OpenClaw 一人公司团队搭建实战手册-夜雨聆风

OpenClaw 一人公司团队搭建实战手册

一个人就是一支队伍。但光靠自己不够——你需要一支AI团队，而且是一支知道怎么配合的团队。

为什么一人公司需要AI团队？

一人公司（Solopreneur）的痛点是：什么都会，什么都不精。你可能是优秀的开发者、能写文案、懂运营，但你不可能同时坐在三台电脑前。

过去一个月，我在用 OpenClaw 这个AI Agent框架搭建自己的”虚拟团队”。经过密集迭代，这套体系已经能半自动从调研、到写稿、到公众号发布的完整链路。

这篇文章全部源自实际配置——代码片段、配置文件、踩坑记录，都是从本机直接提取的。

一、架构总览：指挥官模式

传统AI助理是一个人干活，你要什么它给什么。但一人公司需要的不是助理，是一个能调兵遣将的总指挥。

我的团队配置如下（从 openclaw.json 直接提取）：

{
  "agents": {
    "list": [
      { "id": "main",      "tools": "full" },
      { "id": "DevEngineer","tools": "coding", "workspace": "workspace-DevEngineer" },
      { "id": "CMO",       "tools": "full",    "workspace": "workspace-CMO" },
      { "id": "Editor",    "tools": "full",    "workspace": "workspace-Editor" },
      { "id": "COO",       "tools": "full",    "workspace": "workspace-COO" },
      { "id": "Auditor",   "tools": "full",    "workspace": "workspace-Auditor" }
    ]
  }
}

架构图解：

main 是唯一对话入口。 用户只跟main说话。main 通过 sessions_spawn 派子Agent干活，用 sessions_yield 等它们完成，然后汇总结果反馈。

子Agent有独立的工作空间，每个都有专属目录（workspace-CMO/、workspace-Editor/ 等），互不干扰。

main 的子Agent白名单

main 只能 spawn 配置中允许的子Agent：

{
  "id": "main",
  "subagents": {
    "allowAgents": [
      "DevEngineer", "CMO", "Editor", "COO", "Auditor"
    ]
  }
}

每个Agent有自己的 tools profile——DevEngineer 用 coding 模式（只有开发工具），其他用 full。

二、WeChat 对接：从AI到微信消息

这是我这套体系里最关键的通道——OpenClaw 通过 openclaw-weixin 插件直连微信，AI团队的所有输出都能直接推到你的手机。

微信通道配置

在 openclaw.json 中：

{
  "channels": {
    "openclaw-weixin": {
      "enabled": true
    },
    "chrome-openclaw-sider": {
      "enabled": true
    }
  },
  "plugins": {
    "allow": ["openclaw-weixin", "chrome-openclaw-sider", "deepseek", "pcmgr-ai-security", "memory-core"]
  }
}

微信是双向通道——用户在微信里发消息给机器人，AI 直接回复到微信对话。不需要中间人。

消息投递工作流

OpenClaw 支持三种消息模式：

自动回复：微信对话的消息直接路由到 AI 会话，AI 的回答自动返回微信
Cron announce：定时任务直接投递到微信聊天窗口
Message tool：通过 message 工具主动发送，支持文字、图片、文件

发布工具的微信对接

微信公众号文章发布使用 wechat-article-publisher 技能，配置文件（敏感字段已脱敏）：

{
  "wechat": {
    "app_id": "wxdc594447ecc917ff",
    "author": "科创工坊"
  }
}

发布流程涉及两个关键步骤：
1. 图片上传CDN：tools/inline_upload.py 调用微信 media/uploadimg 接口，图片变成 mmbiz.qpic.cn 域名链接
2. 创建草稿：publish_wechat.py --original 调用微信草稿API，声明原创

⚠️ 需要微信API IP白名单——每次网络IP变化都要到公众号后台加白。

文件 vs 文字的选择（踩坑经验）

微信通道不支持投递文件。如果你试图通过 message 工具 + media 参数发文件，系统会显示已投递，但用户收不到。

对策：只发文字摘要，文件存本地 shared/ 目录。

三、OpenClaw 核心能力拆解

1. 子Agent（Subagent）机制——原生多智能体协作

OpenClaw 不需要你手动管理多个对话窗口。sessions_spawn 派生子Agent，sessions_yield 等待完成，main 做胶水层整合。

子Agent默认有60分钟存档超时，main 最多同时调度8个并发子任务：

{
  "agents": {
    "defaults": {
      "maxConcurrent": 4,
      "subagents": {
        "maxConcurrent": 8,
        "archiveAfterMinutes": 60
      }
    }
  }
}

