夜雨聆风老王端着茶杯慢悠悠地走过来：“之前那篇从 OpenClaw 卸载切入到面试题的文章，我看反响不错。要不要再整一篇深度点的？飞书多应用接入、多 Agent 路由、Gateway 架构这些，都是面试官爱问的点。”
我说：“正有此意。上一篇文章刚发出去一个小时，阅读就冲到了 7000 多，点赞转发也很猛，说明大家对这种面试题拆解是真的有需求。”
上一篇在这里，没看过的小伙伴可以先补一眼：
https://mp.weixin.qq.com/s/z02mZYqn3Wv-euhhPIBYGQ
我说：“这次咱们从飞书多应用接入、dmPolicy 策略、Gateway 网关架构、消息排查实战，还有最新版本特性这几个层面，把 OpenClaw 扒个底朝天。”
老王笑了：“我就喜欢你这股子钻研劲儿。开始吧。”
01、飞书多应用接入
老王没让我铺垫太久，直接追问：“为什么要一个飞书应用跑一个 Agent？”
我说：“因为隔离。企业场景里最怕的不是配不起来，而是权限、路由、审计和故障域全搅在一起。一个 Agent 对应一个飞书应用，边界才清楚。”
多应用配置的核心逻辑
OpenClaw 的飞书插件支持多应用配置，核心在于defaultAccount字段。当你在openclaw.json里配置了多个飞书应用时，必须指定一个默认应用：
{
"channels": {
"feishu": {
"defaultAccount": "app1",
"accounts": [
{
"appId": "cli_xxx1",
"appSecret": "xxx",
"encryptKey": "xxx",
"verificationToken": "xxx"
},
{
"appId": "cli_xxx2",
"appSecret": "xxx",
"encryptKey": "xxx",
"verificationToken": "xxx"
}
]
}
}
}
老王打断我：“等会儿，这个defaultAccount到底起什么作用？”
我说：“当 Gateway 收到一条消息时，如果无法通过 bindings 规则匹配到特定 Agent，就会用 defaultAccount 指定的应用来响应。它是兜底策略。”
配对策略：让机器人认识你是谁
老王继续追问：“配对我知道。我想听的不是名词解释，而是它在企业场景里到底解决什么问题？”
我说：“配对是 OpenClaw 的一个安全机制。默认情况下，机器人不会响应任何消息，除非你主动完成配对。”
配对的方式有两种：
第一种，私聊配对。你在飞书里搜机器人，发一条私聊消息，机器人会回复一个配对码。把这个配对码告诉OpenClaw，你们就建立了一对一关系。
openclaw pairing approve feishu xxx
第二种，群组配对。把机器人拉到群里，@它发送配对指令。机器人会识别群 ID，把这个群加入白名单。
老王问：“为什么要这么麻烦？直接让机器人响应所有消息不行吗？”
我说：“安全第一。你想想，如果机器人对所有人开放，万一有人恶意刷接口，你的 token 分分钟被烧光。配对机制相当于加了一层访问控制。”
企业级部署的最佳实践
如果让我做企业级部署，我会这样规划：
开发环境：一个飞书应用，绑定测试群组 生产环境：一个飞书应用，绑定正式群组 专用 Agent：每个业务场景单独一个应用，比如代码审核 Agent、运维 Agent、客服 Agent
老王点点头：“这样确实清晰。那如果两个应用都加了同一个群，消息会发给谁？”
我说：“这就涉及到路由优先级了。OpenClaw 采用'最具体优先'原则——如果 bindings 里明确指定了群 ID 绑定到某个 Agent，就按 bindings 走；如果没指定，就用 defaultAccount 兜底。但两个应用同时响应同一个群，这种情况要尽量避免，容易乱。”
02、多 Agent 路由机制
老王放下茶杯：“刚才你说到 bindings，这个多 Agent 路由到底是怎么工作的？”
我说：“这里最核心的不是名词，而是组合关系。真正决定多 Agent 路由的，就是 dmPolicy 和 bindings 这两个点。”
dmPolicy：私信访问控制
dmPolicy 全称 Direct Message Policy，控制机器人如何处理私信。有三种策略可选：
{
"dmPolicy": {
"app1": "allow", // 允许所有私信
"app2": "deny", // 拒绝所有私信
