OpenClaw 多智能体实战：飞书群聊配置指南

前言

你是否想象过这样的场景：在飞书群里同时拥有多个 AI 助手，一个负责统筹规划，一个负责运营执行，一个负责数据分析？

本文将手把手教你配置 OpenClaw 的多智能体模式，让三个"AI 大师"同时在你的飞书群里为你工作。目前还在加急做50元套餐的一件包，准备附送一些功能和教程，大家想看什么内容，是自媒体账号自动化运营还是量化交易相关的内容，欢迎打在评论区！！！

安装nvm

打开 Mac 的终端 (Terminal)，复制并运行以下命令：

Bash

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash

注意： 如果你在国内由于网络问题无法访问 GitHub，可以使用以下国内镜像加速命令：

Bash

curl -o- https://gitee.com/mirrors/nvm/raw/master/install.sh | bash

第二步：配置环境变量

安装脚本通常会自动把配置写入你的配置文件，但有时需要手动刷新。请根据你使用的 Shell 执行命令：

确定你的 Shell：输入echo $SHELL。如果是/bin/zsh（Mac 默认），则编辑.zshrc；如果是/bin/bash，则编辑.bash_profile。

执行刷新命令：

Bash

source ~/.zshrc

验证安装：输入nvm -v，如果显示版本号（如 0.40.1），说明安装成功。

第三步：安装 Node.js 22

有了 nvm 后，安装 Node 22 只需要一行命令：

Bash

nvm install 22

安装完成后，你可以验证版本：

查看 Node 版本：node -v(应显示 v22.x.x)

查看 npm 版本：npm -v

第四步：针对 OpenClaw 的后续配置 (重要)

因为你准备运行 OpenClaw，建议完成以下两项优化：

1. 切换 npm 国内镜像源为了之后安装 OpenClaw 不报错，先切到淘宝镜像：

Bash

npm config set registry https://registry.npmmirror.com

2. 安装 OpenClaw现在环境已经就绪，你可以直接安装了：

Bash

npm install -g openclaw@latest

2. 测试openclaw是否安装成功：

openclaw -v

在终端查看

第五步：激活与配置(灵魂开始)

openclaw onboard

弹出一个窗口，第一步这儿选择yes

然后选择QuickStart

然后选择Update Values

接下来开始重头戏

这一步是选择模型，这儿建议选择国内的几家先试试，我一直在用MiniMax，这儿就按照MiniMax的配置(如果买MiniMax的话，我这儿也有比较优惠的方案供大家选择)

选择minimax之后

这儿复制粘贴api key即可，后续推荐选择 minimax-cn/MiniMax-M2.5，用其他家的也都差不多的流程

接下来选择IM软件，这儿以飞书为例

要安装 feishu的插件，选择确定就好

然后安装skills

这儿必装mcporter，其他的随意即可

下一步 开始安装Enable hooks

这儿推荐这四个都安装

操作方法：

用键盘的上下方向键移动。

按空格键 (Space)勾选（勾选后方框里会变成[x]或带颜色的符号）。

全部选好后，按回车键 (Enter)确认。

这几个技能解释

1. 🚀 boot-md (启动文档)

大白话：给 AI 配一本“说明书”。

功能：它会自动把你的项目环境、当前的文件结构等信息整理成一份文档喂给 AI。

2. 📎 bootstrap-extra-files (额外文件初始化)

大白话：自动帮你把“家”布置好。

功能：它会帮你自动生成一些必要的配置文件和基础文件夹，不用你手动去一个一个创建。

3. 📝 command-logger (命令记录器)

大白话：给 AI 装一个“黑匣子”。

功能：它会记录 AI 执行过的所有命令和操作。

4. 💾 session-memory (会话记忆)

大白话：给 AI 塞一个“记事本”。

功能：让 AI 记住你们之前的聊天记录和操作上下文。没有这个的话，AI 可能说完后半句就忘了前半句。

之后这两步就比较常规了，没必要解释了。

接下来需要确认是否真的开始养殖小龙虾了

输入

openclaw status

或者在浏览器中打开

配置飞书

现在龙虾已经开始养殖了，但是我们要在飞书里，在tel或者discord中养殖龙虾群还需要配置多个步骤。

接下来开始配置飞书龙虾群。

创建应用

首先我们要在飞书开放平台创建企业自建应用，链接

创建完之后点击添加机器人

然后到权限管理这儿，点击批量导入/导出权限

复制粘贴这段

{ “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”] }}

然后确定即可

然后回到机器人界面，给龙虾起一个名字

事件配置

一定要按照流程来，不然这儿配置不上！！！

首先在终端，运行

openclaw channels add

然后点击确定

就再次来到了

选择 Feishu/Lark (我这儿一直显示plugin install failed：plugin already exists，我先删掉了，然后再安装的 )

