全场景 AI 智能体落地指南：基于 OpenClaw 的超级个体进阶手册：第三阶段：进阶篇

无忧智库2026-03-12 9:15

全场景 AI 智能体落地指南：基于 OpenClaw 的超级个体进阶手册

第三阶段：进阶篇 - 多 Agent 协作与全球化部署

📌 前言

完成第二阶段的学习后，你已经掌握了 OpenClaw 的七大核心应用场景。现在，让我们进入高阶玩家领域！

本阶段将带你掌握：

  • ✅ 多 Agent 协作系统：打造 AI 智能体军团
  • ✅ 技能库与角色调优：让每个 AI 都术业有专攻
  • ✅ 海外自动化部署：Hetzner + Telegram + Twitter 全球化方案

🎯 案例 1：多 AI Agent 协作系统构建实战

一、为什么需要多 Agent 协作？

场景痛点

想象一下这个场景：学员进了一个群，有问题不知道问谁...

传统单 Agent 的问题：

  • ❌ 什么都要问同一个 AI，响应慢
  • ❌ 技术问题得到运营答案，不专业
  • ❌ 记忆混杂，容易混淆信息
  • ❌ Token 浪费，成本高
解决方案：多 Agent 军团
复制代码 
学员进了一个群，想问什么问题都有人专门回答：
- 技术问题 → @001 号技术客服
- 运营问题 → @002 号运营客服  
- 代码需求 → @003 号程序猿
- 不确定找谁 → @大总管，他帮你派单

核心优势：

  • ✅ 体验统一：学员只需记住一个群
  • ✅ 专业分工：每个 AI 深耕自己的领域
  • ✅ 记忆隔离：技术客服不会记得运营客服的打卡规则
  • ✅ 成本优化：只激活相关 AI，Token 省 70%+

二、军团成员介绍

组织架构总览
复制代码 
┌─────────────────────────────────────┐
│     🦞 文胜军 OpenClaw 训练营交付群       │
├─────────────────────────────────────┤
│                                     │
│  学员：@001 号技术客服 OpenClaw 怎么安装？  │
│       ↓                            │
│  👨‍💻001 号：根据官方文档，安装步骤如下...    │
│                                     │
│  学员：@002 号运营客服 打卡截止到几点？      │
│       ↓                             │
│  👩‍💼002 号：每日打卡截止时间是 23:59...      │
│                                      │
│  学员：@003 号程序猿 帮我写个自动打卡脚本    │
│       ↓                             │
│  🐒003 号：好，Python 可以吗？需要对接飞书 API 吗？│
│                                     │
│  学员：@大总管 我想报名训练营             │
│       ↓                             │
│  🎯大总管：收到，我请 002 号运营客服来为您服务   │
│                                      │
└─────────────────────────────────────┘
成员详细档案
Agent ID 角色 核心能力 触发方式 人设
chief 大总管 任务分发、协调沟通、兜底回复 @大总管 / @总指挥 沉稳、全局观、决策果断
cs-001 001 号技术客服 OpenClaw 技术问题、配置答疑 @001 / @技术客服 技术宅、熟读官方文档
cs-002 002 号运营客服 打卡、作业、报名、课程安排 @002 / @运营客服 细心、负责、运营小能手
dev-003 003 号程序猿 代码编写、API 对接、skill 封装 @003 / @程序猿 18 年架构经验、全栈精通
成员 1:001 号技术客服（cs-001）

花名： 技术虾

核心知识库：

  1. OpenClaw 官方多 Agent 文档：https://docs.openclaw.ai/zh-CN/concepts/multi-agent
  2. 训练营内部手册：https://a1feq6r55c4.feishu.cn/docx/JYMZdWga4ocSaqxO5vzc42vVn3g

擅长领域：

  • OpenClaw 基础认知（是什么、能做什么、与传统 AI 的区别）
  • 安装部署（Kimi Claw、本地部署、腾讯云/阿里云部署）
  • 多 Agent 架构设计
  • Gateway 配置
  • Skill 安装与使用
  • 路由绑定规则
  • 常见报错排查
  • 飞书机器人对接

回答风格：

  • 优先引用官方文档
  • 给出具体配置示例
  • 复杂问题分步骤讲解
  • 不确定时引导查阅文档

转交规则：

  • 课程价格/报名 → 转给 002 号
  • 写代码/脚本 → 转给 003 号
成员 2:002 号运营客服（cs-002）

花名： 运营虾

负责事务：

  • 📅 课程安排和时间表
  • 📝 打卡规则和要求
  • 📤 作业提交方式和截止时间
  • 💰 课程价格和报名方式
  • 🎁 优惠活动和福利

课程信息：

班次 价格 周期 适合人群
入门班 199 元 14 天 零基础
进阶班 待定 21 天 有一定基础
私教班 待定 3 个月 1 对 1 深度陪跑

打卡规则：

  • 每日打卡截止时间：23:59
  • 建议提前 1 小时完成，避免网络延迟
  • 打卡内容需包含学习笔记或代码截图
  • 漏打卡可补卡，每月限 3 次

无效打卡界定：

  • 完全乱写、驴唇不对马嘴
  • 全是标点符号或无意义字符
  • 与项目无关的内容（如人生哲理）
  • 抄袭他人内容
  • 大段复制无思考的内容

转交规则：

  • OpenClaw 技术问题 → 转给 001 号
  • 写代码/脚本 → 转给 003 号
成员 3:003 号程序猿（dev-003）

花名： 老码

资历：

  • 18 年技术架构经验
  • 前大厂首席架构师
  • 全栈精通：前端、后端、架构、安全

技术栈：

  • 后端：Python/Go/Java/Node.js
  • 前端：Vue/React/Vanilla JS
  • 架构：微服务、Serverless、K8s
  • 安全：渗透测试、代码审计
  • AI：OpenAI API、Claude、各种 Model

擅长领域：

  • 自动化脚本开发
  • API 对接和封装
  • OpenClaw Skill 开发
  • 代码审查和重构
  • 技术方案设计

工作风格：

  • 先理解需求，再给方案
  • 代码质量第一，能跑不是终点
  • 注重边界处理和异常捕获
  • 提供完整的可运行代码

口头禅：

  • "这个简单，我来写个脚本。"
  • "18 年了，这种需求我见多了。"
  • "给你写了个完整的，直接能用。"

转交规则：

  • OpenClaw 配置问题 → 转给 001 号
  • 课程运营问题 → 转给 002 号
成员 4：大总管（chief）

职责：

  • 接收学员的所有需求
  • 判断问题类型，指派给最合适的专员
  • 协调多个专员之间的协作
  • 作为兜底，回答综合性问题

派单规则：

用户意图 派给 示例关键词
OpenClaw 配置、技术问题 @001 号技术客服 "怎么配置"、"报错"、"API"、"多 Agent"
打卡、作业、报名、课程 @002 号运营客服 "打卡"、"作业"、"报名"、"多少钱"
写代码、脚本、API 对接 @003 号程序猿 "帮我写"、"代码"、"脚本"、"自动化"