"app3": "pairing"// 只允许配对过的用户私信
}
}
老王问：“实际场景中怎么选？”
我说：“看场景。如果是内部工具，用allow最方便；如果是面向外部用户的客服机器人，必须用pairing，防止被滥用；deny一般用于纯群组场景的 Agent。”
bindings：精准路由规则
bindings 是 OpenClaw 多 Agent 路由的核心机制。它定义了消息应该如何分配给不同的 Agent。
{
"bindings": [
{
"agentId": "CodeReview",
"match": {
"channel": "feishu",
"accountId": "cli_xxx1",
"peer": {
"type": "group",
"id": "oc_xxx"
}
}
},
{
"agentId": "DevOps",
"match": {
"channel": "feishu",
"accountId": "cli_xxx2"
}
}
]
}
老王指着配置问：“字段名我认识。你直接说，这几个字段是怎么参与路由匹配和优先级判断的？”
我说：“channel是消息来源，比如 feishu、wecom；accountId是飞书应用的 App ID；peer是发送者信息，type可以是 user 或 group，id是对应的 ID。”
“王哥，注意这个路由规则的优先级——bindings 采用最具体优先原则。如果一条消息同时匹配了两个 bindings，哪个 match 条件更具体，就用哪个。”
举个例子：
Binding A：只指定了 channel=feishu Binding B：指定了 channel=feishu + accountId=cli_xxx Binding C：指定了 channel=feishu + accountId=cli_xxx + peer.id=oc_xxx
如果消息来自 feishu 的 cli_xxx 应用的 oc_xxx 群，会优先匹配 Binding C，因为它最具体。
groupPolicy：群组策略
除了 dmPolicy，还有 groupPolicy 控制群组行为：
{
"groupPolicy": {
"requireMention": true, // 群组中是否需要@机器人
"allowAnonymous": false// 是否允许匿名消息
}
}
老王问：“requireMention 这个我遇到过。有时候群里@机器人它不理我，就是这个配置的问题？”
我说：“对。默认情况下，机器人在群里只响应被@的消息。如果你希望它监听所有消息，把requireMention设为 false。但要注意，这样会增加 token 消耗，也可能带来隐私问题。”
03、Gateway 网关架构解析
老王把茶杯往桌上一放：“配置层面先放一边。Gateway 才是核心，你从底层给我拆。”
Gateway 的核心职责
我说：“Gateway 是 OpenClaw 的'神经中枢'，负责三件事：”
整个链路是这样的：
飞书消息 → Gateway → Agent → 大模型 → Agent → Gateway → 飞书回复
WebSocket 连接与 Token 认证
老王继续追问：“Gateway 和飞书之间到底怎么通信？别只说长连接，把关键链路讲清楚。”
我说：“WebSocket 长连接。飞书开放平台提供了事件订阅机制，Gateway 启动时会向飞书注册一个 WebSocket 连接。之后飞书有消息就会主动推过来。”
认证方式用的是 Token 机制。在openclaw.json里配置的verificationToken和encryptKey，就是用来验证消息来源和解密消息内容的。
{
"gateway": {
"port": 18789,
"auth": "token",
"host": "0.0.0.0"
}
}
老王问：“这个 auth 字段除了 token 还能填什么？”
我说：“目前主要是 token 认证。如果是企业内网部署，还可以配合 IP 白名单、TLS 证书等方式加强安全。”
高可用架构设计
老王继续压问：“如果真上生产，Gateway 单点怎么处理？你别跟我说‘官方以后会支持’。”
我说：“OpenClaw 官方目前没有提供原生高可用方案，Gateway 是单点的。但我们可以通过架构设计来实现高可用：”
方案一：Gateway 集群+负载均衡
