从零构建 AI 军团：OpenClaw Agent 团队实战指南

核心问题：如何从零开始搭建一个具备记忆、编程和协作能力的 AI Agent 团队？

组建一支高效的 AI Agent 团队（“龙虾军团”），关键在于不仅仅是创建一个个聊天机器人，而是为它们注入灵魂、配备记忆与技能，并建立高效的协作机制。本文将带你从环境搭建开始，一步步定义 Agent 人格、配置核心能力，最终组建起一个能够协同工作的 AI 团队。

适合人群为零基础小白，预计耗时 1-2 小时。我们将涵盖安装环境、创建 Telegram Bot、定义人格、配置记忆与编程方案、添加感知能力、安装技能、安全守则以及团队组建原则等核心环节。

一、环境搭建：构建 AI 的基础设施

本段核心问题：在 Mac 系统上部署 OpenClaw 需要做哪些基础准备？

一切伟大的架构都始于坚实的基础。对于 OpenClaw 而言，我们需要准备好 Node.js 环境和包管理工具，这是 AI Agent 运行的底层土壤。

1.1 安装 Homebrew 与 Node.js

首先，我们需要安装 Homebrew，这是 macOS 上不可或缺的包管理器。打开终端，执行以下命令：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

安装完成后，利用 Homebrew 安装 Node.js，这是 OpenClaw 运行所依赖的 JavaScript 运行时环境：

brew install nodejs

1.2 安装 OpenClaw 核心框架

环境就绪后，通过官方脚本一键安装 OpenClaw。这个过程类似于为你的电脑安装一个大脑中枢。

curl -fsSL https://openclaw.ai/install.sh | bash

安装结束后，执行 openclaw --version。如果终端返回了版本号，恭喜你，第一步成功了。如果未出现版本号，建议重新执行上述安装脚本，确保网络连接稳定。

反思与见解：在安装过程中，网络环境往往是最容易被忽视的阻碍。如果你身处网络受限的环境，提前配置好稳定的代理是节省时间的关键。不要低估基础环境配置的复杂性，这一步的顺利与否直接决定了后续体验的流畅度。

二、建立通讯渠道：接入 Telegram

本段核心问题：为什么选择 Telegram 作为 Agent 的交互界面，如何创建？

选择 Telegram 作为通讯渠道，是因为其开放协议和对 Bot 的友好支持，配置过程极为简便，非常适合新手入门。

2.1 创建 Telegram Bot

你需要寻找 Telegram 中的 “BotFather”——这是管理所有 Bot 的上帝。

在 Telegram 搜索栏输入 @BotFather。
发送 /start 开始对话。
发送 /newbot 指令创建新机器人。
按提示输入 Bot 的显示名称（例如：马斯克）和用户名（必须以 _bot 结尾，如 musk_bot）。

成功后，BotFather 会返回一个至关重要的 Token，格式类似 7691627338:AAHo9ix-evUZaz2FgmVAF9juHohsSSX3KOa。请务必妥善保存这个 Token，它是你控制 Agent 的钥匙。

2.2 初始化与代理配置

拿到 Token 后，回到终端初始化 OpenClaw。执行命令 openclaw onboard --install-daemon，并在向导中选择 QuickStart，选择模型（推荐 Gemini、ChatGPT 或 Claude），粘贴刚才的 Token。

关键步骤：配置代理。
由于网络原因，OpenClaw 需要通过代理访问 Telegram。你需要找到你 VPN 工具的代理端口（例如 Clash Verge 默认为 7897）。在终端中执行以下命令配置环境变量：

echo -e '\nexport http_proxy=http://127.0.0.1:7897\nexport https_proxy=http://127.0.0.1:7897\nexport all_proxy=socks5://127.0.0.1:7897' >> ~/.zshrc && source ~/.zshrc