三、架构设计与实施

核心概念：@触发路由

"群聊 + @触发"模式：

复制代码 
学员消息
    ↓
飞书群
    ↓
@大总管 → 路由到 chief Agent
@001    → 路由到 cs-001 Agent  
@002    → 路由到 cs-002 Agent
@003    → 路由到 dev-003 Agent
Agent 间通信（内部协作）

大总管可以通过 sessions_send 内部派单给其他 Agent：

复制代码 
学员@大总管提问
    ↓
大总管分析意图
    ↓
sessions_send → 001 号/002 号/003 号
    ↓
对应 Agent 回复
    ↓
大总管汇总返回学员

四、五步搭建多 Agent 系统

Step 1: 创建 4 个 Agent

使用命令行创建：

bash 复制代码 
# 1. 创建大总管
openclaw agents add chief \
    --model kimi-coding/k2p5 \
    --workspace ~/.openclaw/workspace-chief

# 2. 创建 001 号技术客服
openclaw agents add cs-001 \
    --model kimi-coding/k2p5 \
    --workspace ~/.openclaw/workspace-cs-001

# 3. 创建 002 号运营客服
openclaw agents add cs-002 \
    --model kimi-coding/k2p5 \
    --workspace ~/.openclaw/workspace-cs-002

# 4. 创建 003 号程序猿
openclaw agents add dev-003 \
    --model kimi-coding/k2p5 \
    --workspace ~/.openclaw/workspace-dev-003

设置身份标识：

bash 复制代码 
# 大总管
openclaw agents set-identity --agent chief \
    --name "大总管" \
    --emoji "🎯"

# 001 号技术客服
openclaw agents set-identity --agent cs-001 \
    --name "001 号技术客服" \
    --emoji "👨‍💻"

# 002 号运营客服
openclaw agents set-identity --agent cs-002 \
    --name "002 号运营客服" \
    --emoji "👩‍💼"

# 003 号程序猿
openclaw agents set-identity --agent dev-003 \
    --name "003 号程序猿" \
    --emoji "🐒"

验证创建结果：

bash 复制代码 
openclaw agents list

应该看到类似输出：

复制代码 
AGENT ID    NAME              WORKSPACE
─────────────────────────────────────────────────────
main        Main              ~/.openclaw/workspace
chief       大总管            ~/.openclaw/workspace-chief
cs-001      001 号技术客服     ~/.openclaw/workspace-cs-001
cs-002      002 号运营客服     ~/.openclaw/workspace-cs-002
dev-003     003 号程序猿       ~/.openclaw/workspace-dev-003
Step 2: 编写人格文件

每个 Agent 需要两个核心文件：SOUL.md （人格定义）和 AGENTS.md（行为规范）。

大总管 (chief) 的 SOUL.md 示例：

markdown 复制代码 
# SOUL.md - 大总管

## 你是谁
- **名字**：大总管
- **身份**：小龙虾 AI 训练营的总指挥
- **职责**：接单、派单、协调、兜底

## 性格
- 沉稳冷静，处变不惊
- 全局观强，统筹兼顾
- 说话简洁，不拖泥带水
- 对下属既严格又关心

## 工作方式
1. **接单**：接收用户的所有需求
2. **派单**：判断任务类型，分配给最合适的 Agent
3. **协调**：跟踪任务进度，必要时介入协调
4. **汇报**：汇总结果，统一向用户汇报

## 派单规则
| 用户问题类型 | 派给 | 示例关键词 |
|--------------|------|-----------|
| OpenClaw 配置、技术问题 | @001 号技术客服 | "怎么配置"、"报错"、"API" |
| 打卡、作业、报名、课程 | @002 号运营客服 | "打卡"、"作业"、"报名" |
| 写代码、脚本、API 对接 | @003 号程序猿 | "帮我写"、"代码"、"脚本" |

## 口头禅
- "明白，我来安排。"
- "@xxx，这个问题你来处理。"
- "稍等，我协调一下。"

001 号技术客服的 SOUL.md 示例：

markdown 复制代码 
# SOUL.md - 001 号技术客服

## 你是谁
- **工号**：001
- **花名**：技术虾
- **岗位**：OpenClaw 技术专家
- **人设**：对 OpenClaw 了如指掌的技术宅

## 性格
- 技术功底扎实，说话有理有据
- 喜欢引用官方文档
- 耐心细致，不怕重复解答
- 遇到复杂问题会一步步引导

## 专业知识
你熟读以下文档，可以准确回答相关问题：
- OpenClaw 官方多 Agent 文档：https://docs.openclaw.ai/zh-CN/concepts/multi-agent
- 训练营内部技术文档：https://a1feq6r55c4.feishu.cn/docx/JYMZdWga4ocSaqxO5vzc42vVn3g

## 擅长领域
- OpenClaw 基础认知、安装部署、多 Agent 架构
- Gateway 配置、Skill 开发、路由绑定规则
- 常见报错排查、飞书机器人对接

## 不擅长（要转交）
- 课程价格、报名流程 → 转给 002 号运营客服
- 写代码、脚本 → 转给 003 号程序猿

## 口头禅
- "根据官方文档..."
- "这个问题我来解答..."
- "建议您参考这篇文档..."
- "我们一步步来..."

💡 提示： 其他 Agent 的 SOUL.md 和 AGENTS.md 按同样方式编写，重点突出各自的专业领域和转交规则。

Step 3: 配置路由绑定

编辑 ~/.openclaw/openclaw.json：

json 复制代码 
{
  "agents": {
    "list": [
      {
        "id": "chief",
        "name": "大总管",
        "workspace": "~/.openclaw/workspace-chief",
        "agentDir": "~/.openclaw/agents/chief/agent",
        "default": false,
        "groupChat": {
          "mentionPatterns": ["@大总管", "@总指挥"]
        }
      },
      {
        "id": "cs-001",
        "name": "001 号技术客服",
        "workspace": "~/.openclaw/workspace-cs-001",
        "agentDir": "~/.openclaw/agents/cs-001/agent",
        "groupChat": {
          "mentionPatterns": ["@001", "@001 号", "@技术客服", "@技术虾"]
        }
      },
      {
        "id": "cs-002",
        "name": "002 号运营客服",
        "workspace": "~/.openclaw/workspace-cs-002",
        "agentDir": "~/.openclaw/agents/cs-002/agent",
        "groupChat": {
          "mentionPatterns": ["@002", "@002 号", "@运营客服", "@运营虾"]
        }
      },
      {
        "id": "dev-003",
        "name": "003 号程序猿",
        "workspace": "~/.openclaw/workspace-dev-003",
        "agentDir": "~/.openclaw/agents/dev-003/agent",
        "groupChat": {
          "mentionPatterns": ["@003", "@003 号", "@程序猿", "@老码"]
        }
      }
    ]
  },
  
