从“接飞书消息”到“技能化私有 Agent”：我用 OpenClaw 把 AI 变成长期在线同事的实战记录

过去两年，大家都在聊“大模型”“Agent”“AI 助手”。但很多人真实的使用方式，其实还停留在：

打开一个网页 → 问 ChatGPT 几句 → 复制输出粘到自己的系统里。

这类用法当然有价值，但有两个问题：

1. 离不开人盯着：你不输入，它就不工作。
2. 离业务太远：它不了解你的代码、文档、IM、监控，更谈不上主动帮你推进工作。

这篇文章想讲的是另一条路：我用一台本地机器 + OpenClaw，把 AI 从“会聊天的工具”，变成“贴身的长期在线同事”，主入口就是飞书。

下面是完整实战过程，包括踩过的坑，能直接复用到你的环境里。

---

1. 为什么 2026 还停留在“会问 ChatGPT”，你就会被更快淘汰

很多人以为 AI 的核心竞争力是“提示词”。但做久了你会发现：

• 真正耗时的不是“想一句 prompt”，而是把 AI 的输出搬进你的系统：飞书、Git、Wiki、监控、流程平台。
• 真正拉开差距的不是“问得准”，而是能不能让 AI 长期在线，自动干活。

一句话概括：

你在浏览器里用 AI，永远只是“助手”；
你把 AI 接进飞书/内网/自动化，它才会变成“同事”。

---

2. OpenClaw 到底是什么？（用工程师能理解的方式）

OpenClaw 是一个“长期运行的 Agent 网关”，把 3 类能力拼在一起：

1. 消息入口（Channels）：飞书、Telegram、WhatsApp、Slack、iMessage…
2. 会话与记忆（Sessions + Memory）：让它知道你是谁、你在做什么、你们刚才讨论到哪
3. 技能化执行（Skills + Tools + Scripts）：让它能动手（跑命令、调 API、操作浏览器）

你可以把它理解成：

一个能把“大模型推理能力”接到真实工作系统里的“可编程胶水层”。

---

3. 飞书接入：让 Agent 住进你每天工作的入口

3.1 最简目标

在飞书里发一句话：

“帮我查一下为什么 gateway 起不来”

OpenClaw 能收到消息 → 进 session → 调工具/读日志 → 回到飞书。

3.2 三个最容易踩的点（我踩过）

(1) 权限

• 机器人发消息：一般权限够用
• “以用户身份发消息”（send_as_user）会直接卡：
  • 缺 im:message.send_as_user → 必须让管理员在开放平台开通

(2) 事件订阅 / WebSocket

• 推荐 WebSocket：稳定、延迟低
• 配完一定跑一次 openclaw doctor，它会把缺的权限、配置项直接报出来

(3) DM 安全策略

• 强烈建议 dmPolicy: pairing
• 否则你的 agent 等于公开服务，谁都能来“薅”你的资源

---

4. 实战踩坑：一个插件写错，直接导致“怎么重启都起不来”

这个坑很典型：

• 你写/改了一个自定义插件（比如 feishu-cardkit-bridge）
• 然后发现 gateway 不能启动 / doctor 报 config invalid

4.1 根因通常不是框架，而是“插件不合规”

典型报错：

• plugin manifest requires configSchema
• 或运行时报 Cannot read properties of undefined (reading 'properties')

本质是：

OpenClaw 版本升级后，插件 manifest / tool schema 规范变了。

4.2 正确的处理顺序（非常关键）

1. 先定位：

openclaw doctor --fix
# 看 ~/.openclaw/logs/gateway.err.log

2. 先止血（保证系统能启动）：

• 把问题插件改名 .bak
• 从 openclaw.json 里移除 plugins.allow / plugins.entries 里的相关项

3. 再做“防复发”：

• 加 plugins.allow 白名单，把加载面锁死

这一步会让你的系统稳定性提升一个数量级：不会因为某个目录里突然多了个插件就炸。

---

5. 从“会排查”到“可复用”：Skill 化才是生产力

我特别想强调：

你踩过一次坑，如果只写在脑子里，那就等于还会踩第二次。
你把它写成 Skill，它就变成“可重复执行的能力”。

5.1 一个成功案例：CSDN 自动发布 skill（csdn-publish）

你已经验证过：

• 超长文章（20k+ 字符）可自动填充
• 关键坑：对话框里 * 文章标签 必填
• 不填标签时，你会误以为“按钮点不动/防自动化”，其实是表单校验失败

这类 skill 的意义是：

• 你只要给标题 + 正文
• 发布动作就能自动完成

5.2 下一步：把飞书排查流程也 Skill 化

比如：

• “飞书收不到消息”
• “gateway 起不来”
• “插件不兼容”

都可以固化成一套 checklist：读配置 → 读日志 → 输出修复建议。

---

6. 记忆系统：为什么要本地向量库（LanceDB + Ollama）

如果你的 agent 每次都从零开始，它永远只能当“客服机器人”。

你把记忆落到本地（向量检索 + 文件）后：

• 数据不出内网
• 检索更贴近你的实际语境
• 能把你自己的排查经验沉淀下来

---

7. 最小可行行动清单（照着做就能跑起来）

1. 先把飞书接入打通：能收能发
2. 把 2 个高频场景做成 Skill：
   • 发布文章（你已经有）
   • 排查/诊断（下一步做）
3. 给 agent 一个固定工作台（常开机主机），让它持续在线

---

结语

2026 年最值钱的能力，不是“会用 AI”。

而是：

你能把 AI 放进你的真实工作流里，长期在线，持续产出。

当你把“踩坑→固化→复用”这条链路跑通，你的效率会稳定地比周围人高一截。