夜雨聆风市面上很多 AI 英语陪练，但没找到那种能在孩子掌握的范围里对话的陪练AI，聊不了几句就会因为听不懂没兴趣了。openclaw 出来后就想着用它做个英语陪练 agent，这事儿听起来很美好—— 可定时主动发起对话、还能个性化定制。但真正做下来，我发现中间的坑比想象中的多。这篇文章把我实际踩过的坑、走过的弯路总结出来，帮你少跳几个。
一、选模型：选对模型，可以少费很多“口舌”
创建Agent 这事儿，模型选错了就像开车选错了路——越努力越离谱。
国内的模型我测试过三个：
Kimi 2.5：问题理解还不错，但给的解决方案幻觉问题严重，还需要很多手工介入，甚至需要用别的模型交叉验证。
千问 3.5：不太适合做复杂及涉及到编码的任务，有时一些要求回复完成了，但实际完全没执行。
Minimax 2.7：任务完成度最高，能理解我的意图并自主执行，遇到问题还能自己调试验证。
Minimax 2.7 现在是我在 openclaw 主力用的国内模型了。
二、一个 agent 里干太多事，回复混乱怎么办？
一开始我把所有功能都塞进一个 Agent，结果对话一多，它就开始"失忆"，要么就是陪练着陪练着突然不按设定回复。
所以要给英语陪练建立独立的 Agent 和独立的飞书机器人。
这样做有两个好处：
1. 独立记忆空间，不受主 Agent 影响2. 独立对话通道，不用 @ 就能语音对话
三、调教 agent，正向要求行不通时，换个思路
这是踩坑最密集的部分。
在设置回复语音消息时，一开始我反复告诉它："回复的时候发语音消息，不要发 mp3 文件"
结果：Agent 坚持自己没发 mp3，还越调越乱，最后连语音都不发了。
后来我换了个思路，问它："你查一下是哪个环节发出 mp3 文件的？"
结果：它开始认真排查，对比测试，最终找到了问题——是 TTS 转换环节的问题，换了方案，成功了。
这适用于调试任何 agent 的情况，当你反复陈述需求但 Agent 始终做不到时，不要重复要求，换成让它自己排查问题。AI 在"解决问题"模式下比"执行指令"模式下表现好得多。
四、调试好的功能，第二天可能又没了
调好的语音回复，第二天对话发现又变回文字了。稳定的流程最好是让 Agent 创建一个 Skill 来稳定执行，而不是靠"记忆"。实测设定 skill后，agent 回复语音消息的发挥更稳定了
如果你想看完整的一步步安装部署调试的教程，关注公众号后回复「英语陪练」，我把完整的操作手册发给你。
包括： openclaw云端部署、多 Agent 飞书机器人配置、让 agent 回复语音消息、词汇范围设置，全部有截图和详细步骤。