这儿选择之后就需要输入Enter Feishu App Secret和Enter Feishu App ID

从这儿复制粘贴进来即可

然后选择WebSocket(default)，然后选择feishu-China，选择 Open模式，如下图

然后按照如下方式配置即可

然后我们回到页面，配置事件与回调

然后创建版本，去审核应用通过

通过后飞书会有通知

打开应用之后，就可以养第一个龙虾了！！！

如果出现 emoji就说明他在思考回复你什么东西了

多agent模式

接下来是重头戏，玩多agent模式，也就是配置多个AI员工。多个员工的定义就是

多个智能体 = 多个人、多种人格

使用多个智能体，每个agentId成为一个完全隔离的人格：

不同的电话号码/账户（每渠道accountId）。

不同的人格（每智能体工作区文件如AGENTS.md和SOUL.md）。

独立的认证 + 会话（除非明确启用，否则无交叉通信）。

这让多个人共享一个 Gateway 网关服务器，同时保持他们的 AI”大脑”和数据隔离。

首先在终端输入

openclaw agents add work

这个work指的是你要添加的智能体，比如说我要把上面的统筹大师改成多智能体模式，那就是

openclaw agents add manager-统筹大师

纯中文好像不太行

这儿出现的这个workspace-manager就是对应的工作区，也就是智能体的记忆存储位置

然后一路 enter 就可以了。其中

Copy auth profiles from “main”?│ Yes

这儿选择yes就是复制配置过来了。

配置完之后

这儿就显示了我的workspace，以及最重要的 ~/.openclaw/openclaw.json，这儿这个json文件是需要持续配置的。

配置多个agent

然后我们继续配置多个agent，输入

openclaw agents add operator-运营大师

然后

这儿一定要选择No，这是我们配置多个agent的一个关键，选择yes就是复制配置了。

然后选择配置channels，选择飞书

后续配置

然后在飞书开放平台继续创建应用即可，这儿不做赘述了

需要注意的是，一定要配置完机器人和权限管理之后填完上述飞书app secret和app id，然后一路配置下来，配置完之后再回到飞书开放平台做事件与回调的配置工作！！！

多agent联动

当我们配置了多个agent之后,我们的配置文件里就有对应的参数了，打开 ~/.openclaw/openclaw.json能看到，我已经将配置分析放到了附录1

其中主要是配置了

{

“id”: “manager”,

“name”: “manager-统筹大师”,

“workspace”: “~/.openclaw/workspace-manager”,

“agentDir”: “~/.openclaw/agents/manager/agent”,

“model”: “minimax-cn/MiniMax-M2.5”

},

{

“id”: “operator”,

“name”: “operator-运营大师”,

“workspace”: “~/.openclaw/workspace-operator”,

“agentDir”: “~/.openclaw/agents/operator/agent”

},

{

“id”: “ananlyst”,

“name”: “ananlyst-数分大师”,

“workspace”: “~/.openclaw/workspace-ananlyst”,

“agentDir”: “~/.openclaw/agents/ananlyst/agent”,

“model”: “minimax-cn/MiniMax-M2.5”

}

这时候龙虾军团就初具规模了，总共有三只龙虾了。

但是这时候龙虾军团还不够智能，因为他们没有互相认识，试问没有互相认识的龙虾们怎么协作呢。

配置协作能力

配置群聊能力

当前我只有main智能体绑定了飞书，其他知恩感体都没有绑定渠道，也就是bindings，所以单聊可以，但是群聊不行。也就是在~/.openclaw/openclaw.json中有这一段

“bindings”: [

{

“agentId”: “main”,

“match”: {

“channel”: “feishu”,

“accountId”: “default”

}

}

]

