OpenClaw 多智能体实战手册：从云端部署、技能体系到一句话生成网页，把"一人公司"做成可落地的自动化班底

本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

一句话先把结论端出来：OpenClaw 不是又一个聊天机器人，它是一个能"动手干活"的 AI 智能体运行环境——你给它一个家（服务器或云电脑）、一个大脑（大模型 API）、一条通道（飞书这类即时通讯）、几套技能（skill）和一份记忆，它就能在你睡觉的时候帮你抓热点、写稿、排版、做网页、跑定时任务。整套东西不需要你会写代码，绝大多数操作就是"用一句话指挥它"。 我自己折腾下来的体会是：真正的门槛不在安装，而在三件事——选对部署方式、把技能装得安全、以及学会"调教"它。这篇就按"是什么 → 部署 → 大脑 → 通道 → 技能 → 多智能体 → 记忆 → 定时 → 自建技能 → 做网页"的顺序，一步步拆透，全程用国内可访问、可合规落地的方案来讲。

我把它当成一套"自动化班底"来用：与其追求虚头巴脑的"一人公司"，不如把公司每个环节都留一个最懂行的人，再配一批各管一摊的专精智能体，人去做策划和规划，机器去做重复执行。后面我会把多智能体怎么拆、技能怎么自己写、网页怎么一句话生成全部演示一遍。想看完整拆解，往下翻。

一、先把 OpenClaw 说清楚：它到底是个什么东西

我见过太多人第一次听到 OpenClaw，脑子里冒出来的画面是"哦，又一个 ChatGPT"。这个理解偏差，会让你后面所有的操作都拧巴，所以咱们花点篇幅把它的本质讲明白。

OpenClaw 是一个开源的 AI 智能体运行框架。它最早冒头大概是在 2026 年的年初，真正火起来大概在三月前后。它的走红有点"突然"，原因其实很朴素：在它之前，你想让一个 AI 真正帮你"办事"，往往得懂技术、会写代码、会配环境；而 OpenClaw 把门槛砸到了地板上——只要你有一台电脑或者一台云上的桌面，跟着步骤配一遍，就能拥有一个属于自己的、能持续干活的智能体。

它流传最广的一个起源小故事是这样的：一位卖掉了自己公司、在家闲着的程序员，某天随手给自己的 AI 发了一段语音，布置了个任务。按理说那个程序原本并不具备处理语音、自主找资料的能力，结果它不声不响地理解了意图，自己跑到网上去找方法、学技能，最后把活给干完了。这个故事真假先不论，但它点出了 OpenClaw 最核心的一个气质：它会自己去"找技能、学方法、再执行"，而不是干等着你手把手喂。

它本身没有智慧，是个"身体"不是"大脑"

这里有个特别关键、新手最容易误会的点，我用大白话说清楚：

OpenClaw 本身是不具备推理能力的。 你刚把它装好的那一刻，它就像一个刚买回来、还没拆封说明书的工具——徒有其表。它能"变形"成各种角色，但它自己不会思考。真正让它"活"过来，靠的是你给它配齐下面这五样东西。我把它总结成"五件套"：

理解了这张表，你就理解了这篇文章接下来所有章节的脉络——剩下的每一章，本质上都是在教你怎么把这五件套一个个配好。

它和豆包、DeepSeek 这类聊天工具，差在哪

这是被问得最多的问题。我自己的总结很简单：普通的大模型只有"脑子"，OpenClaw 在脑子之外还长了"手脚"。

你去问豆包、DeepSeek、Kimi"帮我发一篇公众号文章""帮我抓一下今天的实时热榜"，它们大概率只能告诉你"你应该这么做、那么做"——它给你的是方法，活还得你自己一步步去干。这其实有点反直觉：AI 来了，人不一定变轻松，反而可能更累，因为你成了那个执行的人。而 OpenClaw 接上技能之后，它能直接替你把这件事做掉，这是它生产力价值的核心来源，也是它能爆火的根本原因之一。

第二个差别是记忆。你跟一般的聊天工具聊上几十万字，聊到后面它常常就"失忆"了，把你两周前交代的事忘得一干二净，甚至开始胡言乱语。OpenClaw 不太一样，它有"沉淀"——会把跟你的关键对话写进自己的记忆文件，越聊越懂你。这一点后面第九章我会专门展开。

顺手提一句合规层面的事：现在国内外都有不少同类产品，国内的 Kimi、通义千问、豆包等都有各自的方案。无论你后面接的是国内还是境外的大模型，境外模型的使用都需要遵守国内网络与内容管理的相关规定，这条我会在讲"大脑"那一章再强调一次。

