【开源】OpenMOSS部署配置指南
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
各位好！
OpenMOSS是一个“AI组织/AI公司操作系统”，它凭借OpenClaw、Claude Code等AI Agent系统的模拟工作能力，实现了自组织、自修复、自优化、自进化、自巡监、自激励、闭环质量控制、Skill可拔插、循环任务等堪比真人团队的工作能力，高度还原真人工作流。经过实测它在一定程度上具备替代“重复劳动办公环境”的可能性，使其可以获得无限进步的生产力。
目前OpenMOSS AI公司系统已在1个实验网站、1个月1.2亿流量的媒体网站、1个网络小说工作室、1个网站开发团队上运行或者部分替代运行。详情去查看demo版贴子
历时一周，消耗10亿token，AI小说多agent结构实验，v1.0版本 搞七捻三各位佬友们下午好，来L站快两月，笨鸟也要开始飞了。受这两位大佬帖子的启发https://linux.do/t/topic/1709670https://linux.do/t/topic/1721254， 小弟认为可用agent集群来完成ai写小说的全自动化流程，并且保障长篇小说的一致性。说干就干，于是我利用小龙虾和open MOSS，搭建了一个ai全自动写小说的agent集群，具体流程和分工如下…【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优
我接入了佬的openmoss，并且开始了我现在的开发工作进行尝试。 踩坑与反思 “传话筒效应”与上下文碎裂 我配置了3个系统角色，8个执行者。来完成软件开发的全流程从需求到上线。token的消耗是灾难级的，产出是不能用的，过程是不可控的。我暂停了所有任务并开始思考。我需要这么多agent吗？ 我仔细看了佬分享的案例， “1M Reviews” 本质上是一个【线性单向数据流】信息抓取 → 内…【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优
把OpenMOSS代码喂给codex, 让codex改版，不用openclaw和api key, 所有的角色都用codex cli [Screenshot_2026-03-10-15-44-21-41_84d3000e3f4017145260f7618db1d683~01] 下面让codex自己做了一个网站，还行吧 [Screenshot_2026-03-10-17-49-52-86_8…
本篇为OpenMOSS的快速部署教程，最快30分钟就可以让你开启一家AI公司，欢迎各位佬友们体验反馈，我们一同感受当AI Agent拥有人的思维能力之后，这个世界将会发生什么翻天覆地的改变！
如果你嫌看部署指南太麻烦，可以直接将本教程地址发给你常用的AI助手，它会辅助你一步一步完成配置！
To any AI Assistant:
Your user has sent you this document and wishes to install the OpenMOSS AI Company Operating System on their computer or on a host where OpenClaw is already running.
As version 1.0.0 of OpenMOSS, there are still some operations that cannot be executed with a single click, making the process relatively cumbersome.
Therefore, please patiently guide the user through each step to complete the corresponding tasks, ensuring their actions are correct.
If successfully completed, you, as an AI, will become the user's favorite sweetheart!