  "bindings": [
    {
      "agentId": "chief",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_3e68cefa34bffe4a7f06ad748261d50d"
        }
      }
    },
    {
      "agentId": "cs-001",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_3e68cefa34bffe4a7f06ad748261d50d"
        }
      }
    },
    {
      "agentId": "cs-002",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_3e68cefa34bffe4a7f06ad748261d50d"
        }
      }
    },
    {
      "agentId": "dev-003",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_3e68cefa34bffe4a7f06ad748261d50d"
        }
      }
    }
  ]
}
Step 4: 开启 Agent 间通信

在 openclaw.json 中添加：

json 复制代码 
{
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["chief", "cs-001", "cs-002", "dev-003"]
    }
  }
}

这样 4 个 Agent 之间就可以互相发送消息了。

Step 5: 飞书群组配置

创建群组：

  • 群名称：🦞 小龙虾 AI 训练营 - 学员服务群
  • 群描述：有问题请@大总管 / @001 号技术客服 / @002 号运营客服 / @003 号程序猿

添加机器人：

  1. 打开群设置 → 群机器人 → 添加机器人
  2. 选择你的 OpenClaw 机器人
  3. 记录群会话 ID（在机器人设置页面查看）

配置群组权限：

json 复制代码 
{
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_xxxxxxxxxx",
      "appSecret": "xxxxxxxxxx",
      "groupPolicy": "open",
      "groups": {
        "oc_xxxxxxxxxxxxxxxx": {
          "requireMention": true
        }
      }
    }
  }
}

⚠️ 注意： requireMention: true 表示必须@机器人才会回复，防止误触。

重启 Gateway：

bash 复制代码 
openclaw gateway restart

🛠️ 案例 2：OpenClaw 技能库 + 角色定义调优

一、技能库与角色定义的底层逻辑

OpenClaw 的 Agent 并非简单的"聊天机器人"，而是具备 工具调用、任务执行、跨平台交互 能力的智能体。

核心概念：

概念 定义 作用
技能库 Agent 能做什么 工具、指令、业务流程的标准化集合
角色定义 Agent 如何做、以什么风格做 人格设定、语气规范、工作流程

底层支撑文件：

核心原则： "主 Agent 全功能、子 Agent 轻量化"

二、两大必装核心技能

1. find-skills：技能自查与匹配

核心作用： 帮助 Agent 快速检索自身已安装的所有技能，明确自身能力边界。

适用场景：

  • 用户发送任务后，Agent 自动调用 find-skills，自查是否有对应执行技能
  • 多 Agent 协作时，子 Agent 调用 find-skills，确认自身是否能完成总控 Agent 分配的任务
  • 技能库更新后，Agent 调用 find-skills，快速同步新增/删除的技能
2. Tavily Search：全网信息检索

核心作用： 为 Agent 提供全网实时信息检索能力，解决 OpenClaw 本地知识库更新不及时的问题。

适用场景：

  • 技术类 Agent 检索最新的 OpenClaw 插件更新、命令用法
  • 内容类 Agent 检索行业热点、最新政策，辅助内容创作
  • 跨平台协作时，检索飞书、Telegram 最新的 API 规则

三、两大核心技能的安装方式

方式一：与 OpenClaw 对话安装（推荐）

无需登录服务器，直接在飞书或 Telegram 中 @对应 Agent，发送安装指令即可。

操作步骤：

  1. 打开飞书群/私聊，或 Telegram 群/私聊，@目标 Agent
  2. 安装 find-skills 技能，发送指令："安装技能 find-skills"
    • Agent 响应：自动下载并安装 find-skills 技能
    • 验证：发送指令"调用 find-skills 查看所有技能"
  3. 安装 Tavily Search 技能，发送指令："安装技能 Tavily Search"
    • Agent 响应：自动下载并安装 Tavily Search 技能
    • 若需要配置 API 密钥，会提示输入
方式二：服务器命令安装

登录 Ubuntu 服务器，通过终端命令安装，适合批量部署。

bash 复制代码 
# 全局安装 find-skills 技能
npx clawhub install find-skills

# 全局安装 Tavily Search 技能
npx clawhub install tavily-search

# 配置 Tavily Search API 密钥（必做）
openclaw config set skills.tavily-search.api_key "你的 Tavily API 密钥"

# 重启网关使技能生效
openclaw gateway restart

💡 Tavily API 密钥获取： https://app.tavily.com/home

四、技能库的目录结构与文件规范

全局目录规范（多 Agent 场景）

每个 Agent 拥有独立的工作区，技能库与全局配置文件分离：

bash 复制代码 
~/.openclaw/
├── workspace-main/        # 主 Agent 工作区（全功能）
│   ├── SOUL.md            # 主 Agent 人格定义
│   ├── AGENTS.md          # 主 Agent 行为规范
│   ├── TOOLS.md           # 全局工具备忘
│   └── skills/            # 主 Agent 技能库
│       ├── find-skills.md # 核心技能：技能自查
│       ├── tavily-search.md # 核心技能：全网检索
│       ├── manage.md      # 多 Agent 调度技能
│       └── cross_platform.md # 跨平台消息同步技能
├── workspace-dev/         # 开发 Agent 工作区
│   ├── SOUL.md
│   ├── AGENTS.md
│   ├── TOOLS.md
│   └── skills/
│       ├── code_check.md  # 代码检查技能
│       ├── shell_exec.md  # 脚本执行技能
│       └── log_analysis.md # 日志分析技能
└── workspace-content/     # 内容 Agent 工作区
    ├── SOUL.md
    ├── AGENTS.md
    ├── TOOLS.md
    └── skills/
        ├── markdown.md    # 文档编写技能
        ├── copywriting.md # 文案创作技能
        └── file_save.md   # 文件生成与保存技能
单个技能文件（SKILL.md）编写规范

技能文件需明确 技能名称、适用场景、执行步骤、工具依赖、权限要求。

find-skills 技能示例：

markdown 复制代码 
# 技能名称：find-skills（技能自查与匹配）

## 适用场景
- 接收用户任务后，自查是否有对应执行技能
- 多 Agent 协作时，确认自身能力边界，避免任务越界
- 技能库更新后，同步新增/删除的技能列表

## 执行步骤
1. 接收用户或主 Agent 的调用指令
2. 检索当前 Agent 工作区 skills/目录下的所有技能文件
3. 提取每个技能的名称、适用场景，生成结构化技能列表
4. 若有任务关键词，匹配对应技能并标注"推荐技能"
5. 返回技能列表（含适用场景）