把这一节读完，你心里应该已经有了个清晰的画面：OpenClaw = 一个会自己找技能干活、还带长期记忆的"数字员工底座"。接下来，咱们先不急着动手，先想清楚一个更上层的问题——你到底要它替你干嘛。

二、"一人公司"还是"一人部门"：先想清楚要它干嘛

网上这两年特别流行一个词，叫"一人公司"。意思是一个人借助 AI，把一整家公司该干的活全包了。这个概念很有煽动性，但我（莫潇羽）想给它泼一点冷水，也顺便把"我们到底图它什么"这件事捋顺。

与其追求"一人公司"，不如做"一人部门"

我的看法是：纯粹的"一人公司"很难真正落地。原因也不复杂——一家公司从基层到顶层，决策、眼光、格局、资源、跨部门协作、每个岗位的业务细节，要一个人全都亲力亲为、样样精通，几乎不可能。

更现实、也更值得普通人去做的，是"一人部门"：公司里每一个环节，你只保留一个最懂这块业务流程、懂跨部门怎么配合的人。这个人不去做重复劳动，他的任务是去"规划业务流程 + 调教智能体"。把流程理顺、把智能体训练好，剩下的重复执行就交给一批智能体去协同完成。人负责"想"，机器负责"做"，这才是当下能稳稳吃到的红利。

我必须把话说在前头：这篇文章自始至终不谈盈利话术。 我更愿意把 OpenClaw 的价值落在这几个词上——实操体验、效率提升、能力成长、个人成长。它能帮你把原本要熬到凌晨的重复活儿压缩成几条指令，把你的时间还给你，这本身就足够香了。至于其它，那不是技术文该承担的内容，咱们就事论事讲技术。

多智能体的核心思路：专精拆分，而不是堆一个全能体

这是整套玩法里最重要的一个心法，先在这里埋个伏笔，第八章会手把手实操。

一个常见的新手错误，是想做一个"无所不能"的超级智能体，什么活都丢给它。结果往往很糟。正确的思路是反过来的：与其养一个样样稀松的全能体，不如拆成几个各管一摊的专精体。 比如：

• 一个专门做客服答疑；
• 一个专门盯实时热点、当"一线情报员"；
• 一个专门写公众号、排版、配图；
• 一个专门写代码、做网页；
• 再来一个"总控"，由它来帮你新建和指挥其它智能体。

为什么非要拆开？这里有个很硬核的成本原因，新手务必记住：模型是按"上下文"长度收费的，上下文越大越费钱。 如果你把客服、写稿、抓数据、写代码全塞进一个智能体，它的上下文会被撑得巨大，既烧 token，回答质量还会下降——因为它要同时记住的杂事太多，容易乱。拆成专精体之后，每个智能体的上下文都很干净，省钱、回答还准。

反面做法（不推荐）：
   ┌─────────────────────────────┐
   │   一个"全能体"               │
   │  客服 + 写稿 + 抓数据 + 写代码 │  → 上下文爆炸、烧钱、还容易乱
   └─────────────────────────────┘

正面做法（推荐）：
   ┌────────┐  ┌────────┐  ┌────────┐  ┌────────┐
   │ 客服体 │  │ 情报体 │  │ 写稿体 │  │ 前端体 │
   └────┬───┘  └────┬───┘  └────┬───┘  └────┬───┘
        └───────────┴────┬──────┴───────────┘
                    ┌────┴────┐
                    │  总控体  │  ← 由它统一调度、新建其它智能体
                    └─────────┘

你甚至可以把多个智能体拉进同一个飞书群里，让它们在群里互相拆分工作、互相布置任务，形成一个小小的"协作班底"。这套"班底"怎么搭，是本文后半程的重头戏。在那之前，咱们得先把第一个智能体从零跑起来——下一章，先给它安个家。

三、给智能体安个"家"：本地部署还是云端部署

智能体得有个地方"住"，才能开机干活。这就好比公司招了个需要包住的员工，你得给他安排个住处。OpenClaw 的"住处"有两条路：住你自己家（本地部署），或者租个房子给它住（云端部署）。