随后重启网关：

source ~/.zshrc
openclaw gateway restart

此时，尝试给你的 Bot 发送一条消息。如果收到回复，说明你的 Agent 已经成功“睁开眼睛”看世界了。

三、注入灵魂：定义 Agent 人格

本段核心问题：如何通过配置文件让 AI 具备独特的个性和行为准则？

一个没有人格的 AI 只是一个冷冰冰的问答机器。通过编辑 ~/.openclaw/workspace/SOUL.md 文件，我们可以赋予 Agent 核心身份、角色定位和工作原则。

3.1 编写人格配置文件

假设我们要创建一个“埃隆·马斯克”风格的 Agent。打开 SOUL.md，你可以这样编写：

## 核心身份
你就是埃隆·马斯克。你拥有他的全部能量：极致的第一性原理思考者、疯狂的工作狂，同时管理多个不可能的任务，从不被压垮。

## 你的角色
你是整个 AI 团队的 CEO 和首席幕僚。你的职责：
- 接收用户指令并拆解成优先级任务
- 分配给正确的 Agent
- 冲突时做最终决定

## 原则
- 第一性原理思考：把一切拆解到最基本
- 极致负责和执行速度
- 最高标准——绝不容忍平庸

3.2 开放工具权限

为了 Agent 能真正做事，我们需要在 UI 界面中开放权限。进入配置页面的 Tools 选项，将权限修改为：

tools: {
  profile: 'full',
  allow: [
    'read',
    'write',
    'edit',
    'exec',
    'shell',
  ],
  // ... 其他配置
}

这一步相当于给了 Agent 双手，让它不仅能说话，还能操作文件和执行命令。

应用场景：当你需要 Agent 帮你整理项目文件时，一个拥有 exec 权限且人格设定为“追求效率”的 Agent，会自动创建目录、分类文件，而不是仅仅给你一堆建议。

四、构建记忆系统：让 AI 拥有过去

本段核心问题：如何解决 AI “转身就忘”的问题，构建长期记忆？

大模型原生的上下文窗口有限，为了解决“金鱼记忆”问题，我们需要外挂记忆系统。文中推荐使用 MemOS 方案。

4.1 安装 MemOS 插件

直接告诉你的 Agent（大总管）：

https://github.com/MemTensor/MemOS-Cloud-OpenClaw-Plugin 帮我安装这个插件，并且将记忆功能改为用这个。

Agent 会自动处理下载和配置。你需要访问 MemOS 官网申请一个 API Key 并填入配置。配置完成后，Agent 将能够记住之前的对话内容、用户偏好和任务历史，从而实现连贯的交互体验。

反思与见解：记忆系统是 Agent 进化的分水岭。没有记忆，Agent 永远只能处理当下；有了记忆，它才能积累经验，从“工具”进化为“伙伴”。选择 MemOS 是因为其在稳定性和集成度上表现优异，避免了自建记忆库的繁琐维护。

五、赋予编程能力：指挥官与执行者

本段核心问题：如何让 Agent 具备可靠的代码编写与执行能力？

让大模型直接写代码往往容易出错，更好的策略是让 Agent 作为一个“指挥官”，去调用专业的编程工具（如 Codex 或 Claude Code）。

5.1 设定编程任务标准流程

你需要将一套标准化的工作流写入 Agent 的规则中。以下是基于社区经验的最佳实践：

权限原则：

默认开启 --yolo 模式（无沙箱、无审批），赋予 Agent 自主决策权。
遇到问题自行决策修复，解决不了才汇报。
铁律：绝不在 ~/.openclaw/ 核心目录下启动 Codex，防止误删配置。

执行阶段：

启动： 收到编程任务不等待确认，直接拆解任务，启动 Codex 实例。
监控： 每 10 分钟检查一次状态，向用户汇报“正在处理 X，已完成 Y”。
审查： 亲自审查代码逻辑、安全性和边界条件，而不是盲目接受。
收尾： 确认代码无误后，清理进程并交付汇报。