部署多个 Gateway 实例，前面挂一个负载均衡器（如 Nginx）。飞书的 WebSocket 连接可以分发到不同实例。
飞书 → 负载均衡器 → Gateway集群（多实例）
方案二：会话状态下沉
把会话状态从本地磁盘迁移到 Redis，这样 Gateway 实例就变成无状态的了。任何一个实例挂掉，其他实例可以接管会话。
{
"memory": {
"storage": "redis",
"redis": {
"host": "localhost",
"port": 6379,
"db": 0
}
}
}
方案三：任务队列化
对于耗时任务，用消息队列（如 RabbitMQ）做缓冲，避免 Gateway 被阻塞。
老王点点头：“这些方案实施起来复杂吗？”
我说：“看团队能力。如果是小团队，建议先用单实例+监控告警；业务量大起来后，再考虑集群方案。不要过早优化。”
会话管理与压缩机制
老王没放过这个细节：“多轮对话的上下文到底落在哪里？Gateway 重启以后为什么还能接上？”
我说：“会话数据默认存在~/.openclaw/workspaces/<agent>/memory/目录下。每次对话会序列化保存，用 session_id 标识。Gateway 重启后可以恢复会话状态。”
但这里有个坑——会话数据会越积越多，尤其是长对话场景。OpenClaw 提供了压缩机制：
{
"memory": {
"compression": true,
"maxHistory": 20, // 保留最近20轮对话
"summarizeThreshold": 10// 超过10轮后自动摘要
}
}
老王问：“自动摘要是什么意思？”
我说：“当对话轮数超过 threshold 时，Agent 会把前面的内容压缩成一段摘要，只保留关键信息。这样可以控制 token 消耗，也能避免上下文窗口溢出。”
上下文窗口管理实战
老王继续追问：“别只讲压缩配置。上下文窗口真要爆了，线上你怎么兜？”
经验一：分层记忆设计
把记忆分成三层：
短期记忆：最近 5 轮对话，完整保留 中期记忆：6-20 轮对话，压缩存储 长期记忆：超过 20 轮，只保留关键摘要
{
"memory": {
"layers": [
{"type": "short", "rounds": 5, "compression": "none"},
{"type": "medium", "rounds": 15, "compression": "light"},
{"type": "long", "compression": "heavy"}
]
}
}
经验二：关键信息提取
在 BOOT.md 里告诉 Agent，哪些信息必须记住，哪些可以丢弃：
## 记忆策略
必须记住的信息：
- 用户身份和偏好
- 当前任务的上下文
- 关键的业务参数
可以丢弃的信息：
- 礼貌用语
- 重复确认的内容
- 临时性的中间结果
经验三：定期清理机制
设置定时任务，自动清理过期的会话数据：
# 清理7天前的会话
openclaw memory cleanup --before 7d
# 清理特定Agent的会话
openclaw memory cleanup --agent CodeReview --before 3d
老王听完感慨：“这些细节官方文档可不会写，都是踩坑踩出来的。”
Gateway 的生命周期管理
老王继续压问：“别只讲命令。Gateway 的启动、停止、重启，底层生命周期你给我拆开说。”
老王问：“如果 Gateway 崩溃了，会话会丢吗？”
我说：“看配置。如果开启了持久化，会话数据会定期写入磁盘，崩溃后可以恢复。但正在处理中的任务可能会中断。”
优雅关闭与信号处理
我接着说：“如果面试官继续追到优雅关闭，这几个点一定要答出来：”
停止接收新连接 等待现有连接处理完成（默认 30 秒超时） 保存会话状态 清理资源后退出
# 优雅关闭
kill -TERM <pid>
# 强制关闭（不推荐）
kill -9 <pid>
老王问：“如果 30 秒内任务还没完成怎么办？”
我说：“超时后会强制退出，未完成的任务会丢失。所以复杂任务最好设计成可重入的，支持断点续传。”
04、机器人收不到消息？
老王叹了口气：“我遇到过一个问题，机器人在群里@它没反应，私聊却正常。排查了半天才找到原因。”
我说：“这种问题是 OpenClaw 使用中最常见的。我给你整一套系统的排查流程。”
第一步：检查事件订阅配置
飞书机器人收不到消息，90%是事件订阅没配好。
