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。
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
~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py
对话示例
用户说:
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):
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:
✅ 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):
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:
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:
python3 ~/.openclaw/workspace/skills/feishu-multi-agent-factory/scripts/setup_agents.py \
--config '<JSON>' \
--restart
JSON 格式
{
"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
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)
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 |
| ✅ bindings | agent ↔ 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
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
计算机视觉
by alirezarezvani
聚焦目标检测、图像分割与视觉系统落地,覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案,适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。
✎ 把目标检测、图像分割到推理部署串成完整工程链路,主流框架与 YOLO、DETR、SAM 等方案都覆盖,落地视觉 AI 会省心很多。
智能体流程设计
by alirezarezvani
面向生产级多 Agent 编排,梳理顺序、并行、分层、事件驱动、共识五种工作流设计,覆盖 handoff、状态管理、容错重试、上下文预算与成本优化,适合搭建复杂 AI 协作系统。
✎ 帮你把多智能体流程设计、编排和自动化统一起来,复杂工作流也能更稳地落地,适合追求强控制力的团队。
相关 MCP 服务
知识图谱记忆
编辑精选by Anthropic
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。
顺序思维
编辑精选by Anthropic
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。
PraisonAI
编辑精选by mervinpraison
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。