1. 项目概述：从CEO视角管理你的AI智能体帝国

如果你和我一样，每天要和多个AI编码助手打交道——Claude Code在终端里写代码，GitHub Copilot在编辑器里补全，Gemini CLI在另一个窗口分析日志——你就会发现，管理这些“员工”正在变成一项全职工作。每个工具都有自己的界面、命令和上下文，切换成本高，协作更是无从谈起。Claw-Empire正是为了解决这个痛点而生：它把这些分散的AI智能体整合成一个虚拟的软件公司，而你，就是坐在CEO办公桌后的那位决策者。

这个项目的核心思路很直接：既然AI智能体正在成为我们数字工作流中不可或缺的“员工”，为什么不能像管理一家真正的公司那样管理它们？Claw-Empire提供了一个本地优先的、像素艺术风格的办公室模拟器，让你可以通过一个统一的仪表盘，指挥通过CLI、OAuth或直接API连接的各类AI提供者（包括Claude Code、Codex CLI、Gemini CLI、OpenCode、Kimi Code、GitHub Copilot和Antigravity）协同工作。你可以看到“员工”们在不同的部门间走动、参加会议、领取任务，甚至还能通过经验值系统看到他们的成长排名。这不仅仅是花哨的视觉效果，其背后是一套完整的智能体编排（Agentic Workflow）和任务协调（Orchestration）系统，它让多个AI能够围绕一个复杂项目进行真正意义上的分工协作。

我最初接触这个项目时，最吸引我的是它的“本地优先”承诺。所有数据——任务、聊天记录、OAuth令牌、智能体配置——都存储在你本地机器的SQLite数据库中。这意味着你的工作流和与AI的交互细节完全私有，没有云依赖，也没有数据泄露的风险。对于处理敏感代码或商业项目的开发者来说，这一点至关重要。经过几周的深度使用和定制，我发现它不仅仅是一个管理工具，更是一个能够显著提升AI辅助开发效率和项目质量的协作平台。接下来，我将拆解它的核心设计、分享我的实操配置经验，并记录下那些只有踩过坑才知道的细节。

2. 核心架构与设计哲学解析

2.1 虚拟公司模型：为何选择“办公室”隐喻？

Claw-Empire没有采用常见的“聊天机器人集合”或“任务队列”界面，而是构建了一个完整的虚拟公司。这个设计选择背后有深刻的实用性考量。首先， 隐喻降低认知负荷 。对于任何有过团队协作经验的人来说，“部门”、“会议”、“任务看板”、“工作报告”这些概念都是直观的。将AI智能体映射为“规划部”、“开发部”、“设计部”、“质控部”的成员，使得复杂的多智能体工作流变得易于理解和指挥。

其次， 结构强制了工作流的规范化 。在真实的软件开发中，代码从规划到上线有一套流程。Claw-Empire通过其部门拓扑和内置的工作流包（Workflow Pack）将这套流程固化。例如，一个功能需求（由你通过CEO指令 $ 下达）会先进入“规划部”，生成技术方案和任务拆分；然后任务被分配到“开发部”进行编码；“设计部”可能负责UI组件；“质控部”进行代码审查和测试；最后“运维部”处理部署相关事宜。这个流程确保了产出物的结构化和质量，避免了AI智能体盲目生成代码而缺乏整体规划的问题。

部门与智能体的解耦设计 是另一个精妙之处。一个“开发部”里可以有多个智能体，它们可能连接着不同的后端（如Claude Code和Codex CLI）。当你下达一个开发任务时，系统可以根据智能体的技能、当前负载和历史表现（经验值）来自动分配，你也可以手动指定。这种设计既提供了自动化的效率，也保留了CEO（你）的最终控制权。

2.2 多提供者统一接入层：CLI、OAuth与API的融合

项目支持三大类AI提供者接入，这覆盖了绝大多数现代AI工具的使用方式：

  1. CLI工具 ：如Claude Code、Codex CLI、Gemini CLI。这些工具通常通过在终端执行命令来交互。Claw-Empire会封装对这些CLI的调用，捕获其标准输出和错误流，并将结果整合到任务流中。
  2. OAuth集成 ：主要是GitHub Copilot和Google相关服务。系统会引导你完成标准的OAuth授权流程，获取的访问令牌会使用 OAUTH_ENCRYPTION_SECRET 进行AES-256-GCM加密后存入本地数据库，确保了凭证安全。
  3. 直接API ：通过设置界面，你可以配置任何兼容OpenAI API格式的终端点，包括OpenAI官方、Anthropic、Google Gemini、本地Ollama、OpenRouter等。v2.0.4版本还新增了对OpenCode Go和Bailian Coding Plan的官方预设，简化了配置。