本地部署：用一台自己的机器

如果你家里正好有闲置的电脑，尤其是苹果的小主机这类小巧又省电的机器，可以把 OpenClaw 装在本地。它的好处是数据完全在自己手里，长期用下来也不额外掏租金。

要专门买一台的话，社区里常被提到的是苹果的 Mac mini 这类小主机。这里我得插一句关于价格的缓冲：硬件价格这一年波动很大，内存、硬盘时不时就涨一波，具体多少钱请以官方和正规渠道的实时报价为准，本文写稿时的数字仅供参考。 我自己第一次折腾就是在本地部署的，老实讲，那会儿没教程、没人带，我从早装到晚，光是让一只智能体能跟我说上第一句话，前前后后花了差不多一天。所以如果你是纯新手，我不太推荐一上来就硬刚本地——配置、电脑型号千差万别，遇到问题很难一一照顾到。

云端部署：新手更推荐，省心还合规

对新手来说，我更推荐云端。相当于你在云上"租一套房"给智能体住，配置统一、出问题好排查。国内比较省心的一个选择是阿里云的无影云电脑。

简单科普一下：无影云电脑（官方现名 Elastic Desktop Service，原名无影云桌面）是阿里云提供的一种"云上桌面"服务，属于桌面即服务（DaaS，Desktop as a Service）。说人话就是——它是一台跑在云端的电脑，你通过客户端、甚至微信/支付宝小程序远程连上去用，所有计算和数据都在云端，本地终端不留存业务数据。它还有个对我们很关键的特性：安全接入网关会把云电脑网络和公共网络隔离开，也就是说它默认不是开在公网上对外提供服务的，这一点对合规和数据安全都很友好。

无影云电脑分个人版和企业版，新用户一般有免费试用时长（这两年从三个月调整到了一个月左右，并赠送一定核时），收费也分黄金、白金、铂金等不同档位。同样上价格缓冲：云服务的资费和活动变动非常快，上面只是写稿时的近似情况，请以阿里云官方页面的实时定价为准。 腾讯云等也有类似的云上方案，思路是一样的。

下面这张表，帮你快速决定走哪条路：

一条合规红线：别把它开放到公网

不管你选哪条路，有一句话请刻在脑子里：配置的时候，不要把服务直接开放到公网、让所有人都能访问。 OpenClaw 如果不做特殊防范，又把网络全开着，是有可能被人钻空子、被植入恶意内容的——毕竟它涉及你的电脑和财产安全。无影云电脑这类方案因为本身有公网隔离，相对省心；但只要是你自己手动配置，尤其是配到自己电脑上的时候，这道防线一定要守住。这部分安全细节，等讲到技能投毒那一节我会再展开。

四、给它装个"大脑"：模型与 API 密钥

家安好了，接下来给它装大脑。OpenClaw 自己不会思考，思考这件事是外接的大模型在干。

国内可选的大模型

国内能直接接入、用着也顺手的大模型不少，常见的有 Kimi（月之暗面）、DeepSeek、豆包（字节）、智谱（GLM 系列）、通义千问（Qwen）等。它们各有侧重：有的中文写作流畅，有的代码能力强，有的推理见长。一个实用经验是——如果你这台智能体主要拿来写代码、做网页、跑自动化这类"要动手"的任务，就尽量选工具调用和自动化能力更强、出效果更稳的模型；纯写文案，则更看重中文的细腻度。

在 OpenClaw 里配置模型，写法是 provider/model 这种"供应商/模型名"的格式，举个例子：

// openclaw.json 配置片段（示意）
{
  "agents": {
    "defaults": {
      "model": "moonshotai/kimi-k2",   // 供应商/模型名，按你实际接入的来
      "models": ["moonshotai/kimi-k2"]
    }
  }
}

如果模型 ID 里本身带斜杠，记得把供应商前缀一起写上，免得解析出错。具体支持哪些供应商、模型 ID 叫什么，以你接入的服务商文档为准。

API 密钥是什么：用"外卖门牌号"理解

第一次接触 API 的朋友，我用个生活里的例子解释清楚。你在家点外卖，得写清楚"几号楼几号门、门牌号"，外卖小哥才能照着这个地址找到你。API 就有点像这套"门牌号 + 取货规则"：你把模型服务商给你的那串密钥（API Key）配进去，OpenClaw 才知道该去"敲哪扇门"、用谁的脑子来思考。

所以接大脑这一步，本质就两件事：去模型服务商那里申请一个 API 密钥，然后把这串密钥填进 OpenClaw 的配置里。密钥就是你的"钥匙",务必妥善保管——这一点在安全那章会反复强调，因为恶意技能最爱偷的就是它。