那这时候我们需要改成如下配置，也就是channels中要给每个智能体一根与外界联络的电话线。用bindings来分配电话线的接收方

1. channels - 三个飞书账号

"channels": {
"feishu": {
"defaultAccount": "ananlyst",
"accounts": {
"ananlyst": { "appId": "cli_xxx", "appSecret": "xxx" },
"operator": { "appId": "cli_xxx", "appSecret": "xxx" },
"manager": { "appId": "cli_xxx", "appSecret": "xxx" }
}
}
}

2. bindings - 绑定到不同账号

"bindings": [
{ "agentId": "manager", "match": { "channel": "feishu", "accountId":
"manager" } },
{ "agentId": "operator", "match": { "channel": "feishu", "accountId":
"operator" } },
{ "agentId": "ananlyst", "match": { "channel": "feishu", "accountId":
"ananlyst" } }
]

附录2中有我现在的配置，可以看到区别。

如果配置成功了之后会如下图所示，之前的@都不起作用，配置完之后就可以通过@来聊天了。

配置交互能力

现在虽然可以@了，但是龙虾们彼此都不认识。现在就是要让他们认识，理解他们之间的组织架构。

这时候就需要配置他们之间的通讯录了。其中最主要的就是用sessions_send来互相调用。

总结如下:

智能体互相调用配置

1. 全局配置 - tools

"tools": {
"sessions": {
"visibility": "all"
},
"agentToAgent": {
"enabled": true,
"allow": ["manager", "operator", "ananlyst"]
}
}

2.每个智能体的subagents配置

{
"id": "manager",
"subagents": {
"allowAgents": ["operator", "ananlyst"]
},
"tools": {
"allow": [
"sessions_spawn",
"sessions_send",
"sessions_list",
"sessions_history",
"session_status"
]
}
}

关键点：

• tools.sessions.visibility = “all” - 让智能体能列出会话

• tools.agentToAgent.enabled = true - 启用互相调用

• tools.agentToAgent.allow - 允许哪些智能体之间调用

• 每个智能体的 subagents.allowAgents - 允许调用哪些智能体

• 每个智能体的 tools.allow - 需要包含 sessions 系列工具

配置完之后

现在就能够互相调用了。

另外还需要配置他们之间的通讯录，也就是告诉他们要去哪儿找对应的agent和功能，例如

Calling Other Agents

You can delegate tasks to other agents in the team:

• **manager (统筹大师)**: agentId = “manager” - Good for coordination and planning

• **ananlyst (数分大师)**: agentId = “ananlyst” - Good for data analysis and research

How to Call Another Agent

When you need help from another agent, use the **sessions_send** tool:

**Step 1: Find their session key**

Use sessions\_list to see available sessions:

sessions_list({ kinds: [“group”, “dm”], limit: 10 })

Look for sessions starting with agent:manager: or agent:ananlyst:.

**Step 2: Send message**

Use sessions\_send to send a message:

sessions_send({ sessionKey: “agent:ananlyst:feishu:group:xxx”, message: “帮我分析这个数据” })