统一抽象层 是这里的技术关键。无论底层是执行一条shell命令、调用一个OAuth保护的API，还是发送一个HTTP请求到自定义终端点，在Claw-Empire的系统内部，它们都被抽象为“智能体提供者”。这个提供者负责处理会话保持、上下文管理、错误重试和速率限制。对于用户来说，在任务看板上分配任务时，无需关心背后的智能体是通过哪种方式连接的，系统会自动选择可用且合适的提供者来执行。

实操心得：提供者选择策略 我的经验是，将 核心编码任务分配给CLI提供者 （如Claude Code），因为它们通常功能最全、上下文窗口最大。将 需要访问特定平台数据的任务（如分析GitHub仓库）分配给OAuth提供者 。将 一些实验性的或需要特定模型的推理任务（如使用本地Qwen模型）配置为直接API提供者 。这样能最大化利用不同提供者的优势。

2.3 数据持久化与安全：一切尽在掌控

“本地优先”不仅是口号，而是贯穿整个架构的设计原则。

  • 数据库 ：使用SQLite，无需额外安装数据库服务。数据库文件（默认 ./claw-empire.sqlite ）包含所有核心数据。我建议定期备份这个文件。
  • 配置与秘密 ：所有配置通过 .env 文件管理，敏感信息如API密钥、OAuth密钥、加密盐值都存储于此。项目提供的安装脚本会自动生成强加密盐值（ OAUTH_ENCRYPTION_SECRET ）。 绝对不要 将 .env 文件提交到版本控制系统。
  • 加密存储 ：OAuth令牌和消息通道令牌在存入数据库前，会使用上述加密盐值进行加密。密钥从未离开过你的服务器内存，解密仅在运行时需要时进行。
  • 工作区隔离 ：每个智能体在执行任务时，都在独立的Git工作树（worktree）中操作。这意味着智能体A和智能体B可以同时修改同一个仓库的不同分支，而不会相互干扰。只有经过你（CEO）审核后，工作才会被合并回主分支。这完美模拟了真实开发中的分支策略，也保证了代码库的稳定性。

这种设计带来的最大好处是 可移植性和可控性 。你可以将整个Claw-Empire目录（包含数据库和配置）打包，移动到另一台机器，只要环境变量一致，立刻就能恢复整个“公司”的运营状态，包括所有智能体记忆、任务历史和项目上下文。

3. 从零开始：部署与核心配置实战

3.1 环境准备与一键安装

官方推荐使用一键安装脚本，这确实是最快的方式。但理解脚本背后的步骤，有助于在出现问题时进行排查。

对于macOS/Linux用户： 

# 1. 克隆仓库，包含子模块（子模块包含一些前端资产和预设配置）
git clone https://github.com/GreenSheep01201/claw-empire.git
cd claw-empire
git submodule update --init --recursive

# 2. 执行安装脚本
bash install.sh

install.sh 脚本会依次完成以下工作：

  1. 检查Node.js (>=22) 和 pnpm 是否存在。
  2. 通过 corepack enable 确保pnpm可用。
  3. 运行 pnpm install 安装所有Node.js依赖。
  4. 复制 .env.example 为 .env 。
  5. 关键步骤 ：生成一个32字节的随机十六进制字符串，替换 .env 文件中的 OAUTH_ENCRYPTION_SECRET=__CHANGE_ME__ 。这个密钥是加密安全的基石。
  6. 运行 pnpm setup -- --port 8790 ，将Claw-Empire的编排规则注入到你的AI智能体工作区的 AGENTS.md 文件中。这个文件是指导AI智能体（如Claude Code）如何与Claw-Empire API交互的“工作手册”。

