夜雨聆风2026年4月 · 真实踩坑实录 · 完全本地+免费模型可运行
我曾经也以为让多个 AI 智能体（Agent）协同工作是天方夜谭，直到我花了整整一周，把OpenClaw 从一个陌生的框架，折腾成拥有“大管家 + AI专家 + 财神 + 健康助手”的智能军团。这一路踩了无数坑：sessionKey 找不到、401 认证失败、沙盒路径错误、飞书权限 99991672、token 不匹配…… 但最终全部打通！今天我把完整的成功历程整理成教程，保证你跟着做也能拥有自己的 AI 数字员工团队。
1背景与最终效果
我希望实现：“大管家”（manager）负责接收用户需求，然后根据任务类型，自动委派给 AI专家（aier）、编程助手（coder）、理财顾问（makemoneyer）或健康助手（healthman），子 Agent 独立完成任务后自动汇报结果。 整个流程通过飞书聊天即可驱动，完全免费，模型优先使用智谱 GLM-4.7-Flash（免费额度无限）和本地 LM Studio 模型兜底。
✅ 最终成果：飞书里 @manager 说“分析一下 AI 最新趋势”，manager 会调用 aier，aier独立搜索并总结，结果自动返回，全程无人工干预。
2环境准备与基础安装
2.1 安装 OpenClaw（Windows 版）
我试过 npm 安装经常遇到EBUSY 和文件锁，最终选择官方 Windows 独立安装包，一劳永逸。
# 以管理员身份打开 PowerShell
iwr -useb https://openclaw.ai/install.ps1 | iex
安装完成后验证：openclaw --version 显示版本号即成功。
2.2 配置模型提供商（免费核心）
我踩过天翼云限流、阿里云额度用尽、腾讯混元认证复杂的坑，最后锁定智谱 GLM-4.7-Flash —— 完全免费，注册即用，OpenAI 兼容，最重要是可以确保我的“大管家”在有一定智力的条件下，永不掉线。
# 获取智谱 API Key: https://bigmodel.cn
# 编辑配置文件 ~\.openclaw\openclaw.json
{
"models": {
"providers": {
"zhipu": {
"baseUrl": "https://open.bigmodel.cn/api/paas/v4",
"apiKey": "sk-你的智谱Key",
"api": "openai-completions",
"models": [
{
"id": "glm-4.7-flash",
"name": "智谱 GLM-4.7-Flash",
"contextWindow": 128000
}
]
}
}
}
}
同时保留LM Studio 作为本地备用模型（在 AMD 890M 上跑 Qwen 9B），确保完全离线也能运行。
3多Agent 架构核心配置
3.1 定义 Agent 清单
在agents.list 中创建 5 个 Agent：manager、aier、coder、makemoneyer、healthman。每个 Agent 有独立的工作区和模型。
{
"agents": {
"list": [
{
"id": "manager",
"name": "大管家",
"workspace": "C:\\Users\\maodou\\.openclaw\\workspace-manager",
"model": { "primary": "zhipu/glm-4.7-flash" },
"subagents": { "allowAgents": ["aier","coder","makemoneyer","healthman"] },
"tools": { "allow": ["sessions_spawn", "read"] }
},
{
"id": "aier",
"name": "AI专家",
"workspace": "C:\\Users\\maodou\\.openclaw\\workspace-aier",
"model": { "primary": "zhipu/glm-4.7-flash" },
"sandbox": { "mode": "workspace-only" }
}
// 其他 Agent 类似，可分配不同模型
]
}
}
3.2 关键开关：启用跨 Agent 通信
这是最容易被忽略的一步！必须在tools 中显式开启 agentToAgent 并添加白名单。
{
"tools": {
"agentToAgent": {
"enabled": true,
"allow": ["manager", "aier", "coder", "makemoneyer", "healthman"]
}
}
}
3.3 为 Manager 注入灵魂（AGENTS.md）
在workspace-manager/AGENTS.md 中写入任务委派逻辑，让 Manager 学会使用 sessions_spawn。
# 我是大管家，负责协调团队
当用户说“分析AI趋势”时：
sessions_spawn({
agentId: "aier",
task: "请分析当前AI行业最新趋势并给出报告",
label: "AI分析任务"
});
收到子Agent回复后，直接将结果返回给用户。
4踩坑实录 & 解决办法（价值千金）
坑1：sessions_send 必须使用 sessionKey，不能直接用 agentId早期版本（2026.3.x）不支持 agentId 参数，必须用 sessionKey。我通过exec 读取文件系统动态获取。✅ 解决方案：改用 sessions_spawn，它支持agentId，完美解决。
坑2：飞书 400 错误 – 缺少 contact:user.employee_id:readonly 权限飞书应用需要此权限才能识别用户。登录开放平台→ 权限管理 → 添加权限 → 重新发布应用 → 重启网关。✅ 必须“重新发布”权限才会生效。
坑3：沙盒路径限制 – Path escapes sandbox root子 Agent 无法读取全局技能。把技能复制到 Agent 自己的 workspace/skills 目录，或关闭沙盒。✅ Copy-Item -Recurse ~\.openclaw\skills\autoglm-websearch ~\.openclaw\workspace-aier\skills\
坑4：阿里云模型额度耗尽 – 403 free tier exhausted免费额度用完，直接切换到智谱或本地模型，省心省力。
坑5：WebSocket 连接失败 – token mismatch / connect failedCLI 与网关 token 不一致。设置环境变量 OPENCLAW_GATEWAY_TOKEN 永久生效。✅ [System.Environment]::SetEnvironmentVariable('OPENCLAW_GATEWAY_TOKEN', '你的token', 'User')
5实战检验：一条命令驱动整个团队
在飞书群里 @manager，输入：“帮我分析一下最近 AI 大模型的技术突破”。
1.manager 识别意图 → 调用 sessions_spawn({agentId:"aier", task:"分析AI大模型技术突破"})
2.aier独立思考→ 可能调用 web_search 或读取知识库 → 生成专业报告
3.aier完成，自动宣告结果→ manager 收到后转发回飞书群
4.整个流程在日志中清晰可见，无人工干预
你还可以让 coder 写代码、makemoneyer分析股票，每个 Agent 各司其职，互不干扰。
6运维锦囊：常用命令与健康检查
# 查看所有 Agent 状态
openclaw agents list
# 手动向某个 Agent 发消息
openclaw agent --agent manager --message "你好"
# 查看实时日志（排查故障）
openclaw logs
# 健康诊断
openclaw doctor
openclaw gateway status
# 重启网关（修改配置后）
openclaw gateway restart
7️⃣ 心得体会 & 下一步
多 Agent 协同不是简单的堆砌，而是“身脑分离”的架构设计。OpenClaw 的sessions_spawn 让我们无需关心底层 sessionKey，直接按专业分工委派任务。未来我会继续接入更多专业 Agent（比如数据分析师、法律顾问），并探索定时任务（cron）自动触发日报。
如果你也按照这个教程成功搭建了自己的 AI 团队，欢迎留言交流！整个过程中，最大的感悟就是——不要怕报错，每一个错误日志都是通向成功的路标。
本文基于 OpenClaw 2026.3.x 真实经历整理。如需转载，请保留出处。词元在线 http://ciyuanonline.com