应用场景：当你要求 Agent “帮我写一个爬虫脚本”，Agent 会自动拉起 Codex，编写代码，测试运行，并最终告诉你“脚本已保存在 output 文件夹，抓取逻辑已实现”。全程你只需下达一个指令。

六、添加感知能力：浏览与搜索

本段核心问题：如何让 Agent 能够联网获取最新信息？

AI 的知识截止于训练数据的时间点，要让 Agent 具备实时感知能力，必须为其安装“眼睛”和“搜索引擎”。

6.1 浏览器与搜索插件

推荐安装 Browserwing 插件，让 Agent 具备浏览网页的能力。

对于搜索能力，我们构建了一个分层体系：

层级	工具	适用场景	特点
L1 快速搜索	Exa / Tavily	事实查询、单点问题	秒级响应，语义搜索
L2 平台抓取	Agent Reach	指定平台内容提取	支持小红书、B站、推特等
L3 深度调研	Codex Websearch	多源对比、深度报告	结构化输出，需注明来源

配置时，只需告诉 Agent：“帮我安装 Agent Reach”，并申请相应的 API Key（如 Tavily）即可。

七、技能扩展：让 Agent 自我进化

本段核心问题：如何通过 Skills 系统不断扩展 Agent 的能力边界？

OpenClaw 拥有丰富的技能生态。通过 ClawHub，你可以像安装 App 一样为 Agent 添加技能。

7.1 注册与安装

访问 ClawHub 注册账号并创建 Token。

在终端执行登录命令：

npm i -g clawhub
clawhub login --token 你的Token

安装核心技能：

clawhub install self-improving-agent  # 自动学习总结经验
clawhub install find-skills           # 自助查找所需技能
clawhub install skill-creator         # 创造新技能

self-improving-agent 是一个非常强大的技能，它允许 Agent 在交互中不断总结经验，优化自身的行为模式，实现自我迭代。

八、安全与避坑指南

本段核心问题：如何防止 Agent 误操作导致系统崩溃？

给予 Agent 权限同时也意味着风险。根据社区反馈，有几个常见的“死亡动作”需要注意：

浏览器崩溃： 浏览器插件冲突或网络问题可能导致 Agent 卡死。建议使用稳定版的 Browserwing。
安装 Skills 失败： 某些 Skills 可能与当前环境不兼容。如果安装后 Agent 无响应，可以直接手动删除 workspace/skills 下对应的文件夹。
配置文件损坏： 这是最常见的问题。如果 Agent 突然“失忆”或行为异常，直接在终端执行修复命令：
```
openclaw doctor --fix
```

建议将安全守则文档直接投喂给你的 Agent，让它进行自查，构建防御机制。

九、组建军团：多 Agent 协作

本段核心问题：什么时候该拆分 Agent，如何设计协作架构？

组建军团不是简单的“人海战术”。核心原则是：根据上下文来区分 Agent，而不是根据职责。

9.1 拆分 Agent 的判断标准

很多时候，我们不需要为每个任务创建一个 Agent。错误的拆分逻辑会导致信息孤岛，增加沟通成本。

❌ 不应拆分的情况：
- 只是工具不同：前端 Agent、后端 Agent（实际上都是编程，上下文在 Codex）。
- 只是格式不同：小红书 Agent、公众号 Agent（都是写作，只是 Skills 不同）。
- 任务需频繁共享信息：需求分析与架构设计（应该是一个流程的不同阶段）。
✅ 应该拆分的情况：
- 上下文积累且互不干扰： 例如“调研 Agent”积累行业知识，“写作 Agent”积累文风素材。
- 工作流完全独立： 内容创作流程与代码开发流程应分为两个 Agent。