对于Windows用户： PowerShell脚本 install.ps1 的逻辑类似。需要注意，在Windows上可能需要以管理员身份运行PowerShell，或先执行 Set-ExecutionPolicy RemoteSigned 以允许执行脚本。

手动安装（备选方案）： 如果脚本执行失败，或者你想更精细地控制安装过程，可以参照“Manual Setup”部分逐步操作。核心步骤就是上述的依赖安装、环境变量配置和AGENTS.md设置。

注意事项：Node.js版本 务必使用Node.js 22或更高版本。我在早期使用Node 18时遇到过一些ES模块和原生API的兼容性问题。使用 nvm （Node Version Manager）可以方便地切换版本： nvm install 22 && nvm use 22 。

3.2 核心环境变量详解与配置

安装完成后，打开项目根目录下的 .env 文件，这是整个系统的控制中心。以下是我认为必须理解和配置的几个关键变量：

# .env 关键配置示例
PORT=8790
HOST=127.0.0.1

# ！！！安全核心：加密密钥，安装脚本已自动生成，务必保管好！！！
OAUTH_ENCRYPTION_SECRET=你的32位十六进制加密密钥

# API鉴权令牌，如果你打算从非本机IP访问后端API，需要设置
API_AUTH_TOKEN=your_secure_api_token_here

# 用于接收外部指令（如从Telegram机器人）的Webhook密钥
INBOX_WEBHOOK_SECRET=another_long_random_string_here

# OpenClaw配置文件路径（如果你使用OpenClaw桥接消息应用）
OPENCLAW_CONFIG=/Users/yourname/.openclaw/openclaw.json

# 数据库和日志路径
DB_PATH=./claw-empire.sqlite
LOGS_DIR=./logs

# 以下是各类AI提供者的API密钥（按需配置）
# Anthropic (Claude)
ANTHROPIC_API_KEY=sk-ant-...
# OpenAI
OPENAI_API_KEY=sk-...
# Google AI Studio (Gemini)
GOOGLE_GENERATIVE_AI_API_KEY=AIza...
# OpenRouter
OPENROUTER_API_KEY=sk-or-...
# 等等...
  • OAUTH_ENCRYPTION_SECRET ：这是最重要的变量。它用于加密存储在数据库中的所有敏感令牌。如果丢失或更改，之前加密的令牌将无法解密。安装脚本生成的随机值是最安全的，不要自己设一个简单的密码。
  • INBOX_WEBHOOK_SECRET 与 OPENCLAW_CONFIG ：这两个变量与 外部消息集成 相关。 INBOX_WEBHOOK_SECRET 是 /api/inbox 接口的共享密钥，任何向该接口发送指令的请求都必须在 x-inbox-secret 头中携带此密钥。 OPENCLAW_CONFIG 指向你的OpenClaw配置文件，Claw-Empire通过读取它来发现已配置的聊天网关（如Telegram机器人）。如果你不打算通过Telegram等应用发送指令，可以暂时不配置它们。
  • API密钥配置 ：在 .env 中配置的API密钥（如 OPENAI_API_KEY ）主要用于 直接API提供者 。对于CLI提供者（如Claude Code），你需要确保相应的CLI工具已在你的系统PATH中，并且已通过其自己的方式完成认证（例如，Claude Code通常通过 claude auth 命令）。

3.3 首次启动与健康检查

配置好 .env 后，就可以启动服务了。

# 启动开发服务器（前端Vite + 后端Express）
pnpm dev:local

这个命令会同时启动后端API服务器（默认在 http://127.0.0.1:8790 ）和前端开发服务器（默认在 http://127.0.0.1:8800 ）。通常我们直接访问前端地址。

在浏览器中打开 http://127.0.0.1:8800 ，你应该会看到Claw-Empire的登录/初始化界面。第一次使用，你需要设置公司名称、CEO名称等基本信息。

进行健康检查： 打开另一个终端，运行：

curl -s http://127.0.0.1:8790/healthz

如果返回 {"ok":true,"timestamp":"...","version":"..."} 之类的JSON，说明后端API运行正常。

此时，一个最基本的、不连接任何外部AI的Claw-Empire实例就已经在运行了。你可以浏览像素艺术办公室，查看空的任务看板，但还无法执行任何AI任务。下一步就是为你的“公司”招聘“员工”——配置AI提供者。