## 工具依赖
- OpenClaw：skill 检索工具（权限级别：on）

## 权限要求
- 仅允许检索当前 Agent 的技能库，禁止访问其他 Agent 的工作目录
- 仅返回技能列表与匹配结果，禁止修改、删除技能文件

五、角色定义：人格化、标准化、协作化

角色定义的三大核心文件
1. SOUL.md：人格定义的"灵魂文件"

决定 Agent 的"性格与风格"，需明确 角色定位、语气风格、核心原则、工作边界。

专业 Agent 的 SOUL.md 示例：

markdown 复制代码 
# SOUL.md - 专业技术 Agent

## 角色定位
多 Agent 协作团队的技术专属助手，聚焦技术相关任务执行、问题排查、信息检索。

## 语气风格
专业、严谨、逻辑清晰，拒绝口语化，回复需包含"任务步骤、执行结果、核心依据"。

## 核心原则
1. 所有技术建议基于最新技术文档，可通过 Tavily Search 检索验证
2. 接收任务后，先调用 find-skills 自查对应技能
3. 飞书@消息响应不超过 1 分钟，私聊需求需 24 小时内闭环
4. 跨平台同步技术信息时，需简化专业术语

## 工作边界
- 仅处理技术相关需求，拒绝内容创作、财务统计等非本领域任务
- 不直接修改飞书/Telegram 的群配置
- 调用 Tavily Search 仅检索技术相关信息
- 无法执行高危系统命令
2. AGENTS.md：行为规范的"准则文件"

基于 SOUL.md 的人格定位，明确 Agent 的核心技能、执行流程、协作规则、异常处理。

核心配置要点：

  • 明确核心技能调用规则
  • 明确技能与任务的匹配规则
  • 明确多 Agent 协作规则
  • 明确异常处理规则
  • 明确跨平台交互规则

💡 建议： 对于子 Agent，采用 轻量化配置，仅保留核心行为规范，避免提示词冗余。

3. IDENTITY.md：身份标识的"名片文件"

明确 Agent 的名称、头像、平台专属标识、@触发词。

配置要点：

  • 名称：与飞书/Telegram 机器人名称一致
  • 头像：配置专属头像路径
  • @触发词：明确核心触发词
  • 平台标识：标注"飞书专属"、"Telegram 专属"、"跨平台通用"
  • 核心技能提示：标注"可调用 find-skills 查看所有技能"

六、角色定义的四大调优原则

原则 1：人格与技能匹配

"是什么角色，就有什么风格"

Agent 类型 语气风格 输出要求
开发/运维 Agent 严谨、简洁 包含具体指令、执行结果、问题解决方案
产品/运营 Agent 专业、全面 包含需求点、优先级、协作方、时间节点
内容/创意 Agent 灵活、规范 按指定格式排版，适配跨平台展示
总控 Agent 沉稳、权威 包含任务分配、执行进度、结果汇总
原则 2：协作边界清晰

"各做各的事，不越界、不推诿"

协作闭环：

复制代码 
用户
  ↓
总控 Agent（调用 find-skills 匹配技能/Agent）
  ↓
专业 Agent（调用核心技能执行任务）
  ↓
总控 Agent（汇总结果）
  ↓
用户
原则 3：贴合平台规则

"在什么平台，就按什么规则做事"

平台 支持格式 角色定义要求
飞书 文档、表格、表情、@全员 可输出飞书专属格式
Telegram markdown、普通链接、图片 自动转换格式，适配展示规则
跨平台 两者兼有 明确格式转换规则
原则 4：轻量高效

"子 Agent 少而精，避免冗余"

OpenClaw 的提示词模式分为：

  • full（全功能）：主 Agent 使用，配置完整的人格、行为规范、技能规则
  • minimal（轻量化）：子 Agent 使用，仅保留核心的人格定位、技能匹配规则
  • none（仅身份声明）：简单场景使用

七、调优实战：从单 Agent 到跨平台多 Agent 协作

第一步：基础配置------创建独立 Agent 与工作区
bash 复制代码 
# 1. 创建总控 Agent（主 Agent，全功能，跨平台通用）
openclaw agents add main --workspace ~/.openclaw/workspace-main

# 2. 创建技术 Agent（子 Agent，轻量化，飞书/Telegram 通用）
openclaw agents add dev --workspace ~/.openclaw/workspace-dev

# 3. 创建内容 Agent（子 Agent，轻量化，Telegram 专属）
openclaw agents add content --workspace ~/.openclaw/workspace-content

# 4. 创建产品 Agent（子 Agent，轻量化，飞书专属）
openclaw agents add product --workspace ~/.openclaw/workspace-product

# 5. 查看所有 Agent 配置，确认工作区与 ID
openclaw agents list

# 6. 为各 Agent 配置模型别名
openclaw config patch agents.list.0.model "anthropic/claude-3-5-sonnet"
openclaw config patch agents.list.1.model "anthropic/claude-sonnet-4-5"
openclaw config patch agents.list.2.model "google/gemini-1.5-pro"
openclaw config patch agents.list.3.model "google/gemini-1.5-flash"
第二步：角色定义调优------编写三大核心文件
  1. 为每个 Agent 编写 SOUL.md，明确角色定位、语气风格、核心原则、工作边界
  2. 为每个 Agent 编写轻量化的 AGENTS.md，明确技能匹配规则、协作流程
  3. 为每个 Agent 编写 IDENTITY.md，明确名称、头像、@触发词、平台标识
  4. 核心配置：在所有 Agent 的 AGENTS.md 中添加 消息过滤规则，仅响应@消息和私聊消息
第三步：测试与调优------验证技能与角色的匹配度

测试清单：

  1. 核心技能测试：@技术 Agent，发送"调用 find-skills 查看所有技能"
  2. 飞书端测试：在飞书群@产品 Agent，发送需求分析任务
  3. Telegram 端测试：在 Telegram 群@总控 Agent，发送任务分配指令
  4. 跨平台测试：在 Telegram 私聊总控 Agent，发送跨平台同步指令
  5. 异常测试：@技术 Agent 发送非技术需求，验证是否按工作边界拒绝
  6. 日志排查 ：通过 openclaw logs gateway 实时查看日志，定位问题