这一段别靠感觉排查，直接对照官方飞书文档里的事件订阅配置最省时间。
打开飞书开放平台，进入你的应用，检查这几点：
事件订阅已开启：确认开关是打开状态 订阅方式选择正确：推荐用长连接模式（WebSocket），而不是 HTTP 回调 订阅事件已添加：必须添加 im.message.receive_v1事件
第二步：检查机器人权限
飞书应用需要申请特定的权限才能接收消息：
im:chat:readonly- 读取群组信息im:message:send- 发送消息im:message:receive- 接收消息
老王问：“权限申请了但还不行？”
我说：“权限申请后要发布版本才能生效。很多小伙伴忘了点'发布'，权限一直处于待生效状态。”
第三步：检查 Gateway 日志
如果配置都没问题，看 Gateway 的日志：
openclaw gateway 启动，控制台可以看到。
常见的错误有：
错误一：App ID 或 App Secret 错误
Error: Invalid app credentials
解决：去飞书后台重新复制正确的凭证。
错误二：Encrypt Key 不匹配
Error: Failed to decrypt message
解决：检查openclaw.json里的encryptKey和飞书后台配置的是否一致。
错误三：WebSocket 连接失败
Error: WebSocket connection closed unexpectedly
解决：检查网络连通性，确认服务器能访问飞书的 WebSocket 地址。
第四步：检查群组配置
如果私聊正常、群组没反应，检查：
机器人是否已添加到群组：在群设置里确认机器人成员存在 是否开启了@提及：检查 groupPolicy.requireMention配置群组是否被禁用：飞书企业版可能限制了机器人在某些群的使用
老王补充：“还有一个坑——飞书群的'仅管理员可@所有人'设置，可能会影响机器人响应。”
我说：“对，这个也要注意。另外，如果群里有多个机器人，可能存在消息竞争，建议一个群只放一个 OpenClaw 机器人。”
常见问题速查表
我干脆把排查思路收成一张速查表，递给老王：
im:message.group:readonly权限 | ||
requireMention | ||
老王点点头：“这个实用，截图保存了。”
第五步：网络连通性测试
如果以上都没问题，测试网络连通性：
# 测试飞书API连通性
curl -I https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal
# 测试WebSocket连通性
wscat -c wss://ws.feishu.cn/
如果网络不通，检查服务器的防火墙、安全组、代理配置。
如果你本身就是走代理环境，别只测飞书 API，也顺手把 OpenClaw 的代理配置文档翻一遍，不然 WebSocket 看着像是连不上，其实是代理层没配对。
05、2026.3.11 版本新特性解读
老王继续追问：“3 月 11 号这波更新值不值得升？你别报菜名，直接挑最该盯的变更说。”
记忆能力升级
之前是放在md文件里的，现在放到了 sqllite 中。
GPT-5.4 支持
新增了对 GPT-5.4 的支持。配置方式：
{
"model": {
"provider": "openai",
"defaultModel": "gpt-5.4",
"profiles": {
"coding": {
"model": "gpt-5.4",
"temperature": 0.2
}
}
}
}
ending
老王听完，沉默了一会儿。
然后说：“你这一通讲下来，我发现 OpenClaw 的水挺深。表面看是个聊天机器人框架，底层涉及架构设计、路由算法、分布式会话、安全认证，全是硬核技术。”
我说：“这就是你们这些面试官爱问 OpenClaw 的原因啊。它把 AI Agent 工程化落地的方方面面都涵盖了，从配置到原理，从使用到排查，能考察的点很多。”
如果你能把今天这些内容吃透，面试时绝对能脱颖而出。
【技术的价值，不在于你用过多少工具，而在于你理解得有多深。】
OpenClaw 只是众多 AI Agent 框架中的一个。但透过它，你能看到 AI 工程化的完整图景——模型调用、消息路由、会话管理、权限控制、高可用设计，这些都是通用的能力。
掌握这些，换到其他框架也能快速上手。
工具会迭代，但底层的原理和思考方式不会变。
我们下期见，冲啊！