4. 智能体配置与核心工作流实战

4.1 配置你的第一批“员工”：CLI、OAuth与API提供者

进入Claw-Empire的Web界面，左侧导航栏找到“设置”（齿轮图标），然后进入“CLI工具”标签页。这里是配置CLI提供者的地方。

以配置Claude Code为例：

  1. 确保你的系统已经安装了Claude Code CLI，并且可以通过终端命令 claude 调用。
  2. 在设置界面，找到“Claude Code”部分。
  3. “可执行路径”通常就是 claude （如果它在你的PATH中），你也可以填写绝对路径，如 /usr/local/bin/claude 。
  4. “工作目录”是Claude Code执行命令时的上下文目录，一般留空（使用当前项目目录）或设置为你的常用代码仓库路径。
  5. 点击“测试连接”。系统会在后台执行一个简单的命令（如 claude --version ）来验证CLI是否可用。
  6. 验证通过后，保存设置。

配置OAuth提供者（如GitHub Copilot）：

  1. 进入“设置” > “OAuth”标签页。
  2. 点击“GitHub”下的“连接”按钮。
  3. 系统会弹出一个OAuth授权页面，引导你到GitHub进行授权。你需要提前在GitHub Developer Settings中创建一个OAuth App，获取 Client ID 和 Client Secret ，并填入 .env 文件的 OAUTH_GITHUB_CLIENT_ID 和 OAUTH_GITHUB_CLIENT_SECRET 中（这一步通常在首次安装后手动完成）。
  4. 授权成功后，令牌会被加密存储。你会在界面上看到连接状态变为“已连接”。

配置直接API提供者：

  1. 进入“设置” > “API”标签页。
  2. 点击“添加API提供者”。
  3. 选择预设（如OpenAI、Anthropic、Ollama）或选择“自定义”。
  4. 填写API基础URL（例如OpenAI是 https://api.openai.com/v1 ，本地Ollama是 http://localhost:11434/v1 ）和API密钥。
  5. 在“模型”部分，你可以点击“获取模型列表”来自动拉取该API终端点支持的模型，然后选择默认模型。
  6. v2.0.4版本为“OpenCode Go”和“Bailian Coding Plan”提供了官方预设，会自动填充正确的Base URL和推荐模型，简化了配置。

配置完成后，你就可以在“智能体管理”页面“雇佣”新员工了。创建智能体时，你可以为其选择名称、角色、所属部门，以及最关键的一步： 分配提供者 。一个“后端开发工程师”智能体可以绑定到Claude Code提供者，而一个“UI设计师”智能体可以绑定到GPT-4-Vision的API提供者。

4.2 下达CEO指令： $ 命令与任务生命周期

一切就绪后，你就可以开始像CEO一样发号施令了。核心机制就是 $ 命令。

在Web界面的CEO聊天窗口 ：直接输入以 $ 开头的指令，例如：

$ 为项目根目录下的 `src/utils/` 添加一个通用的错误处理函数库。

按下回车后，系统会触发以下流程：

  1. 会议决策 ：首先，系统会询问你是否需要先召开一个团队负责人会议来讨论这个指令。对于简单的、明确的任务，可以选择“跳过会议”。
  2. 项目上下文 ：接着，系统会询问这个任务关联的“项目路径”或“项目上下文”。这决定了智能体们将在哪个Git仓库或目录下工作。你可以指定一个绝对路径，或者使用一个已保存的项目上下文别名。
  3. 任务创建与广播 ：你的指令会被创建为一个最高优先级的任务，广播给全公司。任务首先进入“规划部”。
  4. 智能体协作 ：“规划部”的智能体会分析指令，将其拆解成具体的子任务（如“设计错误类型枚举”、“编写核心错误类”、“编写工具函数”），并分配到看板的不同列。
  5. 任务执行 ：其他部门的智能体（如开发部）会从看板上领取符合其技能的子任务，在独立的Git工作树中开始工作。
  6. 审查与完成 ：完成的任务会进入“审查”列，由“质控部”智能体或你本人进行审核。审核通过后，任务标记为“完成”，相关代码会被合并（如果你设置了自动合并），智能体获得经验值。