2. 模型配置——便宜又好用

核心模型是 DeepSeek V4 Flash，成本极低：

模型	输入价格	输出价格	缓存读取	上下文窗口
DeepSeek V4 Flash	¥0.14/M tokens	¥0.28/M tokens	¥0.028/M	100万tokens
DeepSeek V4 Pro	¥1.74/M tokens	¥3.48/M tokens	¥0.145/M	100万tokens
DeepSeek Chat	¥0.28/M tokens	¥0.42/M tokens	¥0.028/M	13万tokens
DeepSeek Reasoner	¥0.28/M tokens	¥0.42/M tokens	¥0.028/M	13万tokens

Flash 模型的输入价格仅为 ¥0.14每百万tokens，输出 ¥0.28。一次完整的自媒体工作流（调研→写稿→审稿→发布）大约消耗30-50万tokens，成本不到一毛钱。Pro 模型贵12倍，一般来说 Flash 已经够用。

配置方式：

{
  "models": {
    "providers": {
      "deepseek": {
        "baseUrl": "https://api.deepseek.com",
        "api": "openai-completions"
      }
    }
  },
  "auth": {
    "profiles": {
      "deepseek:default": {
        "provider": "deepseek",
        "mode": "api_key"
      }
    }
  }
}

Flash 模型还支持 reasoning（推理思考）——虽然不如 Pro/R1 深度，但写文案、审稿、调研这些任务上体验相当好。

3. 持久记忆系统——不让AI失忆

OpenClaw 有三层记忆架构：

HOT RAM（短期工作记忆）
  └── SESSION-STATE.md —— 当前活跃任务、待办事项
       ↑ WAL协议：先写后答，防止丢失

WARM STORE（语义搜索）
  └── memory_search 自动检索相关上下文

COLD STORE（长期记忆）
  └── MEMORY.md —— 提炼的决策、偏好、教训
  └── memory/YYYY-MM-DD.md —— 每日原始日志
  └── self-improving/ —— 执行质量持续优化

还有 WAL协议（Write-Ahead Log）：每次交互前先写文件再回复，确保记忆不会因为崩溃或压缩丢失。

触发场景              → 动作
用户表达偏好          → 先写SESSION-STATE → 再回复
用户做决策            → 先写SESSION-STATE → 再回复
用户纠正你            → 写SESSION-STATE + self-improving → 再回复
重要事实/上下文        → 写SESSION-STATE + memory/日期.md → 继续

4. Cron 定时任务

支持创建 cron job 在指定时间自动执行。我用的配置：

CMO调研：每天07:30触发，搜索全网AI资讯 → 存文件 → 文字摘要推微信
最大并发：8个（防止多个cron同时跑把模型打满）

Cron 支持 announce 模式直接投递到微信，也支持 isolated 模式开独立会话跑任务。

⚠️ 注意：DeepSeek 模型首次调用有时较慢（15-30秒），cron timeout 建议设高。如果超时，可以用主会话 sessions_spawn 派子Agent重跑。

5. 安全意识——安全插件堆叠

OpenClaw 装了两个安全插件：

moltguard（OpenGuardRails）：针对 prompt injection、数据外泄、恶意命令的防护
pcmgr-ai-security（电脑管家AI安全）：国产安全插件，配置如下：

{
  "pcmgr-ai-security": {
    "enablePromptSecurity": true,
    "enablePromptAudit": true,
    "enableSkillAudit": true,
    "enableScriptAudit": true,
    "timeoutMs": 15000,
    "enableSandbox": false,
    "softid": 1
  }
}

一人公司不用担心安全——写代码、调API、发文章都在本地，安全插件四重审计（prompt + 技能 + 脚本 + 输出）。

四、实战：每天的自媒体工作流（真实迭代版）

这是每天在跑的核心流程。经历过三次大迭代，现在是终版。

标准流程（6步）

第一步：CMO 调研

Cron 创建命令（简化）：

openclaw cron add \
  --name "cmo-daily-research" \
  --schedule '{"kind":"cron","expr":"30 7 * * *","tz":"Asia/Shanghai"}' \
  --agent "CMO" \
  --payload '{"kind":"agentTurn","message":"搜索今日AI资讯热点..."}' \
  --delivery '{"mode":"announce","channel":"openclaw-weixin"}'