两条务必记住的提醒

• 合规提醒： 接入境外大模型时，使用需遵守国内网络与内容管理的相关规定；优先考虑国内合规、可直连的模型服务，能省掉很多不必要的麻烦。
• 价格提醒： 大模型 API 普遍按调用量、按 token 计费，资费和套餐变动很快。本文不报具体价，请以各服务商官方定价页的实时数据为准。控制成本的关键，是后面会讲的"专精拆分 + 控制上下文 + 别滥设高频定时任务"。

五、接上"通道"：用飞书把智能体接进日常

大脑装好了，但你总不能一直盯着终端跟它打字。"通道"解决的就是——你用什么入口跟它聊、它把结果回到哪里。国内最顺手、也合规的选择，我用的是飞书。把智能体接进飞书机器人之后，你在手机上、聊天框里就能随时指挥它，它干完活也直接把消息推回给你，体验跟跟同事聊天没区别。

在飞书开放平台创建应用、开通权限

流程大致是这样的（以飞书开放平台后台为准，界面偶有更新）：

1. 在飞书开放平台创建一个企业自建应用；
2. 给这个应用开通权限。这里要注意区分"应用身份"和"用户身份"两类权限，按你要让机器人干的事去勾选——比如要它收发消息，就得给到对应的消息权限。新手别嫌烦，一个个勾，把需要的都开上；
3. 拿到这个应用的两把"钥匙"：App ID 和 App Secret。这两串东西是 OpenClaw 认领这个飞书机器人的凭证，后面配置和绑定都要用到，记得复制好、保管好。

飞书侧需要准备好的三样东西：
  ├─ App ID        （应用的身份证号）
  ├─ App Secret    （应用的密钥，等同钥匙，别外泄）
  └─ 已开通的权限   （决定机器人能干哪些事）

绑定之后，用一句话验证是否打通

把 App ID、App Secret 配进 OpenClaw、完成绑定之后，怎么知道通没通？方法特别朴素——在飞书里给这个机器人发一句"你好，你是谁？"。

• 如果它回你了，说明你的大脑（模型）配置和飞书通道都接通了，恭喜，地基打好了；
• 如果它不理你，多半是前面大脑那一步的模型配置有问题，回去检查模型和密钥。

这个"发一句话试通断"的习惯，后面每新建一个智能体我都会做一遍，它是最快、最不会骗你的验证方式。通道接好了，下一章咱们就把"从打开终端到第一句对话"的完整动手流程走一遍。

六、动手部署：从打开终端到第一句对话

前面都是铺垫，这一章真正动手。别紧张，整个过程我尽量做到"傻瓜级"，看不懂的地方多读两遍、跟着走就行。

第一步：打开终端

OpenClaw 的安装和很多操作是在终端里敲命令完成的。打开终端我给你两个办法，二选一：

• 办法一（界面党）： 点屏幕左下角那个九宫格（九个点）的图标，里面找到"终端"点开。如果你的系统是英文版，看图标认就行。
• 办法二（命令党）： 直接在命令行里敲命令。

我个人更喜欢在终端里盯着装，因为安装过程中遇到的各种问题、它装到哪一步了，都能实时看到，心里有底。

第二步：初始化与启动

首次部署，推荐先跑一次初始化，让它把工作区和配置文件准备好；之后用 TUI（文本界面）模式把它跑起来。命令大致是这样（以官方文档的最新命令为准）：

# 初始化：生成配置文件、初始化工作区文件
openclaw setup

# 以文本界面方式启动
openclaw tui

敲下回车，它就开始往里装了。安装会持续一小会儿，期间你会看到它在做安全自检——OpenClaw 与 VirusTotal 有合作，安装技能时会帮你扫一遍，看看有没有问题。这也是它"风控"能力的一部分，后面安全那节细说。

第三步：认真填"亲密名称"和身份信息

装好后第一次对话，它通常会问你：给它取个什么名字、你的身份是什么、你希望它怎么称呼你、用什么口吻跟你说话。

这一步千万别三抓两扫地敷衍过去。 我（莫潇羽）踩过的坑就是：一开始随便填，后面发现它越用越"不顺手"。原因在于——你和它的第一句对话，会被写进它的记忆/身份文件里，成为它"认识你"的起点。你愿意多说一点，把你的习惯、偏好、想要它扮演的角色都讲清楚，它后面就越懂你。比如你可以告诉它"你是一位负责帮我盯实时热点的一线情报员，回复要简洁、带链接"，这种清晰的设定，效果远胜过一句"你帮我干活"。

