/
✅ defaults.json继承全局模型配置
✅ auth-profiles.json从 main agent 复制
✅ agents.list写入 openclaw.json
✅ feishu accounts写入 openclaw.json
✅ bindingsagent ↔ feishu account
✅ agentToAgent.allow加入协作白名单

飞书 App 说明

每个 agent 对应一个独立的飞书机器人应用(需在飞书开放平台预先创建)。

需要的权限(在飞书开放平台开通):

  • im:message — 收发消息
  • im:message.group_at_msg — 群消息 @ 机器人

连接模式默认为 websocket(长连接),无需公网 IP。

常见问题

Q: 飞书凭据在哪里找? 飞书开放平台 → 我的应用 → 选择应用 → 凭证与基础信息 → App ID / App Secret

Q: 创建后 agent 没反应? 确认已运行 openclaw gateway restart,并在飞书开放平台确认机器人已上线。

Q: 想给某个 agent 单独设置模型? 创建完成后编辑 ~/.openclaw/agents/{id}/agent/defaults.json,修改 model.primary

相关 Skills

Claude接口

by anthropics

Universal
热门

面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。

想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心

AI 与智能体
未扫描139.0k

RAG架构师

by alirezarezvani

Universal
热门

聚焦生产级RAG系统设计与优化,覆盖文档切块、检索链路、索引构建、召回评估等关键环节,适合搭建可扩展、高准确率的知识库问答与检索增强应用。

面向RAG落地,把知识库、向量检索和生成链路系统串联起来,做架构设计时更清晰,也更少踩坑。

AI 与智能体
未扫描15.8k

多智能体架构

by alirezarezvani

Universal
热门

聚焦多智能体系统架构设计,梳理 Supervisor、Swarm、分层和 Pipeline 等模式,覆盖角色定义、通信协作与性能评估,适合规划稳健可扩展的 AI agent 编排方案。

帮你系统解决多智能体应用的架构设计与协同编排难题,适合构建复杂 AI 工作流,成熟度高、社区认可也很亮眼。

AI 与智能体
未扫描15.8k

相关 MCP 服务

知识图谱记忆

编辑精选

by Anthropic

热门

Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。

帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。

AI 与智能体
86.1k

顺序思维

编辑精选

by Anthropic

热门

Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。

这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。

AI 与智能体
86.1k

PraisonAI

编辑精选

by mervinpraison

热门

PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。

如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。

AI 与智能体
7.9k

评论