龙虾军团启动

现在初步的协作功能已经配置完了，剩下的就是做每个员工的配置了，这一步需要精细打磨，主要是配置以下几个md文档每个智能体是独立的，有自己的：

workspace- 工作区（文件、记忆）

agentDir- 智能体目录（配置、凭证）

tools- 不同工具权限

AGENTS.md / SOUL.md / USER.md- 角色定义

⏺配置不同角色和记忆每个智能体的工作区都有这些文件：

│ 文件 │ 作用 │

│SOUL.md│ 人格/灵魂定义 │

│AGENTS.md│ 行为规范 │

│USER.md│ 用户信息 │

│IDENTITY.md│ 身份定义 │

│MEMORY.md│ 长期记忆（需创建） │

---

配置方式

1.角色定义-修改SOUL.md

每个智能体有不同的性格和角色定位

2.功能配置-修改tools

在 agents.list 中给每个智能体不同的 tools.allow

3.记忆配置

短期：会话历史自动保存

长期：创建 MEMORY.md 文件

---

截止到目前，~/.openclaw/openclaw.json内容为

{
"meta": {
"lastTouchedVersion": "2026.3.2",
"lastTouchedAt": "2026-03-03T13:44:16.521Z"
},
"wizard": {
"lastRunAt": "2026-03-03T13:44:16.514Z",
"lastRunVersion": "2026.3.2",
"lastRunCommand": "doctor",
"lastRunMode": "local"
},
"auth": {
"profiles": {
"minimax-cn:default": {
"provider": "minimax-cn",
"mode": "api_key"
}
}
},
"models": {
"mode": "merge",
"providers": {
"minimax": {
"baseUrl": "https://api.minimaxi.com/v1",
"apiKey": "sk-xxx",
"api": "openai-completions",
"models": [
{
"id": "MiniMax-M2.5",
"name": "MiniMax M2.5",
"cost": {
"input": 0.001,
"output": 0.004
},
"contextWindow": 200000
}
]
},
"minimax-cn": {
"baseUrl": "https://api.minimaxi.com/anthropic",
"api": "anthropic-messages",
"authHeader": true,
"models": [
{
"id": "MiniMax-M2.5",
"name": "MiniMax M2.5",
"reasoning": true,
"input": [
"text"
],
"cost": {
"input": 0.3,
"output": 1.2,
"cacheRead": 0.03,
"cacheWrite": 0.12
},
"contextWindow": 200000,
"maxTokens": 8192
}
]
}
}
},
"agents": {
"defaults": {
"model": {
"primary": "minimax-cn/MiniMax-M2.5"
},
"models": {
"minimax/MiniMax-M2.5": {
"alias": "MiniMax"
},
"minimax-cn/MiniMax-M2.5": {
"alias": "Minimax"
}
},
"workspace": "~/xxx/workspace",
"compaction": {
"mode": "safeguard"
},
"maxConcurrent": 4,
"subagents": {
"maxConcurrent": 8
}
},
"list": [
{
"id": "manager",
"name": "manager-统筹大师",
"workspace": "~/xxx/workspace-manager",
"agentDir": "~/xxx/agents/manager/agent",
"model": "minimax-cn/MiniMax-M2.5",
"groupChat": {
"mentionPatterns": [
"manager",
"@manager",
"统筹大师",
"@统筹大师"
]
},
"subagents": {
"allowAgents": [
"operator",
"ananlyst"
]
},
"tools": {
"allow": [
"sessions_spawn",
"sessions_send",
"sessions_list",
"sessions_history",
"session_status",
"subagents"
]
}
},
{
"id": "operator",
"name": "operator-运营大师",
"workspace": "~/xxx/workspace-operator",
"agentDir": "~/xxx/agents/operator/agent",
"groupChat": {
"mentionPatterns": [
"operator",
"@operator",
"运营大师",
"@运营大师"
]
},
"subagents": {
"allowAgents": [
"manager",
"ananlyst"
]
},
"tools": {
"allow": [
"sessions_spawn",
"sessions_send",
"sessions_list",
"sessions_history",
"session_status",
"subagents"
]
}
},
{
"id": "ananlyst",
"name": "ananlyst-数分大师",
"workspace": "~/xxx/workspace-ananlyst",
"agentDir": "~/xxx/agents/ananlyst/agent",
"model": "minimax-cn/MiniMax-M2.5",
"groupChat": {
"mentionPatterns": [
"ananlyst",
"@ananlyst",
"数分大师",
"@数分大师"
]
},
"subagents": {
"allowAgents": [
"manager",
"operator"
]
},
"tools": {
"allow": [
"sessions_spawn",
"sessions_send",
"sessions_list",
"sessions_history",
"session_status",
"subagents"
]
}
}
]
},
"tools": {
"profile": "messaging",
"sessions": {
"visibility": "all"
},
"agentToAgent": {
"enabled": true,
"allow": [
"manager",
"operator",
"ananlyst"
]
}
},
"bindings": [
{
"agentId": "manager",
"match": {
"channel": "feishu",
"accountId": "manager"
}
},
{
"agentId": "operator",
"match": {
"channel": "feishu",
"accountId": "operator"
}
},
{
"agentId": "ananlyst",
"match": {
"channel": "feishu",
"accountId": "ananlyst"
}
}
],
"messages": {
"ackReactionScope": "group-mentions"
},
"commands": {
"native": "auto",
"nativeSkills": "auto",
"restart": true,
"ownerDisplay": "raw"
},
"session": {
"dmScope": "per-channel-peer"
},
"hooks": {
"internal": {
"enabled": true,
"entries": {
"boot-md": {
"enabled": true
},
"bootstrap-extra-files": {
"enabled": true
},
"command-logger": {
"enabled": true
},
"session-memory": {
"enabled": true
}
}
}
},
"channels": {
"feishu": {
"enabled": true,
"connectionMode": "websocket",
"domain": "feishu",
"defaultAccount": "ananlyst",
"accounts": {
"ananlyst": {
"appId": "cli_xxx",
"appSecret": "xxx"
},
"operator": {
"appId": "cli_xxx",
"appSecret": "xxx"
},
"manager": {
"appId": "cli_xxx",
"appSecret": "xxx"
},
"default": {
"groupPolicy": "open",
"dmPolicy": "open",
"allowFrom": [
"*"
]
}
}
}
},
"gateway": {
"port": 18789,
"mode": "local",
"bind": "loopback",
"auth": {
"mode": "token",
"token": "xxx"
},
"tailscale": {
"mode": "off",
"resetOnExit": false
}
},
"skills": {
"install": {
"nodeManager": "npm"
}
},
"plugins": {
"entries": {
"feishu": {
"enabled": true
}
},
"installs": {
"feishu": {
"source": "npm",
"spec": "@openclaw/feishu",
"installPath": "~/xxx/extensions/feishu",
"version": "2026.3.2",
"resolvedName": "@openclaw/feishu",
"resolvedVersion": "2026.3.2",
"resolvedSpec": "@openclaw/feishu@2026.3.2"
}
}
}
}