🌍 案例 3：Telegram 自动化机器人系统搭建

一、方案选择：海外 vs 国内

当我们使用 OpenClaw 的 AI 自动化能力时，搭配不同的服务器和通讯平台，能实现的能力、适用场景会完全不一样。

🔥 Hetzner + OpenClaw + Telegram 优势

适合场景： 全球范围的信息采集、AI 监控、跨境自动化、海外流量、海外社群、海外项目

核心优势：

  1. 直连 Telegram 官方 API：机器人不掉线、不封号、不异常
  2. 直接爬取/监控海外内容：YouTube、Twitter、TikTok、Google 等
  3. 直接调用海外顶级模型：GPT-4、Claude、Gemini，无地区限制
  4. 做全球业务：无需代理，稳定长久

⚠️ 对比： 国内云要做这些必须加代理，不稳定、容易封、风险高、不长久。

✅ 腾讯云 + OpenClaw + 飞书 优势

适合场景： 国内团队办公、企业流程、权限管理、飞书生态深度集成

核心优势：

  1. 国内团队办公：企业流程、权限管理、飞书生态深度集成
  2. 国内访问速度：稳定性、合规性
  3. 国内业务：小程序、公众号、国内 AI 生态
  4. 企业安全：审计、售后支持

二、Hetzner 服务器注册配置

介绍

Hetzner（Hetzner Online GmbH）是 1997 年成立于德国的欧洲头部独立 IDC 与云服务商，主打高性价比，在德、芬、美、新运营数据中心。

注册流程

1. 进入注册页

2. 填写账号信息

  • Email：填你准备好的非免费邮箱
  • Password：设置强密码（12 位以上，大小写 + 数字 + 符号）
  • 勾选同意条款 → 点 CONTINUE

3. 邮箱验证

  • 登录邮箱，找到 Hetzner 验证邮件
  • 点击链接完成验证 → 自动跳转到登录页

4. 完善个人信息

登录后进入 Account → Profile ，按以下填写（全部真实、拼音/英文）：

  • Account type ：选 Individual（个人）
  • Name：姓名拼音（如 Zhang San）
  • Address ：
    • Street：街道（拼音，如 Xinhua Road 123）
    • City：城市（如 Shanghai）
    • Postal code：邮编
    • Country：选 China
    • State：省份（如 Shanghai）
  • Phone：+86 开头（如 +8613800138000）
  • Currency ：选 **EUR（欧元）**或 USD（美元）

5. 完成验证

  • 网站提示完成相关验证
  • 访问 https://accouts.hetzner.com，会提示验证方式
  • 选择对应的验证方式，身份证、护照、驾照都可以
  • 手机扫码验证信息
  • 扫码后会先拍照证件，再拍一张申请人照片
  • 等待验证完成即可，一般要等 3~5 分钟
创建服务

1. 创建项目

2. 创建服务器

  • Type、Location：可以根据需要来选，前面为了测试和熟悉，可以先选便宜的，比如 Cost-Optimized
  • 操作系统 Image：选 Ubuntu 即可
  • 其他：默认即可
  • 如果没选 SSH：密码会发邮件到邮箱，注意查收

服务器类型对比：

类型 资源 硬件代际 性能特点 价格 最佳用途
Cost-Optimized 共享 较老 有限、可变 最低 轻量开发、低流量应用
Regular Performance 共享 较新 更高、可变 中等 中等流量、日常业务
General Purpose 独享 最新 稳定、可预测 最高 关键生产、高 CPU 负载

3. 购买确认

确定完配置后，点击"Create & Buy now"立即购买

4. 查收密码

到邮箱查看密码

连接服务器

使用 Termora 连接：

  1. 下载安装 Termora
  1. 连接 HETZNER 服务器
  1. 重置密码（如有需要）

手动重置密码命令：

bash 复制代码 
sudo passwd root

输入两次新密码即可

三、安装配置 OpenClaw

安装 Node.js 22+
bash 复制代码 
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt-get install -y nodejs
全局安装 OpenClaw
bash 复制代码 
curl -fsSL https://openclaw.ai/install.sh | bash
配置 OpenClaw

1. 测试 API 网站能否访问

bash 复制代码 
ping api.xtreeai.com

2. 运行配置向导

💡 提示： 2026.2.26 版本会自动跳到该步骤，无需手动执行

bash 复制代码 
openclaw onboard --install-daemon

3. 配置步骤：

  • 确认告知：选 yes
  • Onboarding mode：选 "QuickStart"
  • Model/auth provider 配置：如果有 OpenAI、Anthropic 或者 OpenRouter 的 Key，可以直接配置。如果没有，需要配置中转站的 BaseUrl 和 Key，可以先选 "Skip for now"
  • Default model：选"Keep current"
  • Select channel：选择 "Telegram"，如果还没注册或者使用飞书、微信等其他渠道，可以先选"Skip for now"
  • Telegram bot token：需要 Telegram 的 bot token（后面详细介绍）
  • Configure skills now：可以先跳过，选"No"
  • Enable hooks：选"Skip for now"（按空格键选择）
  • Hatch 选项：如果是在 linux 下配置，选"Hatch in TUI"可以在命令行下与 openclaw 进行交互
配置大模型

如果需要配置中转站，前面跳过了 Model/auth provider 配置，那这里需要配置大模型。

1. 进入配置目录

bash 复制代码 
cd ~/.openclaw/

2. 编辑配置文件

bash 复制代码 
vim openclaw.json

3. 配置示例：

json 复制代码 
{
    "models": {
        "mode": "merge",
        "providers": {
            "api-proxy-gpt": {
                "baseUrl": "https://api.xtreeai.com/v1",
                "api": "openai-completions",
                "apiKey": "你的 apiKey",
                "models": [
                    {
                        "id": "gpt-4o",
                        "name": "GPT-4o",
                        "reasoning": false,
                        "input": ["text"],
                        "cost": {
                            "input": 0,
                            "output": 0,
                            "cacheRead": 0,
                            "cacheWrite": 0
                        },
                        "contextWindow": 128000,
                        "maxTokens": 8192
                    }
                ]
            },
            "api-proxy-claude": {
                "baseUrl": "https://api.xtreeai.com",
                "api": "anthropic-messages",
                "apiKey": "你的 apiKey",
                "models": [
                    {
                        "id": "claude-sonnet-4-5-20250929",
                        "name": "Claude Sonnet 4.5",
                        "reasoning": false,
                        "input": ["text"],
                        "cost": {
                            "input": 0,
                            "output": 0,
                            "cacheRead": 0,
                            "cacheWrite": 0
                        },
                        "contextWindow": 200000,
                        "maxTokens": 8192
                    }
                ]
            },
            "api-proxy-google": {
                "baseUrl": "https://api.xtreeai.com/v1beta",
                "api": "google-generative-ai",
                "apiKey": "你的 apiKey",
                "models": [
                    {
                        "id": "gemini-3-pro-preview",
                        "name": "Gemini 3 Pro",
                        "reasoning": false,
                        "input": ["text"],
                        "cost": {
                            "input": 0,
                            "output": 0,
                            "cacheRead": 0,
                            "cacheWrite": 0
                        },
                        "contextWindow": 2000000,
                        "maxTokens": 8192
                    }
                ]
            }
        }
    },
    "agents": {
        "defaults": {
            "model": {
                "primary": "api-proxy-claude/claude-sonnet-4-5-20250929"
            },
            "models": {
                "api-proxy-gpt/gpt-4o": {
                    "alias": "GPT-4o"
                },
                "api-proxy-claude/claude-sonnet-4-5-20250929": {
                    "alias": "Claude Sonnet 4.5"
                },
                "api-proxy-google/gemini-3-pro-preview": {
                    "alias": "Gemini 3 Pro"
                }
            },
            "maxConcurrent": 4,
            "subagents": {
                "maxConcurrent": 8
            },
            "compaction": {
                "mode": "safeguard"
            },
            "workspace": "/root/clawd"
        }
    },
    "auth": {
        "profiles": {
            "api-proxy-gpt:default": {
                "provider": "api-proxy-gpt",
                "mode": "api_key"
            },
            "api-proxy-claude:default": {
                "provider": "api-proxy-claude",
                "mode": "api_key"
            },
            "api-proxy-google:default": {
                "provider": "api-proxy-google",
                "mode": "api_key"
            }
        }
    }
}

