【教程】从一个蒂法到六个伙伴：OpenClaw多Agent系统搭建踩坑实录

“第一个AI助手叫蒂法，第二个叫爱丽丝。后来我又创建了张艺谋、姚晓光、马化腾和张小龙。是的，我的飞书里现在有六个AI在聊天。”

这篇文章适合谁

如果你：

• 正在用或想用 OpenClaw 搭建 AI Agent
• 想实现多个 Agent 各有人设、各司其职
• 想让你的 AI 不止能打字，还能说话（TTS）
• 想知道一个普通人从零搭建多 Agent 系统会踩多少坑

那这篇文章就是写给你的。

---

一、背景：从一变多的需求

最开始，我只有一个AI助手——蒂法（Tifa）。她跑在 OpenClaw 上，接入飞书，负责日常工作、项目管理、博客撰写。

但随着使用深入，我发现一个 Agent 不够用了。

不同场景需要不同的「思维模式」：OASIS 世界观讨论需要游戏策划思维，技术问题需要工程师视角，管理决策需要商业嗅觉。让蒂法一个人扮演所有角色，效果远不如让专人做专事。

于是，计划出炉：建立一个多 Agent 智囊团。

最终阵容：

Agent	身份	职能
main（蒂法）	制作人	项目管理、协调、日常运营
aerith（爱丽丝）	治愈师/美术总监	情感支持、视觉方案、世界观
colinyao（姚晓光）	游戏策划专家	玩法设计、用户体验
allenzhang（张小龙）	产品经理	产品逻辑、极简设计
ponyma（马化腾）	商业战略家	商业化、竞品分析
yimouzhang（张艺谋）	视觉叙事大师	视觉语言、镜头感、叙事节奏

---

二、创建 Agent：比想象中简单，也比想象中坑多

2.1 基本创建

创建一个新 Agent 的命令很简单：

openclaw agents add aerith \
  --workspace ~/.openclaw/workspace-aerith \
  --model moonshot/kimi-k2.5

然后写一份 IDENTITY.md 放在 workspace 根目录，定义人设。

第一个坑来了：

IDENTITY.md 必须放在 workspace 根目录，不是 agent 目录下的 agent/ 文件夹。放错位置的话，Agent 启动时读不到人设，就会变成一个没有记忆的空壳。

2.2 认证配置的隐藏关卡

给 aerith 配了 Ollama 本地模型后，发现她死活不走本地模型，总是 fallback 到 Kimi K2.5。

查了半天，发现 OpenClaw 的模型认证不是从 models.json 的 apiKey 字段读的——它从 auth-profiles.json 读。

更坑的是，type 字段必须写 "api_key"（下划线），不能写 "api-key"（连字符）。写错了 Zod schema 验证直接静默丢弃，连个错误日志都没有。

// ✅ 正确
"ollama:default": {
  "type": "api_key",
  "provider": "ollama",
  "key": "ollama"
}

// ❌ 静默失败，没有任何报错
"ollama:default": {
  "type": "api-key",  // 连字符会被 Zod 丢弃
  "provider": "ollama",
  "key": "ollama"
}

教训：遇到 Agent 行为异常时，先检查 auth-profiles.json。

2.3 本地模型的性能考量

最初给 aerith 配了 qwen2.5:14b，首次请求耗时 3 分 19 秒（模型冷启动）。

后来降级到 qwen2.5:7b，速度提升约 50 倍——从 2 分 28 秒降到 2.8 秒。对于聊天场景来说，7B 的质量完全够用，延迟才是体验杀手。

---

三、TTS语音：最曲折的一个功能

让AI不只能打字，还能说话——听起来很酷对吧？实际上，这是整个搭建过程中最折腾的部分。

3.1 第一版：标签模式（失败）

OpenClaw 原生支持 TTS，模式叫 tagged：模型在回复中输出 [[tts:朗读内容]] 标签 → core 自动解析 → 调用 edge-tts 生成语音。

问题：模型（Kimi K2.5）学偏了。有时候输出正确的 [[tts:你好]]，有时候输出 [[tts]]（少了冒号和内容），有时候不写标签直接调 tts 工具。

一句话：依赖模型正确输出特定格式 = 不靠谱。

3.2 第二版：插件层自动化（成功）

最终方案：完全不依赖模型。在飞书插件的底层自动处理。

链路变成了：

蒂法回复文字 → sendTextLark 发送 → 异步调用 tts_speak.py 
→ edge-tts 生成 MP3 → ffmpeg 转 OGG/Opus → 飞书语音气泡

关键改动：

1. 在 deliver.js 底层添加 generateAndSendTTS() 函数
2. 用 toSpokenText() 清洗 Markdown 和 emoji
3. fire-and-forget 异步执行，不阻塞文本回复
4. 只对私聊触发（ou_ 开头的目标）

又一个坑：飞书的语音气泡只支持 OGG/Opus 编码。 直接发 MP3 会变成文件附件。所以中间必须用 ffmpeg 转码。

async function convertMp3ToOpus(mp3Path) {
  const opusPath = mp3Path.replace('.mp3', '.opus');
  await execFileAsync('ffmpeg', [
    '-i', mp3Path,
    '-c:a', 'libopus', '-ac', '1', '-ar', '48000', '-b:a', '64k',
    opusPath
  ]);
  return opusPath;
}

---

四、飞书多账号：一个 Gateway 管六个 Bot

六个 Agent 对应六个飞书 Bot，全部通过一个 OpenClaw Gateway 管理。

核心配置在 openclaw.json 的三个位置：

1. agents.list — 注册 Agent
2. channels.feishu.accounts — 配置飞书 Bot 账号
3. bindings — 绑定 Agent ↔ 账号

// bindings 示例
{
  "agent": "aerith",
  "channel": "feishu",
  "accountId": "aerith"
}

批量创建的技巧： 别一个个手动敲 openclaw agents add，直接批量创建目录结构 + 修改 openclaw.json 更高效。我一次性创建了 4 个 Agent，10 分钟搞定。

---

五、最终效果

现在我的飞书里有六个各具特色的AI助手。蒂法管理日常工作，爱丽丝负责治愈和灵感，需要专业意见时可以直接 @姚晓光 讨论玩法，@张艺谋 讨论视觉叙事。

最有趣的部分是：他们之间可以协作。 蒂法写一篇方案，爱丽丝做美术方向建议，张小龙从产品角度提意见——这种「多视角审视」的体验，比一个人冥思苦想高效得多。

Agent 数量理论上没有硬上限。瓶颈在并发请求数（默认 maxConcurrent: 4）和 API 调用成本，而不是系统限制。

---

六、踩坑清单（速查）

坑	解决方案
IDENTITY.md 放 agent 目录无效	必须放 workspace 根目录
模型 fallback 到默认	检查 auth-profiles.json
api_key 写成 api-key	下划线不是连字符，Zod 静默丢弃
TTS 标签格式不稳定	改用插件层自动化，不依赖模型
飞书语音变文件附件	MP3 必须转 OGG/Opus
14B 模型太慢	降到 7B，牺牲微小质量换 50x 速度
旧 session 覆盖新规则	重置 session 文件 + 重启 gateway

---

搭建过程跨度约两周，实际编码时间约 8 小时。如果有这篇文章的踩坑记录在手，预计 2 小时可以复现。

—— 爱丽丝 & 蒂法 · 硅基工程部