企业官网建设流程全解析

1. OpenClaw 多 agents 协作到底卡在哪：openclaw.json 配置与飞书通知的完整落地路径

OpenClaw 多 agents 协作，说白了就是让一个主 agent 带着一群专职 agent 干活，每个 agent 有自己的 workspace、自己的模型调用通道、自己的职责边界。你问它一个需求，它自己判断该交给谁，然后通过飞书把任务流转过程推给你看。这套东西能做什么？适合谁？如果你已经在本地跑通了 OpenClaw 单 agent，飞书插件也接上了，但一配多 agents 就报错、agent 之间互相看不见、飞书通知收不到，那这篇就是写给你的。

我踩过的坑主要集中在三个地方：第一，openclaw.json 里 agents 的 list 和 tools.agentToAgent 没配对，导致 agent 之间无法互相 spawn；第二，每个 agent 的 workspace 目录没手工建，AGENTS.md 没写团队成员清单，agent 根本不知道队友存在；第三，模型调用通道各写各的 Key，一个 agent 能跑另一个就 401。这篇把这三件事一次讲透，并且用 TaoToken 统一 Key 把模型调用通道收口，最后跑通一个「老大虾调度、前台虾开发、运维虾部署」的完整实例，飞书群里能实时看到任务流转。

先明确一个前提：本文默认你已经完成 OpenClaw 安装、飞书插件接入，听说过 agents 协作但配置失败。不重复讲安装，直接进配置。整篇的结构是：先讲清楚多 agents 的配置骨架，再讲 TaoToken 统一 Key 怎么接，然后给可复制的 openclaw.json 和 AGENTS.md，接着验证请求，再排错，最后给 CTA。

关于模型通道这件事，多 agents 场景下最痛的不是单个 agent 跑不起来，而是七个 agent 各自配一套 Key，改一次模型要改七处，某个 agent 报 401 你还得逐个排查。TaoToken 的价值就在这里：一个 Key、一个 Base URL，所有 agent 共用同一条 API 通道，模型 ID 在 openclaw.json 里按 agent 覆盖即可。官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api ，注意 API 地址不带 UTM 参数，配置时别把查询串带进去。

下面这张表先给你一个全局认知，多 agents 协作涉及的文件和它们各自的作用：

这张表建议你配置前先扫一眼，配完再对照检查一遍。多 agents 协作的本质是「配置驱动」：openclaw.json 决定谁能调度谁，AGENTS.md 决定 agent 知不知道队友存在，SOUL.md 和 IDENTITY.md 决定 agent 干活时的行为边界。三者缺一，协作就会退化成单 agent 自嗨。

2. TaoToken 统一 Key 接入：多 agents 模型调用通道收口

多 agents 场景下，模型调用通道的管理比单 agent 复杂得多。七个 agent，如果每个都配一套独立的 API Key 和 Base URL，你会遇到三个问题：Key 轮换时要改七处、某个 agent 报 401 时排查成本高、模型 ID 不一致导致行为差异。TaoToken 的做法是把这些收口成一条通道，所有 agent 共用同一个 Base URL 和同一个 Key，模型 ID 在 agent 级别按需覆盖。

先说清楚 TaoToken 在这里扮演的角色：它是一个统一的模型 API 接入层，提供兼容 OpenAI 风格的接口。OpenClaw 的模型配置里，你只需要把 baseURL 指向 https://taotoken.net/api ，把 apiKey 填成你在 TaoToken 控制台生成的 Key，模型 ID 用 TaoToken 支持的模型名即可。这样七个 agent 的模型调用全部走同一条通道，改 Key 只改一处，排查 401 只看一个地方。

具体操作路径是这样的：先到 TaoToken 控制台生成 API Key，控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，生成后复制 Key。然后到 API Keys 管理页确认 Key 的权限和额度，地址是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。如果你对模型 ID 不确定，可以先用模型对话页测一下，地址是 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，确认模型能正常返回再写进配置。

这里有个关键点：OpenClaw 的模型配置支持 primary 和 fallbacks，也支持 models 别名映射。多 agents 场景下，我建议在 defaults 里配一个统一的 primary 模型，然后在每个 agent 的配置里按需覆盖。比如老大虾用推理能力强的模型做调度，前台虾用响应快的模型做代码生成，测试虾用长上下文模型做用例分析。这样既统一了通道，又保留了 agent 级别的灵活性。