通过消息应用下达指令（需配置OpenClaw或直接消息会话）： 如果你配置了Telegram机器人，你可以直接在Telegram中向机器人发送：

$ 紧急：修复用户登录接口在高并发下的性能瓶颈。

这条消息会通过Webhook ( /api/inbox ) 发送到Claw-Empire，触发同样的任务流程。这在移动办公时非常方便。

4.3 工作流包（Workflow Pack）的选择与应用

Claw-Empire内置了多个“工作流包”，这相当于为你的虚拟公司选择了不同的“业务类型”或“协作模式”。每个包预设了不同的部门拓扑、任务流转规则、质量检查标准和产出物模板。

  • development (DEV) ： 默认包 ，也是向后兼容的基线。专注于标准的软件开发流程，包含规划、开发、设计、质控、安全运维和运维部门。适合绝大多数编码项目。
  • report (RPT) ：专注于结构化报告和文档生产。其部门设置更偏向于编辑规划、研究引擎、文档设计和审核台。如果你需要AI协助撰写技术报告、项目文档，这个包更合适。
  • web_research_report (WEB) ：专注于网络信息收集和基于引用的事实验证。部门包括研究策略、爬虫团队和事实核查。适合用于竞品分析、市场调研等需要大量外部信息整合的任务。
  • novel (NOV) ：专注于世界观构建、叙事流和语调一致性。包含世界构建、叙事引擎、角色艺术和语调质控部门。用于协作创作小说、游戏剧本等。
  • video_preprod (VID) ：专注于视频的概念、脚本、分镜表和剪辑笔记等前期制作。
  • roleplay (RPG) ：专注于角色扮演对话沉浸感和角色一致性。

如何选择与切换？ 在“设置” > “公司”标签页，你可以找到“工作流包”选项。切换工作流包后， 部门结构、智能体的默认技能倾向以及任务处理逻辑都会改变 。例如，从 development 切换到 report 后，你可能会发现“设计部”变成了“文档设计部”，其可分配的技能库也变成了更多与排版、图表生成相关的技能。

实操心得：包隔离与实验 每个工作流包的数据（如智能体、部门配置）在某种程度上是隔离的，但共享同一个数据库。这意味着你可以在 development 包下运行你的主要编码项目，同时创建一个 novel 包来尝试AI协作写小说，而不会互相干扰。这是一个非常强大的功能，允许你用同一套基础设施管理完全不同类型的工作流。

5. 高级功能与集成深度探索

5.1 技能库与智能体培训

Claw-Empire内置了一个包含600多种技能的图书馆，涵盖前端、后端、设计、AI、DevOps、安全等类别。技能是赋予智能体特定能力的“知识包”。例如，你可以给一个智能体添加“React Hooks最佳实践”、“Python异步编程”、“Docker容器优化”等技能。

分配技能 ：在智能体管理页面，编辑一个智能体，在“技能”部分，你可以从庞大的技能库中搜索并添加相关技能。拥有相关技能的智能体，在处理对应领域的任务时，会有更高的倾向被分配，并且其提示词（Prompt）中会融入这些技能点，从而产生更专业的输出。

自定义技能上传 ：这是v2版本一个非常实用的功能。你可以将任何Markdown格式的文档（如你自己的项目规范、API文档、代码片段集）通过UI上传为自定义技能。上传后，系统会有一个“课堂培训”的动画，象征该技能被注入到智能体中。之后，当你分配任务时，这些自定义知识就能被智能体所利用。

5.2 会议系统与报告生成

会议是Claw-Empire中促进跨部门协作和决策的关键机制。

  • 计划会议 ：你可以定期（如每天站会）或按需安排会议。会议邀请相关的部门负责人（智能体）。
  • 会议纪要 ：会议中的讨论会被AI自动总结成纪要，并经过多轮审查（通常由“规划部”或“质控部”智能体）后定稿。
  • 报告系统 ：任何任务或会议都可以生成详细的报告。报告系统的一个亮点是 PPT导出功能 。基于会议纪要和任务报告，Claw-Empire可以调用PptxGenJS库，自动生成结构化的PowerPoint演示文稿。你可以在“聊天窗口”点击“报告请求”按钮，输入需求（如“生成关于上周迭代总结的PPT”），系统就会协调相关智能体制作幻灯片，并最终输出 .pptx 文件。