附录1

OpenClaw 配置文件说明

概述

本文档说明~/.openclaw/openclaw.json配置文件的各部分含义。

---

配置结构

1. meta - 元信息
   =============

记录配置文件的版本和最后修改时间。

字段	类型	说明
lastTouchedVersion	string	最后修改时使用的版本
lastTouchedAt	string	最后修改时间 (ISO 8601)

2. wizard - 向导信息
   ================

记录新手引导 (onboard) 的运行信息。

字段	类型	说明
lastRunAt	string	最后运行时间
lastRunVersion	string	运行时的版本
lastRunCommand	string	运行过的命令 (如 onboard)
lastRunMode	string	运行模式 (local/remote)

3. auth - 认证配置
   ==============

定义外部服务的认证配置。

字段	类型	说明
profiles	object	认证配置集合
provider	string	认证提供商
mode	string	认证模式 (如 api_key)

4. models - 模型配置
   ================

配置 AI 模型提供商和模型参数。

“models”: {“mode”:“merge”,“providers”: {“minimax”: {…},“minimax-cn”: {…} }}

字段	类型	说明
mode	string	模型模式 (merge 表示合并多个提供商)
providers	object	模型提供商集合

模型提供商

minimax (国际版)

字段	说明
baseUrl	API 端点 (https://api.minimaxi.com/v1)
api	API 类型 (openai-completions)
models	模型列表

minimax-cn (中国区)

字段	说明
baseUrl	API 端点 (https://api.minimaxi.com/anthropic)
api	API 类型 (anthropic-messages)
authHeader	是否使用认证头

模型参数

字段	类型	说明
id	string	模型 ID
name	string	模型名称
reasoning	boolean	是否支持推理
input	array	输入类型
cost.input	number	输入价格 (每千 tokens)
cost.output	number	输出价格 (每千 tokens)
cost.cacheRead	number	缓存读取价格
cost.cacheWrite	number	缓存写入价格
contextWindow	number	上下文窗口大小
maxTokens	number	最大输出 tokens

5. agents - 智能体配置
   =================

配置智能体默认参数和智能体列表。

“agents”: {“defaults”: {…},“list”: […]}

默认配置 (defaults)

字段	说明
model.primary	默认使用的模型
models	模型别名配置
workspace	默认工作区路径
compaction.mode	压缩模式 (safeguard)
maxConcurrent	最大并发数
subagents.maxConcurrent	子智能体最大并发数

智能体列表 (list)

ID	名称	说明
main	-	主智能体
manager	统筹大师	负责统筹管理的智能体
operator	运营大师	负责运营的智能体
ananlyst	数分大师	负责数据分析的智能体

每个智能体可配置：

workspace: 工作区路径

agentDir: 智能体代码目录

model: 使用的模型

6. channels - 渠道配置
   ==================

配置消息渠道，目前支持飞书。

字段	说明
enabled	是否启用
appId	飞书应用 ID
appSecret	飞书应用密钥
connectionMode	连接模式 (websocket)
domain	域名
groupPolicy	群组策略 (open/closed)
dmPolicy	私信策略 (open/closed)
allowFrom	允许的消息来源 (* 表示全部)