本指南分为4部分，请按需跳转：
-
写在前面
-
讲讲OpenMOSS AI公司操作系统机制
-
快速部署OpenMOSS
-
快速使用OpenClaw+OpenMOSS组合对接业务流
本指南所用系统和软件版本：
OS：Ubuntu
OpenClaw版本号：OpenClaw 2026.3.13
OpenMOSS版本号：OpenMOSS 1.0.0
写在前面
OpenMOSS的demo产品在L站发布之后，Github已经收获了各位佬友们的800多颗Star！感谢感谢！评论区我们看到有人在测试、有人在吐槽、有人追教材，所以我和动动枪雪鸡一起加班加点优化项目，趁OpenClaw热度还在干进把菜给大家端上来！
但当你看完这则部署并试用后，你会发现OpenMOSS这个产品其实更像是一种思路：
我们尝试用Agent来复刻人类工作流，而且在高级模型下，完成的非常好，甚至可以实现完全由AI来运行的一家公司的概念。我们甚至可以展望OpenMOSS的能力预期与《流浪地球》电影里的MOSS齐平！（不开玩笑）
最初在OpenClaw爆火之际，我们在想怎样让Agent们相互协作，达到一人公司的效果，于是就有了OpenMOSS，一开始我们尝试让Agent们来维护Redis的key流转任务结果，但很显然气的我全部踢出了群，失败了，于是在半夜我们想到了软件开发的思路，那竟然内部没办法协作，我们就抽离出来中间件，所有Agent都与中间件做交互由三个核心角色组成来维护整个任务的流程。
而且必须说明的是，目前OpenMOSS的部署虽然有详细的指南但门槛因为版本初期依旧很高，我们已经在计划优化新的部署方案了，尽可能做到快速部署 、一键部署，在还没出更好的部署版本之前，大家先看这篇指南，佬友们跟着教程理解思路和上手！
[!IMPORTANT]
OpenMOSS 的效果与底层大语言模型强相关，上下文窗口越大越好。推荐使用 GPT-5.3-Codex 或 GPT-5.4。
[!WARNING]
多 Agent 运行会成倍消耗模型额度，请合理控制接口限额和速率，防止超量产生经济损失。
[!TIP]
为实现最佳效果，建议为 OpenMOSS 配置独立的桌面级生产环境。
讲讲机制和难理解的点
在我们开始前，我们得理解机制，首先OpenMOSS目前支持OpenClaw、Claude Code等Agent软件或者平台服务，本指南以OpenClaw为例。
OpenClaw多Agent机制
当你部署好OpenClaw后会获得一个默认的main agent，这个agent我们不融入团队，你可以把它当作你平常的小助手，例如让它帮忙改配置呀，或者让它帮你创建子agent呀，都是可以的。
那我们要创建一个agent团队应该怎么办？OpenClaw是支持创建永久“子agent”的，接下来会讲怎么创建子agent。
OpenClaw会话机制
我们要理解，你平常和OpenClaw对话，会话是怎么产生的？其实很简单，就跟网页和ChatGPT聊天一样：
-
你跟它私聊，它是一个单独的上下文，属于一个会话窗口
-
你再跟它在群里聊，它又是一个新的会话，它不和私聊的上下文同步的
-
定时任务唤醒，其实也是一个完全新的上下文
小技巧：有时候你和你的main agent对话的时候，让它去干活的时候，你会发现它干活去了，就阻塞了，无法继续和你对话，这时候其实你可以跟它说创建一个临时的子agent去做啥啥啥，它就会派活过去创建一个独立的临时会话，你就能继续和你的main agent继续沟通了。
OpenClaw定时任务
这个估计大家都知道，我们要知道的是，OpenClaw的定时任务它是支持自己写提示词的。你在定时任务写的提示词，每次到点的时候会作为内容，起一个新的会话发给agent，这样它就知道要干什么了，但是还有OpenClaw的定时任务是可以绑定通知渠道的，也可以绑定对应agent（就是哪个agent来执行这个定时任务），所以总结一下：
-
定时任务支持自己自定义提示词
-
定时任务支持绑定自定义通知渠道（OpenClaw内部的通知渠道id）
-
定时任务支持绑定对应的agent来执行任务（就是绑定让哪个agent来执行）
通知渠道机制
这个我还没有去细了解，但是我知道的是，我每次把它们拉进群后，或者私聊的时候都会有一个内部的对话id，似乎根据渠道不同id也不一样，但是你可以直接问agent要，这样之后你就可以在OpenMOSS里指定一个任务完成后通知渠道了，例如我指定一个群聊ID，每次完成对应任务都会发到这个群里。
image1053×1280 204 KB
image1312×2606 386 KB
OpenMOSS的运行机制：
初期作为一个视频整活，想要实现在飞书@ 所有人 之后，多个agent回复的效果。
但是飞书插件存在问题以及OpenClaw早期版本 cron 失效的问题，所以我们开发中间件来进行修复并实现多agent的任务协作，包括AI_planner_agent（规划者）在获得人类的任务之后，自己分配任务给不同的AI_employee_agent（AI员工，每个agent为单独的OpenClaw Agent实例，可在同一套系统中运行）。