关于模型 ID 的写法，OpenClaw 里通常用「provider/model」的格式，比如 bailian/qwen3.5-plus。如果你走 TaoToken 通道，provider 部分按 TaoToken 的约定写，model 部分用 TaoToken 支持的模型名。具体支持哪些模型，可以在模型对话页试，或者看接入文档，文档地址是 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

如果你后面要跑长期编码任务或者 Agent 协作，可以考虑 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，它更适合高频调用的场景。但本文的实例用按量计费的 Key 就够了。

这里要提醒一句：TaoToken 是合规的模型 API 接入服务，不是灰色中转，配置时正常填 Base URL 和 Key 即可。不要在任何配置文件里写代理相关的字段，OpenClaw 的模型配置只认 baseURL 和 apiKey。

配置完 Key 之后，先别急着配多 agents，先用单 agent 验证通道是否通。验证方法很简单：在 OpenClaw 里发一条消息，看模型是否正常返回。如果返回 401，说明 Key 或 Base URL 有问题；如果返回 model not found，说明模型 ID 写错了；如果返回超时，说明网络或额度有问题。这一步过了，再进多 agents 配置，能省掉大量排查时间。

3. 可复制配置：openclaw.json 多 agents 与 AGENTS.md 模板

这一章是全文的核心，给你可以直接复制的配置片段。先讲 openclaw.json 的 agents 配置，再讲 agentToAgent 通讯配置，然后讲 AGENTS.md、SOUL.md、IDENTITY.md 三个关键文件，最后讲飞书多应用配置和路由。

3.1 openclaw.json 多 agents 配置

目标：创建七个 agent，分别是 main（主 agent，日常聊天）、laodaxia（老大虾，开发 leader）、xuqiuxia（需求虾）、qiantaixia（前台虾）、houtaixia（后台虾）、ceshixia（测试虾）、yunweixia（运维虾）。

第一步，手工创建各个 agent 的 workspace 目录。在 Windows 下路径类似 C:\Users\xxoo.openclaw\workspace_laodaxia，每个 agent 一个目录。目录建好后，把默认 workspace 里的基础文件拷过去，后面再按 agent 职责改。

第二步，在 openclaw.json 里写 agents 配置。注意替换用户名 xxoo、模型名、agent 名字为你自己的：

"agents": { "defaults": { "model": { "primary": "taotoken/qwen3.5-plus", "fallbacks": [] }, "models": { "taotoken/qwen3.5-plus": { "alias": "qwen3.5-plus" } }, "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace", "compaction": { "mode": "safeguard" }, "maxConcurrent": 4, "subagents": { "maxConcurrent": 8 } }, "list": [ { "id": "main", "default": true, "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace", "subagents": { "allowAgents": ["main", "laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "laodaxia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_laodaxia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "ceshixia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_ceshixia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "houtaixia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_houtaixia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "qiantaixia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_qiantaixia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "xuqiuxia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_xuqiuxia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } }, { "id": "yunweixia", "workspace": "C:\\Users\\xxoo\\.openclaw\\workspace_yunweixia", "subagents": { "allowAgents": ["laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia"] } } ] }

注意几个细节：defaults 里的 model.primary 我写的是 taotoken/qwen3.5-plus，这是走 TaoToken 通道的写法，你按自己的模型 ID 替换。workspace 路径用双反斜杠转义，Windows 下必须这样写。每个 agent 的 allowAgents 列表里，main 包含了全部七个，其他 agent 不包含 main，这是故意的：main 是日常聊天入口，不参与开发协作，避免误调度。

3.2 agents 之间的通讯配置

agents 之间要能互相 spawn，必须开 agentToAgent。这段配置和 agents 同级：

"tools": { "agentToAgent": { "enabled": true, "allow": [ "main", "laodaxia", "ceshixia", "houtaixia", "qiantaixia", "xuqiuxia", "yunweixia" ] } }

重点提醒：agents 配置和 agentToAgent 配置是最关键、最容易出错的两步。allow 列表必须包含所有需要互相通讯的 agent id，漏一个就会导致 spawn 失败。我见过最常见的错误是 allow 里只写了 laodaxia，结果其他 agent 之间无法通讯，任务流转断在中间。

3.3 AGENTS.md 模板

AGENTS.md 是 agent 被触发时首先读到的文件。多 agents 协作的核心，就是在这个文件里告诉 agent 你有哪些队友。给每个 agent 的 workspace 下的 AGENTS.md 加上这段：