产出：
– 每条资讯存为 shared/{日期}-news/{序号}-{标题}.md
– 微信推送一条文字摘要

第二步：用户挑选

用户回复：”写第2、5、7条”

第三步：Editor 写稿

Editor 子Agent派出后：
1. 读 shared/wechat-rules-for-editor.md 规范
2. 直接写公众号格式文章（含 frontmatter title:）
3. 用 tools/gen_svg_covers.py 或 tools/svg_to_png.py 生成封面图+配图
4. 输出到 shared/{日期}-drafts/{序号}-{标题}.md

第四步：Auditor 审稿

Auditor 对照 wechat-rules 逐项审查：
– 标题规范（有无emoji、markdown符号、长度≤64字符）
– 敏感词红线（政治、色情、极限词如”最””第一””顶级”）
– 工具描述是否客观
– 图片引用是否完整
– 输出：通过/需修正/不通过 + 问题清单

第五步：用户确认

确认通过 → 继续。要求修正 → 改完回到第四步再审。

第六步：Editor 发布（wechat-mp-suite 一条龙）

# 1. 图片上传微信CDN
$env:PYTHONIOENCODING='utf-8'
python tools/inline_upload.py --article shared/日期-drafts/序号-标题.md

# 2. 创建草稿（含原创声明）
python skills/wechat-article-publisher/scripts/publish_wechat.py \
  shared/日期-drafts/序号-标题.md \
  --template editor --original

整个链路从选题到草稿完成约15-20分钟。

知乎发布工具链（备用）

python tools/publish_zhihu.py

通过 Playwright 浏览器自动化 + QR码扫码登录。浏览器上下文保存在 .zhihu_context/ 目录，一次扫码管一段时间。

五、配置全景

以下是从本机 openclaw.json 提取的完整非敏感配置，可直接参考搭建。

Gateway 端口与网络

{
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "loopback",
    "auth": { "mode": "token" },
    "tailscale": { "mode": "off" },
    "controlUi": { "allowInsecureAuth": true },
    "nodes": {
      "denyCommands": [
        "camera.snap", "camera.clip", "screen.record",
        "contacts.add", "calendar.add", "reminders.add",
        "sms.send", "sms.search"
      ]
    }
  }
}

监听本地 18789 端口
loopback 绑定（不暴露到网络）
tailscale 关闭
Web控制台在 http://localhost:18789
节点安全：摄像头、屏幕录制、通讯录、短信等敏感操作默认禁用

会话与消息

{
  "session": { "dmScope": "per-channel-peer" },
  "messages": { "ackReactionScope": "group-mentions" }
}

每个微信用户有独立会话，消息确认反应仅在群聊@时显示。

内部钩子

{
  "hooks": {
    "internal": {
      "entries": {
        "boot-md": true,
        "bootstrap-extra-files": true,
        "command-logger": true,
        "compaction-notifier": true,
        "session-memory": true
      }
    }
  }
}

每次启动加载 AGENTS.md 等启动文件，命令日志、压缩通知、会话记忆都默认开启。

技能生态

已安装的技能列表（仅启用了关键技能）：

技能	启用	用途
moltguard	✅	安全防护（prompt注入检测）
wechat-article-publisher	✅	微信公众号发布
zhihu-publisher	✅	知乎文章发布
opencli-skill	✅	浏览器CLI工具集
context-optimizer	✅	上下文窗口优化
self-improving	✅	持续学习进化
pyzhihu-cli	✅	知乎命令行操作
agent-team-orchestration	✅	多Agent编排
automation-workflows	✅	自动化工作流
bb-browser-openclaw	✅	浏览器自动化