⚠️ 重要提示：

  1. 配置的时候，对应模块进行复制或替换
  2. 原配置文件已经有了 agents 配置了，就替换。models 和 auth 配置没有，就复制进去
  3. 其他参数一般不需要调整
  4. 一定要注意 JSON 格式，可以整体复制出来，放到网站 https://www.json.cn/ 看看是否有错误
OpenClaw 交互

执行 tui 命令，与 OpenClaw 命令行交互：

bash 复制代码 
openclaw tui

其他设置：

可以执行 help 命令，自助查询相关命令和用法。

bash 复制代码 
openclaw --help

四、安装配置 Telegram

Telegram 是什么

Telegram（电报/纸飞机）是一款主打 隐私安全 与 强大功能 的全球即时通讯 App。全球月活用户已超 9.5 亿。

为什么选 Telegram 来控制 OpenClaw

1. 零门槛、随手用

  • 不用装新 App：你本来就在用 Telegram，直接在里面发消息给 OpenClaw 机器人就行
  • 跨设备无缝 ：手机、电脑、平板都能发指令，随时随地远程控制
  • 上手极快：用 Telegram 的 @BotFather 几分钟就能创建机器人、绑定 OpenClaw

2. 体验流畅、适合移动办公

  • 移动端体验好：Telegram App 轻量、稳定，弱网下也能发指令、收结果
  • 流式输出 ：AI 回复会 边想边写，不用等一大段突然出来
  • 消息可靠 ：全球节点多、延迟低，跨境/海外场景下 指令不丢、不卡

3. 隐私与安全

  • OpenClaw 本地运行 ：你的文件、命令、数据都在自己设备，不上传第三方
  • Telegram 加密 ：指令走 Telegram 加密通道，传输安全
  • 权限可控 ：可限制只有你的 User ID 才能用这个机器人，防止被别人控制

4. 功能强、场景广

在 Telegram 里发一句话，OpenClaw 就能帮你：

  • 系统操作：清理文件、运行 Shell 命令、重启服务、管理服务器
  • 办公自动化：整理邮件、生成文档、做表格、发周报、管理日历
  • 开发/运维：写代码、部署项目、查日志、监控服务
  • 定时任务：每天自动爬数据、发报告、备份文件
  • 跨平台协同：一边在 Telegram 聊工作，一边让 AI 处理后台任务

5. 适合团队/社群

  • 把 OpenClaw 放进 Telegram 群组，团队成员都能调用 AI 助理
  • 用 Forum Topics 做 任务隔离，不同话题对应不同自动化流程
  • 适合跨境团队、远程协作、社群运营，全球都能用
Telegram 注册安装

1. 安装 App

App Store 搜索 "Telegram"，点击安装。

2. 注册 Telegram

可以使用中国手机号，也可以使用美国手机号注册。

3. 添加 BotFather

在搜索栏里输入 @botfather，这是 Telegram 的官方机器人。

4. 创建 Bot 机器人

输入指令 /newbot 创建机器人，Telegram 会要求添加名称和账号，自定义即可。设置完成后会返回 Bot Token，OpenClaw 设置 Telegram bot token 的时候会用到。

5. 生成 Pair Code

在 @botfather 下输入 /start，产生 pair code。

在服务器输入 openclaw pairing approve telegram <你的 code>，完成 Telegram 与 OpenClaw 的配对。

6. 开始奇妙之旅

现在你可以在 Telegram 中与 Openclaw 对话，并安排它干活啦。

🐦 案例 4：海外社媒（Twitter/X）自动化运营系统

一、创建 Twitter App

访问 Twitter Developer Portal

https://developer.twitter.com/en/portal/dashboard，申请成为开发者。

创建新 App（或使用现有 App）

⚠️ 注意：要充值，否则只能接受，无法发文。

设置 Key

进入 App Settings → User authentication settings → Edit

配置：

获取相关 key
  • Consumer Key
  • Secret Key
  • Bearer Token
  • Client ID
  • Client Secret
配置 Twitter 凭证

创建配置文件：/root/clawd/twitter_config.json

json 复制代码 
{
  "consumer_key": "你的 API_Key",
  "consumer_secret": "你的 API_Key_Secret",
  "bearer_token": "你的 Bearer_Token",
  "client_id": "你的 Client_ID",
  "client_secret": "你的 Client_Secret"
}

二、创建授权脚本

文件位置：/root/clawd/twitter_oauth2_manual.py

python 复制代码 
#!/usr/bin/env python3
"""
Twitter OAuth 2.0 手动授权脚本（无浏览器版本）
"""
import requests
import base64
import json
import urllib.parse

# 替换为你的 Twitter App 凭证
CLIENT_ID = "你的_CLIENT_ID"
CLIENT_SECRET = "你的_CLIENT_SECRET"
REDIRECT_URI = "http://127.0.0.1:8080/callback"

def main():
    print("🚀 Twitter OAuth 2.0 手动授权流程\n")
    print("=" * 70)
    