7. gateway - 网关配置
   =================

配置 Gateway 网关服务。

字段	说明
port	服务端口 (18789)
mode	运行模式 (local/remote)
bind	绑定地址 (loopback/0.0.0.0)
auth.mode	认证模式 (token)
auth.token	访问令牌
tailscale.mode	Tailscale 模式 (off/on)
tailscale.resetOnExit	退出时重置 Tailscale

8. hooks - 钩子配置
   ===============

配置内部钩子功能。

钩子名称	说明
boot-md	启动 Markdown 支持
bootstrap-extra-files	引导额外文件加载
command-logger	命令日志记录
session-memory	会话记忆功能

9. 其他配置
   =======

配置项	说明
bindings	智能体与渠道的绑定关系
messages.ackReactionScope	消息确认反应范围 (group-mentions)
commands.native	原生命令模式 (auto/manual)
commands.nativeSkills	技能命令模式 (auto/manual)
commands.restart	是否支持重启命令
commands.ownerDisplay	所有者显示方式
session.dmScope	私信范围 (per-channel-peer)
tools.profile	工具配置 (messaging)
skills.install.nodeManager	技能安装工具 (npm)
plugins.entries	已启用插件列表
plugins.installs	已安装插件详情

---

配置示例

更改默认模型

{“agents”: {“defaults”: {“model”: {“primary”:“minimax/MiniMax-M2.5”} } }}

限制飞书消息来源

{“channels”: {“feishu”: {“allowFrom”: [“ou_xxxxxxxx”,“ou_yyyyyyyy”] } }}

开启 Tailscale 远程访问

{“gateway”: {“tailscale”: {“mode”:“on”} }}

---

相关文档

---

---

---

---

---

附录2

OpenClaw 配置文件说明

概述

本文档说明~/.openclaw/openclaw.json配置文件的各部分含义。

---

配置结构

1. meta - 元信息
   =============

记录配置文件的版本和最后修改时间。

字段	类型	说明
lastTouchedVersion	string	最后修改时使用的版本
lastTouchedAt	string	最后修改时间 (ISO 8601)

2. wizard - 向导信息
   ================

记录新手引导 (onboard) 的运行信息。

字段	类型	说明
lastRunAt	string	最后运行时间
lastRunVersion	string	运行时的版本
lastRunCommand	string	运行过的命令 (如 onboard)
lastRunMode	string	运行模式 (local/remote)

3. auth - 认证配置
   ==============

定义外部服务的认证配置。

“auth”: {“profiles”: {“minimax-cn:default”: {“provider”:“minimax-cn”,“mode”:“api_key”} }}

4. models - 模型配置
   ================

配置 AI 模型提供商和模型参数。

“models”: {“mode”:“merge”,“providers”: {“minimax”: {…},“minimax-cn”: {…} }}

字段	类型	说明
mode	string	模型模式 (merge 表示合并多个提供商)
providers	object	模型提供商集合

模型提供商

minimax (国际版)

字段	说明
baseUrl	API 端点 (https://api.minimaxi.com/v1)
api	API 类型 (openai-completions)
apiKey	API 密钥
models	模型列表

minimax-cn (中国区)

字段	说明
baseUrl	API 端点 (https://api.minimaxi.com/anthropic)
api	API 类型 (anthropic-messages)
authHeader	是否使用认证头

模型参数

字段	类型	说明
id	string	模型 ID
name	string	模型名称
reasoning	boolean	是否支持推理
input	array	输入类型
cost.input	number	输入价格 (每千 tokens)
cost.output	number	输出价格 (每千 tokens)
cost.cacheRead	number	缓存读取价格
cost.cacheWrite	number	缓存写入价格
contextWindow	number	上下文窗口大小
maxTokens	number	最大输出 tokens

5. agents - 智能体配置
   =================

配置智能体默认参数和智能体列表。

“agents”: {“defaults”: {…},“list”: […]}

默认配置 (defaults)

字段	说明
model.primary	默认使用的模型
models	模型别名配置
workspace	默认工作区路径
compaction.mode	压缩模式 (safeguard)
maxConcurrent	最大并发数
subagents.maxConcurrent	子智能体最大并发数