未启用的技能有30多个，包括 Discord、slack、Spotify、TTS、Obsidian 等——都是按需开启的。

六、避坑指南（真金白银换来的）

坑	根因	对策
多轮格式转换	先写通稿再改公众号格式	Editor 一步到位直接写公众号格式
base64图片不显示	微信API不支持base64	inline_upload.py 上传CDN，替换为 mmbiz.qpic.cn
IP白名单	微信API需要白名单	每次IP变更后加入公众号后台
freepublish 权限不足	普通公众号无此权限	创建草稿即可，手动发布
标题含特殊符号	自动把emoji带入title字段	用 frontmatter title: 设置纯文字标题
未声明原创	发布脚本缺参数	加 `--original`
Windows终端emoji报错	GBK编码不支持emoji	设 `$env:PYTHONIOENCODING='utf-8'`
微信文件投递失败	media参数发文件静默丢失	只发文字摘要
cron孤立会话超时	DeepSeek响应慢时300s不够	耗时任务用主会话 spawn 子Agent
内存索引过期	切换模型导致向量索引不匹配	`openclaw memory index --force` 重建

七、如何搭建（手把手教程）

环境要求

Node.js v18+（推荐 v24）
npm 全局安装
操作系统：Windows/Mac/Linux 都支持
需要：DeepSeek API Key（或其他兼容OpenAI的模型）

Step 1：安装

npm install -g openclaw
openclaw doctor      # 环境检查
openclaw wizard      # 初始化配置

Step 2：配置模型

{
  "models": {
    "providers": {
      "deepseek": {
        "baseUrl": "https://api.deepseek.com",
        "api": "openai-completions"
      }
    }
  }
}

用 openclaw auth add 设置 API Key（不会明文暴露）。

Step 3：配置子Agent

在 agents.list 中添加各角色，为每个子Agent分配独立 workspace 目录。

Step 4：安装微信通道

openclaw channel enable openclaw-weixin

微信通道需要企业微信机器人或个人微信挂载方案（具体参考 OpenClaw 官方文档）。

Step 5：安装技能

openclaw skill install wechat-article-publisher
openclaw skill install zhihu-publisher
# 或使用 cocoloop 管理工具

Step 6：编写 AGENTS.md

定义指挥官模式的工作流程。核心内容：
– main 角色定义（拆解、调度、整合）
– 各子Agent职责边界
– sessions_spawn 和 sessions_yield 使用规则
– 汇报规范（子Agent输出要加工，不原样转发）

Step 7：先跑一个小闭环

不要一上来就搭完整体系。先跑通一个小场景：
1. 写一篇公众号文章 → 审稿 → 发布
2. 验证整个链路
3. 再逐步加入调研、定时任务

Step 8：持续迭代

每次踩坑都记录到 MEMORY.md。AI团队用得越久，犯错就越少。 这个文件本身就是最好的例证。

八、我装了哪些工具（完整清单）

tools/
├── inline_upload.py       # 图片上传微信CDN
├── analyze_img.py         # 图片分析
├── analyze_img2.py
├── analyze_img3.py
├── gen_svg_covers.py      # SVG封面图生成
├── svg_to_png.py          # SVG转PNG
├── rebuild_wechat.py      # 重建微信文章
├── publish_zhihu.py       # 知乎发布
├── zhihu_*.py             # 知乎发布工具全家桶
│   (check_publish, check_status, check_update,
│    column_publish, column_check, http_check,
│    inspect_editor, inspect_upload, inspect,
│    publish_buttons, quick_check, test_publish, verify)

shared/
├── wechat-rules-for-editor.md   # 公众号内容规范
├── zhihu-rules-for-editor.md    # 知乎内容规范
├── .env                         # 环境变量（APPID等）
├── {日期}-news/                 # CMO调研产出
├── {日期}-drafts/               # Editor写稿产出
└── env_template.txt             # 环境变量模板

.zhihu_context/                  # 知乎扫码登录缓存

九、结语

一人公司不是真的只有一个人。它是一个人加上一支能配合的AI团队。

用 OpenClaw 一个月后，我的真实感受是：最难的不是让AI做事，是让AI学会配合。

指挥官模式解决了这个问题：
– main 做决策，不亲自干活
– 子Agent各司其职，不越界
– 记忆系统保证连续性
– 踩坑记录让团队越来越强

我现在的日工作流是：
1. 07:30 醒来刷手机 → CMO调研已在微信
2. 挑2-3篇想写的 → 回复给机器人
3. 15分钟后 → 公众号草稿创建完成
4. 看一眼审稿报告 → 确认发布

耗时：大约5分钟。AI团队花了另外15-20分钟。

最后送你这句话：

你的AI团队不会替你吃饭，但会替你干活。把饭留给自己，把活交给AI。