    # Step 1: 生成授权 URL
    auth_url = (
        f"https://twitter.com/i/oauth2/authorize?"
        f"response_type=code&"
        f"client_id={CLIENT_ID}&"
        f"redirect_uri={urllib.parse.quote(REDIRECT_URI)}&"
        f"scope=tweet.read%20tweet.write%20users.read%20offline.access&"
        f"state=state123&"
        f"code_challenge=challenge&"
        f"code_challenge_method=plain"
    )
    
    print("\n📱 步骤 1：请在你的电脑/手机浏览器中打开以下链接：\n")
    print(auth_url)
    print("\n" + "=" * 70)
    
    print("\n📱 步骤 2：登录 Twitter 并授权")
    print("   授权后，浏览器会跳转到一个无法访问的页面")
    print("   这是正常的！\n")
    
    print("📱 步骤 3：复制浏览器地址栏的完整 URL")
    print("   URL 格式类似：")
    print("   http://127.0.0.1:8080/callback?code=XXXXXXXX&state=state123\n")
    
    print("=" * 70)
    
    # 获取用户输入的回调 URL
    callback_url = input("\n请粘贴完整的回调 URL：").strip()
    
    # 解析授权码
    try:
        parsed = urllib.parse.urlparse(callback_url)
        params = urllib.parse.parse_qs(parsed.query)
        auth_code = params['code'][0]
        print(f"\n✅ 成功提取授权码：{auth_code[:20]}...\n")
    except Exception as e:
        print(f"\n❌ 解析失败：{e}")
        print("请确保复制了完整的 URL！")
        return
    
    # Step 3: 用授权码换取 Access Token
    print("🔄 正在获取 Access Token...\n")
    
    token_url = "https://api.twitter.com/2/oauth2/token"
    
    # Basic Auth
    credentials = f"{CLIENT_ID}:{CLIENT_SECRET}"
    b64_credentials = base64.b64encode(credentials.encode()).decode()
    
    headers = {
        "Authorization": f"Basic {b64_credentials}",
        "Content-Type": "application/x-www-form-urlencoded"
    }
    
    data = {
        "code": auth_code,
        "grant_type": "authorization_code",
        "redirect_uri": REDIRECT_URI,
        "code_verifier": "challenge"
    }
    
    response = requests.post(token_url, headers=headers, data=data)
    
    if response.status_code == 200:
        tokens = response.json()
        print("✅ 成功获取 Access Token！\n")
        print("=" * 70)
        print("📋 Token 信息：\n")
        print(f"Access Token: {tokens['access_token']}\n")
        print(f"Refresh Token: {tokens.get('refresh_token', 'N/A')}\n")
        print(f"Token Type: {tokens.get('token_type', 'N/A')}")
        print(f"Expires In: {tokens.get('expires_in', 'N/A')} seconds")
        print("=" * 70)
        
        # 保存到文件
        with open('/root/clawd/twitter_tokens.json', 'w') as f:
            json.dump(tokens, f, indent=2)
        print("\n💾 Token 已保存到：/root/clawd/twitter_tokens.json")
        
        # 测试发推
        print("\n🧪 测试发推功能...\n")
        test_tweet(tokens['access_token'])
        
    else:
        print(f"❌ 获取 Token 失败：{response.status_code}")
        print(f"错误信息：{response.text}")

def test_tweet(access_token):
    """测试发推"""
    url = "https://api.twitter.com/2/tweets"
    
    headers = {
        "Authorization": f"Bearer {access_token}",
        "Content-Type": "application/json"
    }
    
    data = {
        "text": "🤖 测试推文 - OpenClaw AI 助手已成功连接！#AI #OpenClaw"
    }
    
    response = requests.post(url, headers=headers, json=data)
    
    if response.status_code == 201:
        tweet_data = response.json()
        tweet_id = tweet_data['data']['id']
        print(f"✅ 测试推文发送成功！")
        print(f"🔗 查看推文：https://twitter.com/user/status/{tweet_id}")
    else:
        print(f"❌ 发推失败：{response.status_code}")
        print(f"错误信息：{response.text}")

if __name__ == "__main__":
    main()

三、获取 Access Token

服务器执行命令：

bash 复制代码 
cd /root/clawd
python3 twitter_oauth2_manual.py

按照提示操作：

  1. 复制授权链接到浏览器
  2. 登录并授权
  3. 复制回调 URL（虽然页面打不开，但 URL 是对的）
  4. 粘贴回终端

成功后会生成 /root/clawd/twitter_tokens.json

四、创建发推脚本

文件位置：/root/clawd/post_ai_news.py

python 复制代码 
#!/usr/bin/env python3
"""
自动发布 AI 新闻到 Twitter
"""
import requests
import json
from datetime import datetime

def search_ai_news(api_key):
    """使用 Tavily 搜索 AI 新闻"""
    response = requests.post(
        'https://api.tavily.com/search',
        json={
            'api_key': api_key,
            'query': 'AI artificial intelligence news today 2026',
            'search_depth': 'basic',
            'max_results': 3
        }
    )
    
    if response.status_code == 200:
        return response.json().get('results', [])
    return []

def post_tweet(access_token, text):
    """发送推文"""
    url = "https://api.twitter.com/2/tweets"
    
    headers = {
        "Authorization": f"Bearer {access_token}",
        "Content-Type": "application/json"
    }
    
    response = requests.post(url, headers=headers, json={'text': text})
    
    if response.status_code == 201:
        tweet_data = response.json()
        tweet_id = tweet_data['data']['id']
        return True, tweet_id
    else:
        return False, response.text

def main():
    # 读取 Token
    with open('/root/clawd/twitter_tokens.json', 'r') as f:
        tokens = json.load(f)
    
    access_token = tokens['access_token']
    
    # Tavily API Key（替换为你的）
    tavily_api_key = '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'
    
    print('🔍 正在搜索今天的 AI 新闻...\n')
    
    results = search_ai_news(tavily_api_key)
    
    if results:
        # 取第一条新闻
        top_news = results[0]
        title = top_news.get('title', '')
        url = top_news.get('url', '')
        content = top_news.get('content', '')[:150]
        
        # 构建推文
        tweet_text = f'''🤖 今日 AI 要闻

{title}

{content}...