智能体列表 (list)

ID	名称	工作区	@触发词
manager	统筹大师	~/.openclaw/workspace-manager	@manager, @统筹大师, 统筹大师
operator	运营大师	~/.openclaw/workspace-operator	@operator, @运营大师, 运营大师
ananlyst	数分大师	~/.openclaw/workspace-ananlyst	@ananlyst, @数分大师, 数分大师

每个智能体可配置：

workspace: 工作区路径

agentDir: 智能体代码目录

model: 使用的模型

groupChat.mentionPatterns: 群组 @触发词列表

6. channels - 渠道配置
   ==================

配置消息渠道，目前支持飞书。

“channels”: {“feishu”: {“enabled”:true,“connectionMode”:“websocket”,“domain”:“feishu”,“groupPolicy”:“open”,“dmPolicy”:“open”,“allowFrom”: [“*”],“defaultAccount”:“ananlyst”,“accounts”: {“ananlyst”: {“appId”:“cli_xxx”,“appSecret”:“xxx”},“operator”: {“appId”:“cli_xxx”,“appSecret”:“xxx”},“manager”: {“appId”:“cli_xxx”,“appSecret”:“xxx”} } }}

字段	说明
enabled	是否启用
connectionMode	连接模式 (websocket)
domain	域名 (feishu/lark)
groupPolicy	群组策略 (open/disabled/allowlist)
dmPolicy	私信策略 (open/pairing/disabled)
allowFrom	允许的消息来源 (* 表示全部)
defaultAccount	默认账号
accounts	多账号配置 (accountId: { appId, appSecret })

7. bindings - 消息路由绑定
   ====================

将智能体绑定到渠道账号。

“bindings”: [ {“agentId”:“manager”,“match”: {“channel”:“feishu”,“accountId”:“manager”} }, {“agentId”:“operator”,“match”: {“channel”:“feishu”,“accountId”:“operator”} }, {“agentId”:“ananlyst”,“match”: {“channel”:“feishu”,“accountId”:“ananlyst”} }]

字段	说明
agentId	智能体 ID
match.channel	渠道类型
match.accountId	渠道账号 ID

8. gateway - 网关配置
   =================

配置 Gateway 网关服务。

字段	说明
port	服务端口 (18789)
mode	运行模式 (local/remote)
bind	绑定地址 (loopback/0.0.0.0)
auth.mode	认证模式 (token)
auth.token	访问令牌
tailscale.mode	Tailscale 模式 (off/on)
tailscale.resetOnExit	退出时重置 Tailscale

9. hooks - 钩子配置
   ===============

配置内部钩子功能。

钩子名称	说明
boot-md	启动 Markdown 支持
bootstrap-extra-files	引导额外文件加载
command-logger	命令日志记录
session-memory	会话记忆功能

10. 其他配置
    ========

配置项	说明
tools.profile	工具配置 (messaging)
messages.ackReactionScope	消息确认反应范围 (group-mentions)
commands.native	原生命令模式 (auto/manual)
commands.nativeSkills	技能命令模式 (auto/manual)
commands.restart	是否支持重启命令
session.dmScope	私信范围 (per-channel-peer)
skills.install.nodeManager	技能安装工具 (npm)
plugins.entries	已启用插件列表
plugins.installs	已安装插件详情

---

配置示例

多智能体飞书多账号配置

{“channels”: {“feishu”: {“enabled”:true,“connectionMode”:“websocket”,“domain”:“feishu”,“groupPolicy”:“open”,“dmPolicy”:“open”,“allowFrom”: [“*”],“defaultAccount”:“ananlyst”,“accounts”: {“ananlyst”: {“appId”:“cli_xxx”,“appSecret”:“xxx”},“operator”: {“appId”:“cli_xxx”,“appSecret”:“xxx”},“manager”: {“appId”:“cli_xxx”,“appSecret”:“xxx”} } } },“bindings”: [ {“agentId”:“manager”,“match”: {“channel”:“feishu”,“accountId”:“manager”} }, {“agentId”:“operator”,“match”: {“channel”:“feishu”,“accountId”:“operator”} }, {“agentId”:“ananlyst”,“match”: {“channel”:“feishu”,“accountId”:“ananlyst”} } ]}