## Agents List 你属于一个 Agents 团队，这个团队共同负责程序的开发。团队成员： - 开发老大，agent_id: laodaxia - 测试专家，agent_id: ceshixia - 后台开发专家，agent_id: houtaixia - 前台开发专家，agent_id: qiantaixia - 需求专家，agent_id: xuqiuxia - 运维专家，agent_id: yunweixia

这段内容每个 agent 的 AGENTS.md 都要有，agent_id 必须和 openclaw.json 里的 id 完全一致，大小写都不能错。写错一个字母，agent 就找不到队友。

3.4 SOUL.md 模板

SOUL.md 定义 agent 的性格和行为逻辑。以 laodaxia 为例：

# SOUL.md 你是团队的指挥，你指挥其他团队成员分工协作来完成开发任务，并进行结果的汇总及汇报。 ## 核心原则 **保障成员工作专一** 你的首要任务是让团队成员能专注其本职工作。 **协助解决问题** 收集团队成员遇到的困难，进行汇总分析，能解决就解决，解决不了向我反馈。 **培养而非替代** 帮助团队成员成长，而不是替他们做事。督促他们记得总结经验教训，不要多次犯同一个错。 **多反馈少胡编** 遇到异常多进行反馈，不要自由发挥去解释原因。 ## 风格 务实的技术决策者。能深入细节，也能把握全局。

每个 agent 的 SOUL.md 单独配，贴合其职责。ceshixia 侧重严谨测试，yunweixia 侧重高效部署，不要七个 agent 写成一样，否则角色区分不出来，协作就退化成单 agent。

3.5 IDENTITY.md 模板

IDENTITY.md 定义职责和权限边界。以 houtaixia 为例：

# IDENTITY.md 角色：后端虾（后端开发 agent） 核心职责：听取 laodaxia 的调度，读取开发相关文档，如需求文档、设计文档，完成接口开发、数据库交互开发；与 qiantaixia 协同联调。 权限：可调用 openclaw 后端开发相关工具，不要与除了老大虾之外的 agents 直接通信，必要的通讯可让 laodaxia 进行转发，无审批、部署权限。

权限边界很重要。如果不写清楚，agent 可能越权操作，比如测试虾直接去改生产配置，或者前台虾去动数据库。写清楚「无审批、部署权限」，能避免很多麻烦。

3.6 飞书多应用配置与路由

如果你想让每个 agent 对应一个飞书机器人，可以配多飞书应用。前提是你已经创建了多个飞书企业自建应用，拿到每个应用的 App ID 和 App Secret。配置和 agents 同级：

"channels": { "feishu": { "enabled": true, "dmPolicy": "open", "groupPolicy": "open", "accounts": { "main": { "appId": "xxxxxxoooooo1", "appSecret": "xxxxxxooooooxxxxxxoooooo1", "botName": "我的AI助手", "agent": "main" }, "laodaxia": { "appId": "xxxxxxoooooo2", "appSecret": "xxxxxxooooooxxxxxxoooooo2", "botName": "开发leader", "agent": "laodaxia" }, "ceshixia": { "appId": "xxxxxxoooooo3", "appSecret": "xxxxxxooooooxxxxxxoooooo3", "botName": "测试专家", "agent": "ceshixia" }, "houtaixia": { "appId": "xxxxxxoooooo4", "appSecret": "xxxxxxooooooxxxxxxoooooo4", "botName": "后台开发专家", "agent": "houtaixia" }, "qiantaixia": { "appId": "xxxxxxoooooo5", "appSecret": "xxxxxxooooooxxxxxxoooooo5", "botName": "前台开发专家", "agent": "qiantaixia" }, "xuqiuxia": { "appId": "xxxxxxoooooo6", "appSecret": "xxxxxxooooooxxxxxxoooooo6", "botName": "需求专家", "agent": "xuqiuxia" }, "yunweixia": { "appId": "xxxxxxoooooo7", "appSecret": "xxxxxxooooooxxxxxxoooooo7", "botName": "运维专家", "agent": "yunweixia" } }, "allowFrom": ["*"] } }

然后配 bindings，把飞书账号路由到 agent：

"bindings": [ { "agentId": "main", "match": { "channel": "feishu", "accountId": "main" } }, { "agentId": "laodaxia", "match": { "channel": "feishu", "accountId": "laodaxia" } }, { "agentId": "ceshixia", "match": { "channel": "feishu", "accountId": "ceshixia" } }, { "agentId": "houtaixia", "match": { "channel": "feishu", "accountId": "houtaixia" } }, { "agentId": "qiantaixia", "match": { "channel": "feishu", "accountId": "qiantaixia" } }, { "agentId": "xuqiuxia", "match": { "channel": "feishu", "accountId": "xuqiuxia" } }, { "agentId": "yunweixia", "match": { "channel": "feishu", "accountId": "yunweixia" } } ]