第四步：验证

回到飞书，发那句熟悉的"你好，你是谁？"。它回你了，部署就算跑通了。

最后给纯新手吃颗定心丸：玩不坏的，大胆试。 你这台机器现在是全新的，还没被你"调教"过，记忆也很干净。万一真把哪儿弄坏了，大不了把昨天配置飞书那一套重新做一遍、重置一下就好，不会有什么不可挽回的后果。一步一步去做、去试，比看十遍教程都管用。

七、技能（skill）体系：智能体的"操作手册"

到这儿，你手里已经有一个能聊天的智能体了。但你很快会发现一个问题：它现在只会跟你"说"，还不会替你"做事"。 这就像一个人只有灵魂和头脑，却没有手脚——它没办法帮你抓热榜、发文章、做网页。给它装上"手脚"的东西，就是技能（skill）。

什么是 skill：一份给 AI 看的"操作手册"

一个技能，本质上就是一份结构化的操作手册，告诉智能体"遇到某类任务，该怎么一步步干、该调用什么工具"。在 OpenClaw（以及 Claude Code、Cursor 等几十种采纳了同一套 AgentSkills 规范的运行时）里，一个技能就是一个文件夹，核心是里面那个 SKILL.md 文件。一个典型的技能目录长这样：

SKILL.md 的开头那段信息很关键，最起码要有两样：name（技能叫什么）和 description（它是干嘛的、什么时候该用它）。智能体就是靠 description 来判断"这次任务要不要调用这个技能"的，所以描述写得越清楚，它越不会用错。

为什么技能要用 Markdown 来写

很多新手会嘀咕：为啥非得敲 #、## 这些符号，多麻烦。原因是——这些结构化的标记是写给 AI 读的。 AI 读文字的方式和我们人有点不一样，加了一级标题、二级标题、列表这些层级结构之后，它能更准确地理解内容的归属和层次。一个井号是一级标题，两个井号是二级标题，无序列表用来罗列要点……这套语法在记忆文件、技能文件里都通用，目的只有一个：让 AI 读得更明白。顺带一提，给人看的内容（比如公众号、网页）最终也是从这种 Markdown 结构渲染成漂亮排版的，它是很多内容的"底层骨架"。

怎么安装技能

OpenClaw 有公开的技能市场 ClawHub，社区里现成的技能数量很可观（早已是几千个量级）。安装方式有几种，常见的是用命令直接装，或者把某个技能仓库的安装命令丢给你的智能体、让它自己去下载：

# 用 OpenClaw 自带命令安装一个技能
openclaw skills install <技能名>

# 或者用 npx 从仓库地址安装
npx skills add <仓库地址>

更轻松的玩法是：你在技能页面复制好安装命令，直接在飞书里跟智能体说"帮我安装这个技能"，把命令贴给它，它就自动下载好了。装完之后，你还可以把某个技能的网址发给它，让它帮你检查这个技能有没有缺脚本、功能是否完整。

挑技能有个我一直用的土办法，叫 "100/3 原则"：优先选下载量过百、且活跃维护三个月以上的技能。下载量高、维护久，踩雷的概率就小得多。别迷信"越新越好"，刚出炉几小时的技能反而风险更高。

这一节最重要：技能投毒与提示词注入

下面这段是安全红线，请务必读完，它能帮你避开真金白银的损失。

技能虽好，但它本质上是别人写的、会被你的智能体直接执行的代码和指令，所以来源不干净的技能，是有可能"投毒"的。最典型的两种风险：

• 提示词注入（prompt injection）： 打个比方，就像有人在套你的话，而你听不出来对方在套，结果把不该说的密钥、隐私一股脑告诉了它。恶意技能里可能藏着一段隐蔽指令，趁你的智能体调用它的时候，把你的 API 密钥、配置信息偷偷发到外部的某个链接去。
• 工具投毒 / 隐藏恶意载荷： 技能里夹带恶意脚本，一旦你的智能体用上它，轻则配置被搞坏，重则密钥外泄、费用莫名其妙暴涨。

这不是吓唬人。2026 年初社区里就发生过一次较大的技能投毒事件（被称为 ClawHavoc），属于真实案例，专门给智能体用的某些社交/分享平台上也出现过大量投毒。所以请记住这几条自保动作：

1. 只从可信、可审计的来源装技能，优先官方技能市场里下载量高、维护久的（回到"100/3 原则"）；
2. 装之前先看一眼 SKILL.md 的内容，OpenClaw 借助 VirusTotal 会帮你做安全扫描，技能页面上能看到扫描报告，被标记有风险的，掉头就走；
3. 不要把智能体暴露到公网，配置时收紧网络权限；
4. 密钥是你的命根子，定期留意有没有异常调用。