5.3 直接消息会话集成（无需OpenClaw）

v2.0.4版本强化了直接消息集成。即使你不使用OpenClaw，也可以在Claw-Empire内部直接配置消息通道。

  1. 进入“设置” > “频道消息”。
  2. 点击“添加聊天”。
  3. 选择消息平台：Telegram、WhatsApp、Discord、Google Chat、Slack、Signal、iMessage。
  4. 填写会话信息：
    • 名称 ：一个便于你识别的标签。
    • 令牌/凭证 ：该消息平台的Bot Token或API密钥。
    • 频道/聊天ID ：目标频道或聊天室的ID。
    • 映射的智能体 ：选择将此通道的消息转发给哪个智能体（或CEO）。
  5. 点击“确认”保存。 令牌会被立即加密存储到数据库 。
  6. 启用会话。

配置完成后，向该聊天通道发送普通消息，会直接转发给映射的智能体进行对话；发送以 $ 开头的消息，则会触发CEO指令流程。这一切都无需依赖外部的OpenClaw服务，简化了架构。

5.4 Docker部署：走向生产环境

对于希望长期运行或在服务器上部署的用户，项目现在提供了生产就绪的Docker配置。

# 1. 复制环境变量示例文件
cp .env.example .env.docker

# 2. 创建私有文件存放敏感密钥（此文件被.gitignore忽略）
cat > .env.docker.private <<'EOF'
ANTHROPIC_API_KEY=sk-ant-...
OPENAI_API_KEY=sk-...
EOF
chmod 600 .env.docker.private

# 3. 使用Docker Compose构建并启动
docker compose up -d --build

# 4. 查看日志
docker logs -f claw-empire

Docker镜像以非root用户( app )运行，包含了 git 、 bash 等必要工具，并将运行时数据持久化在宿主机的 ./data 目录下。这为在云服务器或本地NAS上稳定运行Claw-Empire提供了便利。

6. 故障排查与性能优化实录

在实际使用中，你可能会遇到一些问题。以下是我总结的常见问题及其解决方法。

6.1 智能体“卡住”或任务无响应

这是最常见的问题之一。一个任务被分配后，智能体状态一直显示“工作中”，但没有任何进展。

排查步骤：

  1. 检查“活跃智能体”面板 ：在Web界面通常有一个区域显示当前正在执行任务的智能体及其进程ID。查看该智能体是否真的有活跃进程。
  2. 查看后端日志 ：运行 pnpm dev:local 的终端会输出详细日志。查找对应任务ID的日志，看是否有错误信息。常见错误包括：CLI命令找不到、API密钥无效、网络超时。
  3. 检查提供者连接 ：进入“设置”，测试疑似有问题的智能体所绑定的提供者（CLI/OAuth/API）的连接状态。
  4. 手动终止任务 ：在“活跃智能体”面板或任务看板上，通常有“终止”或“取消”任务的选项。v2.0.4版本增强了生命周期管理，中断的运行后，状态为 working 但无实际任务的智能体会被自动恢复。
  5. 检查Git工作树 ：有时Git操作会失败（如冲突）。可以到项目目录下的 .claw-empire/worktrees/ 中，查看对应智能体的工作树目录，手动检查Git状态。

避坑技巧：为CLI提供者设置超时 有些CLI命令可能长时间无响应。你可以在后台代码中（或提交PR）为CLI执行器添加超时逻辑。例如，在调用 child_process.exec 或 child_process.spawn 时，设置一个 timeout 参数（如300000毫秒），超时后自动杀死进程并标记任务失败。

6.2 API提供者连接失败或模型列表为空

可能原因及解决：

  1. 网络问题 ：确保你的服务器可以访问对应的API终端点（如 api.openai.com ）。对于本地Ollama，检查是否运行在 11434 端口。
  2. API密钥错误 ：仔细检查 .env 文件中对应的API_KEY是否填写正确，是否有多余空格。
  3. Base URL格式错误 ：对于自定义API，Base URL必须包含完整的路径，例如 https://your-proxy.com/v1 ，而不仅仅是域名。
  4. 模型列表接口不兼容 ：Claw-Empire通过调用 /v1/models （OpenAI格式）来获取模型列表。如果你的自定义API不支持此端点，模型列表会为空。此时你需要手动在设置界面输入模型名称。
  5. 证书问题（自签名） ：如果使用自签名的本地模型API，可能需要配置Node.js环境忽略SSL证书验证（ 仅限开发环境 ，生产环境有安全风险）。可以设置环境变量 NODE_TLS_REJECT_UNAUTHORIZED=0 ，但这会降低安全性。