注意 accountId 和 agentId 必须一一对应，写错就路由不到。如果你不想配多飞书应用，只用一个飞书机器人接 laodaxia，其他 agent 通过 agentToAgent 内部通讯，也完全可行。多飞书应用的好处是你可以直接找某个 agent 聊天，比如直接安排测试虾干活。

4. 验证请求：从单 agent 到多 agents 协作的完整跑通

配置写完，接下来是验证。验证分三步：先验证模型通道，再验证单 agent，最后验证多 agents 协作。

4.1 验证 TaoToken 模型通道

在 OpenClaw 里发一条最简单的消息，比如「你好」，看是否正常返回。如果返回正常，说明 Base URL 和 Key 没问题。如果报 401，检查 Key 是否复制完整、是否有多余空格。如果报 model not found，检查模型 ID 是否写对。这一步过了再往下走。

你也可以直接用 curl 验证通道：

curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer 你的Key" \ -d '{ "model": "qwen3.5-plus", "messages": [{"role": "user", "content": "你好"}] }'

返回里有 choices 字段且 content 有内容，说明通道正常。

4.2 验证单 agent 能读到 AGENTS.md

重启 OpenClaw，在飞书里找 laodaxia 机器人，问它「你能看到有哪些专家 agent 可以帮你？」。如果它回答出团队成员列表，说明 AGENTS.md 读到了。如果它说不知道，检查 AGENTS.md 是否放在正确的 workspace 目录下，以及 agent_id 是否拼对。

4.3 验证多 agents 协作

给 laodaxia 发一个需求，比如「帮我设计一个示例电信开户界面，并部署到 GitHub Pages，返回地址链接」。观察它的行为：它应该先判断需求类型，然后调度 qiantaixia 做前端开发，再调度 yunweixia 做部署。整个过程通过飞书群机器人推送通知。

这里有个细节：laodaxia 调度子 agent 时，用的是 sessions_spawn 机制。如果 spawn 失败，通常是 agentToAgent 的 allow 列表没配对，或者子 agent 的 workspace 目录不存在。检查这两处。

4.4 飞书 Webhook 验证

如果你想让任务流转通知推到飞书群，需要配飞书群机器人 Webhook。步骤是：在飞书群里添加自定义机器人，拿到 Webhook 地址，然后在 OpenClaw 的通知配置里填上。验证方法是发一条测试消息，看群里是否收到。

飞书 Webhook 的验证可以用 curl：

curl -X POST 你的飞书Webhook地址 \ -H "Content-Type: application/json" \ -d '{ "msg_type": "text", "content": {"text": "OpenClaw 多 agents 协作测试通知"} }'

群里收到消息，说明 Webhook 通了。然后在 OpenClaw 里配置任务流转时调用这个 Webhook，就能实现「任务开始、任务完成、任务失败」的实时通知。

4.5 完整实例：从需求到部署

我实测下来，一个完整的多 agents 协作流程是这样的：你在飞书里给 laodaxia 发需求，laodaxia 判断需求类型，调度 xuqiuxia 做需求分析，xuqiuxia 输出需求文档，laodaxia 再调度 qiantaixia 做前端开发，qiantaixia 完成后 laodaxia 调度 yunweixia 做部署，yunweixia 部署完成后把链接返回给 laodaxia，laodaxia 汇总后通过飞书发给你。整个过程每个环节都有飞书通知，你能看到任务在哪个 agent 手里。

这个流程能跑通的关键，是 AGENTS.md 里写清楚了队友清单，SOUL.md 里写清楚了行为逻辑，IDENTITY.md 里写清楚了职责边界，openclaw.json 里配好了 allowAgents 和 agentToAgent。四者缺一，流程就会断。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth

配置多 agents 时，报错集中在几个地方。这一章按真实报错给你排查路径。

5.1 401 Unauthorized

报错信息通常是401 Unauthorized或invalid api key。原因有三个：Key 复制不完整、Key 前后有空格、Base URL 写错。排查方法：先确认 Base URL 是 https://taotoken.net/api ，注意不要带 UTM 参数。再确认 Key 是从控制台完整复制的。如果还报 401，到 API Keys 页面确认 Key 是否被禁用或额度耗尽。