群组需要 @提及才回复

{“channels”: {“feishu”: {“groupPolicy”:“open”,“groups”: {“*”: {“requireMention”:true} } } }}

开启 Tailscale 远程访问

{“gateway”: {“tailscale”: {“mode”:“on”} }}

---

01

什么是AI大模型应用开发工程师？

如果说AI大模型是蕴藏着巨大能量的“后台超级能力”，那么AI大模型应用开发工程师就是将这种能量转化为实用工具的执行者。

AI大模型应用开发工程师是基于AI大模型，设计开发落地业务的应用工程师。

这个职业的核心价值，在于打破技术与用户之间的壁垒，把普通人难以理解的算法逻辑、模型参数，转化为人人都能轻松操作的产品形态。

无论是日常写作时用到的AI文案生成器、修图软件里的智能美化功能，还是办公场景中的自动记账工具、会议记录用的语音转文字APP，这些看似简单的应用背后，都是应用开发工程师在默默搭建技术与需求之间的桥梁。

他们不追求创造全新的大模型，而是专注于让已有的大模型“听懂”业务需求，“学会”解决具体问题，最终形成可落地、可使用的产品。

CSDN粉丝独家福利

给大家整理了一份AI大模型全套学习资料，这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

02

AI大模型应用开发工程师的核心职责

需求分析与拆解是工作的起点，也是确保开发不偏离方向的关键。

应用开发工程师需要直接对接业务方，深入理解其核心诉求——不仅要明确“要做什么”，更要厘清“为什么要做”以及“做到什么程度算合格”。

在此基础上，他们会将模糊的业务需求拆解为具体的技术任务，明确每个环节的执行标准，并评估技术实现的可行性，同时定义清晰的核心指标，为后续开发、测试提供依据。

这一步就像建筑前的图纸设计，若出现偏差，后续所有工作都可能白费。

技术选型与适配是衔接需求与开发的核心环节。

工程师需要根据业务场景的特点，选择合适的基础大模型、开发框架和工具——不同的业务对模型的响应速度、精度、成本要求不同，选型的合理性直接影响最终产品的表现。

同时，他们还要对行业相关数据进行预处理，通过提示词工程优化模型输出，或在必要时进行轻量化微调，让基础模型更好地适配具体业务。

此外，设计合理的上下文管理规则确保模型理解连贯需求，建立敏感信息过滤机制保障数据安全，也是这一环节的重要内容。

应用开发与对接则是将方案转化为产品的实操阶段。

工程师会利用选定的开发框架构建应用的核心功能，同时联动各类外部系统——比如将AI模型与企业现有的客户管理系统、数据存储系统打通，确保数据流转顺畅。

在这一过程中，他们还需要配合设计团队打磨前端交互界面，让技术功能以简洁易懂的方式呈现给用户，实现从技术方案到产品形态的转化。

测试与优化是保障产品质量的关键步骤。

工程师会开展全面的功能测试，找出并修复开发过程中出现的漏洞，同时针对模型的响应速度、稳定性等性能指标进行优化。

安全合规性也是测试的重点，需要确保应用符合数据保护、隐私安全等相关规定。

此外，他们还会收集用户反馈，通过调整模型参数、优化提示词等方式持续提升产品体验，让应用更贴合用户实际使用需求。

部署运维与迭代则贯穿产品的整个生命周期。

工程师会通过云服务器或私有服务器将应用部署上线，并实时监控运行状态，及时处理突发故障，确保应用稳定运行。

随着业务需求的变化，他们还需要对应用功能进行迭代更新，同时编写完善的开发文档和使用手册，为后续的维护和交接提供支持。

03

薪资情况与职业价值

市场对这一职业的高度认可，直接体现在薪资待遇上。

据猎聘最新在招岗位数据显示，AI大模型应用开发工程师的月薪最高可达60k。

在AI技术加速落地的当下，这种“技术+业务”的复合型能力尤为稀缺，让该职业成为当下极具吸引力的就业选择。

AI大模型应用开发工程师是AI技术落地的关键桥梁。

他们用专业能力将抽象的技术转化为具体的产品，让大模型的价值真正渗透到各行各业。

随着AI场景化应用的不断深化，这一职业的重要性将更加凸显，也必将吸引更多人才投身其中，推动AI技术更好地服务于社会发展。

CSDN粉丝独家福利

给大家整理了一份AI大模型全套学习资料，这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】