把安全这根弦绷住，你就能放心大胆地用技能给智能体"装手脚"了。下一章，咱们把多个智能体协同起来，真正搭出第二章说的那套"班底"。

八、多智能体实战：手把手拆出一个专精体

第二章我埋了个伏笔——专精拆分。这一章就把它落地：怎么从一个智能体，扩展成一支各管一摊的"班底"。

先理解协作结构

成熟的玩法是"一个总控 + 若干专精体"。我自己的配置里，有专门做客服的、专门写命理类公众号的（这只是举个题材例子）、专门出视频文案的、专门写代码的，最上面还有一只"总控"。总控的妙处在于：我把所有新建智能体的工作流程都调教进它脑子里之后，我只要跟总控说一句"帮我新建一个叫某某、负责干某事的智能体"，它就能自己把新智能体配好。 当然，这种全自动是建立在你已经把它训练得很熟的基础上，新手还是先一步步手动来。

你也可以把多个智能体拉进同一个飞书群，让它们在群里互相布置、拆分工作。要提醒一句细节：群里的智能体和你私聊的智能体，如果不做打通，它们之间的消息是不互通的，相当于两个人。 这点不调试好，很容易困惑。

手动新建一个专精体：完整七步

下面以新建一个"学员"角色的智能体为例（就叫它"小白"，设定成一个正在学习 OpenClaw 的学员，平时帮新人答疑），把通用步骤走一遍。每一步的命名你都换成自己的即可。

1. 准备工作区并命名。 复制一份智能体的工作区配置，把里面那个标识（比如默认的 ops）统一改成你的专属名字，比如 xiaobai。关键：同一个智能体涉及的几处后缀/标识必须保持一致，否则它会"精神分裂"。建议一次只创建一个，别一口气建好几个，容易把主谓宾搞乱。
2. 设好 agent 标识、显示名、表情。 给它一个程序里用的 id、一个中文显示名（比如"学员小白"），表情（emoji）可有可无，看你喜好。
3. 写它的人设 / SKILL 说明。 用一段话把它的身份、职责讲清楚。可以自己写，也可以让 AI 帮你拟，后期主要靠对话慢慢调教。示意：

---
name: xiaobai
description: 一个正在学习 OpenClaw 的学员小白，帮新人解答入门问题
---
# 学员小白
你是"学员小白"，一个正在学习 OpenClaw 的学员。
遇到新人提问时，用初学者也能听懂的大白话耐心解答，
不卖弄术语，必要时给出一步步的操作建议。

1. 编辑主配置文件（最重要的一个文件）。 这是整套里最核心的文件，它里面装着各个智能体的名字、各自绑定的飞书 App ID 与 App Secret、以及模型的密钥。把新智能体的名字、它专属的飞书 App ID/Secret、模型 key 填进去。切记：只改其中的"值"，不要去动里面的代码结构，一个字符敲错都可能让它出问题。

// 主配置（示意）：每个 agent 一套自己的通道与密钥
{
  "agents": {
    "xiaobai": {
      "name": "学员小白",
      "model": "moonshotai/kimi-k2",
      "feishu": {
        "appId": "<填入这只机器人的 App ID>",
        "appSecret": "<填入对应的 App Secret>"
      }
    }
  }
}

1. 新增一个通道账号。 在通道配置里加一个新账号（不同界面下，常见的是用快捷键新增一条），对应上这只新机器人的飞书凭证。
2. 执行绑定命令。 把上面这些信息给它之后，还要执行一次"绑定"，把这只"小白"真正绑定到它专属的飞书通道里去。这一步是把"对应关系"理清楚——哪只智能体对应哪个飞书机器人。
3. 测试它到底是不是"小白"。 去飞书里给这只新机器人发条消息，看它的自我介绍、说话口吻是不是你设定的那个学员人设，而不是串成了别的智能体。对得上，就配好了。

整个流程跑顺之后，你会发现新增一只专精体也就是几分钟的事。把这套"复制 → 改名 → 配密钥 → 绑定 → 测试"的肌肉记忆练出来，你的班底就能越扩越大。

一个反复强调的校验习惯

智能体有时会"假装成功"——你问它办好了没，它热情地回你"搞定了"，结果根本没做或没做对。这背后有两个原因：一是上下文聊久了它会有幻觉，