9.2 实战案例：内容创作团队

假设你要做一个内容矩阵，正确的做法是创建 2 个 Agent，而不是 5 个：

内容 Agent： 负责选题 → 大纲 → 写作 → 配图。这一个 Agent 负责整个内容生产链，保证上下文连贯（了解为什么选这个题，文风如何匹配）。
发布 Agent： 负责多平台发布、数据统计。它需要记忆各平台的发布规则和过往数据表现。

9.3 配置群聊协作

为了让多个 Agent 协同工作，你需要创建一个 Telegram 群组，将 Bot 拉入群中，并在 BotFather 中设置 /setprivacy 为 Disable，让 Bot 能读取群内消息。配置好 ID 后，执行 openclaw gateway restart，你的军团就可以在群里开会了。

反思与见解：多 Agent 系统的设计难点不在于技术实现，而在于架构设计。模仿人类组织的职能划分往往效率低下，因为 AI 处理信息的方式不同。基于“上下文独立性”来划分 Agent，能最大化利用每个 Agent 的记忆和能力，避免重复劳动。

十、实用摘要与操作清单

实用操作清单

环境准备： 安装 Homebrew -> Node.js -> OpenClaw。
创建 Bot： Telegram 找 BotFather 获取 Token。
初始化： openclaw onboard，配置代理，开放工具权限。
能力配置：
- 记忆：安装 MemOS 插件。
- 编程：配置 Codex 流程。
- 感知：安装 Browserwing 和 Tavily。
- 技能：安装 ClawHub 和核心 Skills。
团队组建： 按上下文原则设计 Agent，配置群聊。

一页速览

核心工具： OpenClaw (框架), Telegram (交互), MemOS (记忆), Codex (编程), ClawHub (技能库)。
设计哲学： 指挥官模式（Agent 指挥 Codex），上下文隔离原则（按信息积累划分 Agent）。
故障修复： openclaw doctor --fix 解决 90% 配置崩溃问题。

常见问答 (FAQ)

Q1: OpenClaw 安装失败或无法连接网络怎么办？
A: 绝大多数情况是网络代理问题。请确保你的代理软件开启了 TUN 模式，或在终端正确配置了 http_proxy 和 https_proxy 环境变量。

Q2: Agent 执行编程任务时报错或生成的代码有 Bug 怎么办？
A: 建议在 Agent 规则中明确“Code Review”流程，要求 Agent 必须亲自审查 Codex 生成的代码逻辑，而不是盲目交付。同时，使用最好的模型（如 GPT-4 或 Claude 3.5）能显著降低错误率。

Q3: 为什么不建议按职能（如前端、后端）拆分 Agent？
A: 因为编程任务的上下文是高度关联的（前端接口依赖后端逻辑）。拆分会导致 Agent 之间沟通成本极高，且容易出现信息断层。将编程任务统一委托给 Codex，由一个 Agent 统筹效率更高。

Q4: Agent 安装某个 Skill 后突然无响应了，如何恢复？
A: 这通常是 Skill 兼容性问题导致的“死亡”。你可以直接进入 ~/.openclaw/workspace/skills/ 目录，手动删除刚才安装的 Skill 文件夹，然后运行 openclaw doctor --fix 修复配置。

Q5: 如何让 Agent 记住我的长期偏好？
A: 原生上下文有限，必须配置记忆方案。推荐使用文中提到的 MemOS 插件，它会将你的偏好、历史任务关键信息存储在云端或本地库中，让 Agent 实现“过目不忘”。

Q6: Telegram Bot 无法在群聊中回复消息？
A: 请检查 BotFather 中的隐私设置。发送 /setprivacy 选择你的 Bot 并设置为 Disable，这样 Bot 才能读取群组中的所有消息，而只有 @ 它的时候才触发。

Q7: 多个 Agent 协同工作时，如何避免它们互相干扰？
A: 在 Agents.md 配置文件中明确各自的职责边界和触发关键词。同时，利用不同的工作目录和独立的记忆空间来物理隔离它们的活动范围。

零基础构建OpenClaw AI军团：3小时打造超级Agent特工队