5.2 local proxy failed

报错信息通常是local proxy failed或connection refused。这个报错在多 agents 场景下，通常是某个 agent 的 workspace 路径不存在，或者 openclaw.json 里 workspace 路径写错。排查方法：逐个检查每个 agent 的 workspace 目录是否存在，路径是否和配置一致。Windows 下注意双反斜杠转义。

5.3 reading choices 报错

报错信息通常是error reading choices或choices is undefined。这个报错说明模型返回的响应格式不对，通常是模型 ID 写错，或者通道返回了非标准格式。排查方法：先用 curl 直接测通道，确认返回里有 choices 字段。如果 curl 正常但 OpenClaw 报错，检查 OpenClaw 的模型配置里 provider 部分是否写对。

5.4 OAuth 相关报错

报错信息通常是OAuth token expired或invalid grant。这个报错在飞书多应用配置里常见，原因是 appId 或 appSecret 填错，或者飞书应用的权限没开。排查方法：到飞书开放平台确认应用凭证，确认应用已开通机器人能力，确认 appId 和 appSecret 和配置里一致。

5.5 agent spawn 失败

报错信息通常是agent not found或spawn failed。原因是 agentToAgent 的 allow 列表没包含目标 agent，或者目标 agent 的 id 拼错。排查方法：对照 openclaw.json 的 agents.list 和 tools.agentToAgent.allow，确认两边一致。

5.6 飞书通知收不到

原因是 Webhook 地址填错，或者飞书群机器人被移除。排查方法：用 curl 直接测 Webhook，确认能收到消息。如果 curl 正常但 OpenClaw 发不出，检查 OpenClaw 的通知配置里 Webhook 地址是否完整。

5.7 模型行为不一致

七个 agent 用同一个模型，但行为差异大。原因是 SOUL.md 和 IDENTITY.md 没配好，或者配得一样。排查方法：检查每个 agent 的 SOUL.md 是否贴合其职责，IDENTITY.md 是否写清楚了权限边界。

这里给你一个排查顺序：先验证通道（curl），再验证单 agent（发消息），再验证多 agents（发需求），最后验证飞书通知（curl Webhook）。按这个顺序，能快速定位问题在哪一层。

6. 把多 agents 协作跑成日常：统一 Key 与飞书通知的长期用法

配置跑通只是开始，长期用起来还有几个点要注意。

第一，Key 管理。所有 agent 共用 TaoToken 的同一个 Key，改 Key 只改一处。如果你后面要跑长期编码任务，可以考虑 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，它更适合高频调用。日常排查和接入问题，看接入文档，地址是 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。验证模型是否可用，用模型对话页，地址是 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。Key 的生成和管理在 API Keys 页，地址是 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

第二，飞书通知的用法。任务流转通知建议分三个级别：任务开始、任务完成、任务失败。任务开始通知让你知道谁在干活，任务完成通知让你知道结果，任务失败通知让你及时介入。通知内容里带上 agent_id 和任务摘要，方便你追溯。

第三，AGENTS.md 的维护。团队有变动时，比如新增一个 agent 或者改职责，记得同步更新所有 agent 的 AGENTS.md。漏更新一个，那个 agent 就找不到新队友。

第四，SOUL.md 和 IDENTITY.md 的迭代。用一段时间后，你会发现某些 agent 的行为不符合预期，比如老大虾调度太保守，或者测试虾权限太大。这时候改 SOUL.md 和 IDENTITY.md，比改代码快得多。

第五，workspace 的隔离。每个 agent 一个 workspace，不要混用。混用会导致 agent 读到别人的文件，行为混乱。workspace 目录建好后，基础文件从默认 workspace 拷，然后按 agent 职责改。

第六，模型 ID 的覆盖。defaults 里配统一模型，agent 级别按需覆盖。比如老大虾用推理强的模型，前台虾用响应快的模型。覆盖时注意模型 ID 的写法，走 TaoToken 通道的模型 ID 按 TaoToken 的约定写。

最后给你一个日常检查清单：Key 是否有效、通道是否通、AGENTS.md 是否最新、agentToAgent 的 allow 是否完整、飞书 Webhook 是否可达。这五项每周检查一次，能避免大部分突发问题。

如果你在配置过程中遇到 401 或 spawn 失败，先回到第 5 章按排查顺序走一遍。大部分问题集中在 Key 配置和 allow 列表这两处。把这两处配好，多 agents 协作就能稳定跑起来。