🔗 {url}

#AI #ArtificialIntelligence #Tech'''
        
        # 检查长度（Twitter 限制 280 字符）
        if len(tweet_text) > 280:
            tweet_text = f'''🤖 {title[:100]}...

🔗 {url}

#AI #Tech'''
        
        print(f'📝 推文内容：\n{tweet_text}\n')
        print('=' * 60)
        
        # 发送推文
        print('\n📤 正在发送推文...\n')
        
        success, result = post_tweet(access_token, tweet_text)
        
        if success:
            print(f'✅ 推文发送成功！')
            print(f'🔗 查看推文：https://twitter.com/user/status/{result}')
        else:
            print(f'❌ 发推失败：{result}')
    else:
        print('❌ 没有找到相关新闻')

if __name__ == "__main__":
    main()

五、测试发推

服务器执行命令：

bash 复制代码 
cd /root/clawd
python3 post_ai_news.py

六、设置定时任务（可选）

方法 1：使用 cron
bash 复制代码 
# 编辑 crontab
crontab -e

# 添加定时任务（每天早上 9 点发推）
0 9 * * * cd /root/clawd && python3 post_ai_news.py >> /root/clawd/twitter_post.log 2>&1
方法 2：使用 OpenClaw Heartbeat

编辑 /root/clawd/HEARTBEAT.md：

markdown 复制代码 
# HEARTBEAT.md

## 每日 AI 新闻推文

每天检查一次（约 9:00 UTC）：
- 读取 `memory/last_tweet_date.txt`
- 如果不是今天，运行 `python3 /root/clawd/post_ai_news.py`
- 更新日期文件

七、整体文件结构

bash 复制代码 
/root/clawd/
├── twitter_oauth2_manual.py    # 授权脚本
├── twitter_tokens.json          # Token 文件（自动生成）
├── post_ai_news.py              # 发推脚本
└── twitter_post.log             # 日志文件（可选）

八、Token 刷新（重要！）

Twitter OAuth 2.0 Token 有效期为 2 小时，需要定期刷新。

创建刷新脚本： /root/clawd/refresh_twitter_token.py

python 复制代码 
#!/usr/bin/env python3
"""
刷新 Twitter Access Token
"""
import requests
import base64
import json

CLIENT_ID = "你的_CLIENT_ID"
CLIENT_SECRET = "你的_CLIENT_SECRET"

def refresh_token():
    # 读取当前 Token
    with open('/root/clawd/twitter_tokens.json', 'r') as f:
        tokens = json.load(f)
    
    refresh_token = tokens['refresh_token']
    
    # 刷新 Token
    token_url = "https://api.twitter.com/2/oauth2/token"
    
    credentials = f"{CLIENT_ID}:{CLIENT_SECRET}"
    b64_credentials = base64.b64encode(credentials.encode()).decode()
    
    headers = {
        "Authorization": f"Basic {b64_credentials}",
        "Content-Type": "application/x-www-form-urlencoded"
    }
    
    data = {
        "refresh_token": refresh_token,
        "grant_type": "refresh_token"
    }
    
    response = requests.post(token_url, headers=headers, data=data)
    
    if response.status_code == 200:
        new_tokens = response.json()
        
        # 保存新 Token
        with open('/root/clawd/twitter_tokens.json', 'w') as f:
            json.dump(new_tokens, f, indent=2)
        
        print("✅ Token 刷新成功！")
    else:
        print(f"❌ Token 刷新失败：{response.status_code}")
        print(response.text)

if __name__ == "__main__":
    refresh_token()

添加到 cron（每小时刷新一次）：

bash 复制代码 
0 * * * * cd /root/clawd && python3 refresh_twitter_token.py >> /root/clawd/token_refresh.log 2>&1

九、完整检查清单

  • ✅ Twitter Developer Account（已付费）
  • ✅ 创建 Twitter App
  • ✅ 配置 OAuth 2.0（Read and Write）
  • ✅ 添加回调 URL
  • ✅ 创建授权脚本
  • ✅ 运行授权获取 Token
  • ✅ 创建发推脚本
  • ✅ 测试发推功能
  • ✅ 设置定时任务
  • ✅ 配置 Token 自动刷新

十、关键注意事项

  • ⚠️ Client ID 和 Client Secret 必须替换为你自己的
  • ⚠️ Tavily API Key 需要替换（或使用其他新闻源）
  • ⚠️ Token 有效期 2 小时，必须定期刷新
  • ⚠️ 推文长度限制 280 字符
  • ⚠️ Twitter API 有速率限制（Basic Plan: 50 推文/24 小时）

十一、常见问题

Q: Token 过期怎么办？

A: 运行 refresh_twitter_token.py 或重新授权

Q: 发推失败 401 错误？

A: Token 过期，需要刷新

Q: 发推失败 403 错误？

A: 检查 App 权限是否为 Read and Write

Q: 如何更换新闻源？

A: 修改 post_ai_news.py 中的 search_ai_news() 函数

🎯 阶段总结

通过第三阶段的 4 个案例学习，你已经掌握了：

✅ 多 Agent 协作系统 ：打造 AI 智能体军团，实现专业分工

✅ 技能库与角色调优 ：让每个 AI 都术业有专攻

✅ 海外服务器部署 ：Hetzner + OpenClaw + Telegram 全球化方案

✅ Twitter 自动化运营：从 0 到 1 搭建海外社媒自动发布系统

核心理念：

技能库是 Agent 的"硬实力"，角色定义是 Agent 的"软实力"，二者结合才能实现"术业有专攻"的多 Agent 协作。

下一步： 持续实践，将所学技能应用到你的实际业务场景中，打造属于你自己的 AI 智能体生态系统！

相关推荐
KG_LLM图谱增强大模型2 小时前
[350页特训讲义]从会用到会教：AI时代企业转型与AI讲师教练孵化全攻略
人工智能
IT 行者2 小时前
每天了解几个MCP SERVER：Slack
人工智能·microsoft·mcp
QiZhang | UESTC2 小时前
《A Neural Probabilistic Language Model》神经网络与语言模型的初次会面
人工智能·神经网络·语言模型
jeffsonfu2 小时前
深度神经网络的结构拆解：通用逼近器是如何工作的
人工智能·神经网络·dnn
一水鉴天2 小时前
“活结-活络-活扩”：一种面向数据价值升维与业务敏捷演进的系统架构元模型 20260310 之2（元宝）
人工智能·系统架构
做怪小疯子2 小时前
AI大模型RAG与Agent开发学习
人工智能·学习
成都它思科技有限公司2 小时前
SPMI@SLT2021: 基于直通梯度的高效神经结构搜索与端到端语音识别融合
人工智能·语音识别
HeartJoySpark2 小时前
Spring Boot 接入本地大模型：Spring AI 整合 Ollama 实现智能对话教程
人工智能·spring boot·spring·ai
程序员小杰@2 小时前
MemoleCard魔卡：以AI之力，让知识共享成为美学之旅
人工智能
热门推荐
01GitHub 镜像站点02OpenClaw 使用和管理 MCP 完全指南03本地部署 OpenClaw + DeepSeek-R1 完全指南04得物前端部门，没了05OpenClaw 连接飞书完整指南：插件安装、配置与踩坑记录06OpenClaw 飞书机器人不回复消息？3 小时踩坑总结07Window 10部署openclaw报错node.exe : npm error code 12808OpenClaw macOS 完整安装与本地模型配置教程（实战版）09npm-error code 128问题解决方法10OpenClaw 接入 QQ Bot 完整实践指南