6.3 消息集成（Telegram/Discord）不工作

排查流程：

  1. 验证Webhook端点可达性 ：确保运行Claw-Empire的服务器IP/端口能被互联网访问（如果是本地开发，需用ngrok等工具做内网穿透）。向 http://你的地址:8790/api/inbox 发送一个测试请求，检查是否返回 401 （缺少密钥）或 503 （未配置密钥）。
  2. 检查 INBOX_WEBHOOK_SECRET ：确保 .env 中的 INBOX_WEBHOOK_SECRET 与你在消息平台配置Webhook时设置的 x-inbox-secret 头完全一致。
  3. 检查OpenClaw配置（如果使用） ：确认 OPENCLAW_CONFIG 路径指向正确的 openclaw.json 文件，并且该文件中正确配置了你的机器人令牌和目标聊天ID。
  4. 检查直接消息会话配置 ：如果使用内置的直接消息会话，确保在“频道消息”设置中，会话已启用，令牌和聊天ID正确，并且映射的智能体存在且在线。
  5. 查看消息网关日志 ：Claw-Empire后端关于消息处理的日志会输出相关信息，查看是否有错误。

6.4 性能优化建议

  • 数据库优化 ：SQLite在单机并发写入不高时表现良好。但如果智能体数量很多、任务历史庞大，可以考虑定期归档旧数据到另一个表或文件，或者使用 PRAGMA 命令优化SQLite（如 PRAGMA journal_mode = WAL; ）。
  • 智能体数量 ：不要一次性雇佣过多智能体。每个活跃的智能体都会占用内存和可能的进程资源。根据你的实际并发任务需求来配置智能体数量，通常5-10个不同专长的智能体足以应对大多数项目。
  • 任务粒度 ：给AI智能体的任务指令应该尽可能清晰、原子化。一个庞大的、模糊的指令（如“开发一个电商网站”）会导致规划过程漫长且产出混乱。将其拆解为“设计用户数据库Schema”、“实现用户注册登录API”、“开发商品列表前端组件”等具体任务，效率会高得多。
  • 技能分配 ：为智能体精准分配技能，可以提高任务分配的相关性和输出质量。避免给所有智能体分配所有技能。

经过数周的深度使用，Claw-Empire已经从一个新奇玩具变成了我日常开发工作流中不可或缺的协调中枢。它最大的价值不在于替代某个单一的AI工具，而在于 创造了这些工具之间协同工作的可能性 ，并将复杂的多步骤AI任务管理，变成了一个可视化、可控制、充满趣味的过程。从最初看着像素小人儿在办公室里跑来跑去的新鲜感，到后来依赖它来协调代码审查、生成项目报告、甚至进行头脑风暴，这个项目展现出了AI智能体编排领域的巨大潜力。如果你也受困于多个AI工具间的切换和协作难题，不妨花上一个下午，搭建起属于你自己的AI智能体帝国，体验一下从CEO视角指挥若定的感觉。

Logo
亚马逊云科技技术品牌专区

更多推荐

cover

我做了一个 AI 原生安全测试 Skill：让 Claude Code/Cursor 直接进入安全工程模式

avatar 亚马逊云科技技术品牌专区

2026年AI编程工具排行榜：10款主流产品深度横评，谁才是真正的提效之王

三个月实测10款AI编程工具，从代码生成质量、Agent能力、过程可控性、性价比、IDE兼容性五个维度打分排名。文心快码以SPEC规范驱动+Multi-Agent矩阵在可控性上拉满，附完整对比表和选型建议。

avatar 亚马逊云科技技术品牌专区
cover

深入理解 AI Agent · MCP 子系列 #02：MCP Server 开发实战—从工具注册到无状态新规范

avatar 亚马逊云科技技术品牌专区