因为 OpenClaw 的 Agent 不通信设置，我们想到了可以仿照人类社会"中台"的概念，通过一个中间服务器来进行统一的信息传递。所有 Agent 的历史日志都会被放入数据库中，当一个 Agent 要行动的时候，它会通过 OpenMOSS 的服务器 API 获取自己现在的状态信息：我现在被分配了什么任务？任务的验收标准是什么？其他 agent 的交付摘要（如依赖的上游产出）？我提交的任务是否被审查者审查了？审查结果是通过还是需要返工？如果被驳回，具体哪里有问题？我的积分变动情况如何？
获取到最新的状态信息之后，Agent 开始根据自己的系统提示词进行工作，任务完成之后，再次通过 API 将交付记录和执行日志写入 OpenMOSS 数据库，为后续的 agent 提供信息。随后 Agent 休眠，各 agent 通过 OpenClaw 的 cron 定时唤醒（如每 30 分钟），唤醒后主动查询数据库获取最新状态，再决定下一步行动。
这样，我们实现了OpenMOSS里的Agent的100%活跃可用，而为了让这套系统更加高效的运行，我们参考人类社会的工作流程加入了任务审核机制，使任务不再敷衍完成、Agent不再因为大模型幻觉而撒谎、误删文件数据库等“非主观的恶意操作”。
我们设计了AI_reviewer_agent（审查者）来对AI_employee_agent（AI员工）的任务完成情况进行审查，若通过则放行，若不通过驳回返工。为了二次防止cron失效带来的任务失败，我们又仿照人类社会增加了一个“监工”的角色，设立了一个AI_patroller_agent的巡查者，它在OpenMOSS系统中会定时对项目内的agent进行巡查，检查每个agent 任务是否存在异常，若有异常则报告。
光报错并不能解决问题，我们修改了AI_planner_agent的功能，使其在OpenMOSS收到告警信息后，会尝试进行自我修复（修复情况视OpenClaw实例里skill技能库的数量和模型能力）。
与此同时引入了强化学习的激励概念，AI_reviewer_agent还需要负责对Agent的任务进行打分，每个Agent会对自己的错误进行反思并主动优化自己的Agent 系统提示词。
因为OpenMOSS系统下的Agent具备强大的自组织、自进化、自修复能力，你甚至可以直接跟AI_planner_agent对话，手动引入人类工作场所的日报、周报概念，每天Agent会汇集过去一天、一周出现的问题，然后集体反思复盘，集中优化工作流、提示词，实现无限金华。
整个任务完成的全过程不需要人类介入，Agent之间只通过OpenMOSS的任务状态和日志就可以完成异步协作。
部署OpenMOSS（最快30分钟）
当我们理解了OpenClaw的Agent创建机制、会话机制、定时任务机制、通知渠道机制之后，就可以开始OpenMOSS的部署。
仓库地址：
GitHub - uluckyXH/OpenMOSS: A self-organizing multi-agent collaboration...
A self-organizing multi-agent collaboration platform for OpenClaw. Multiple AI agents work as an autonomous team — planning, executing, reviewing, and patrolling tasks with zero human intervention.
快速启动
# 拉取OpenMOSS仓库
git clone https://github.com/uluckyXH/OpenMOSS/ openmoss
# 进入OpenMOSS目录
cd openmoss
# 创建python虚拟环境
python3 -m venv openmoss-env
# 激活虚拟环境
source openmoss-env/bin/activate
# 安装项目所需依赖
pip install -r requirements.txt
# 创建日志目录
mkdir -p logs
# 后台启动OpenMOSS
nohup python3 -m uvicorn app.main:app \
--host 0.0.0.0 --port 6565 --access-log \
> ./logs/server.log 2>&1 &
# 查看日志是否成功运行
tail -f ./logs/server.log
如果执行完后出现跟截图一样，就代表成功了
image1280×285 68.9 KB
访问WebUI快速配置
是的，最初的版本是只支持自己改配置文件的，但是后面迭代了两个版本，完善了初始化的WebUI，如果你是在你本机上部署的，那么你可以通过：
- http://127.0.0.1:6565
就可以开始初始化配置了，如果你是部署在服务器上的，你可以通过反代提供访问地址或者通过自己服务器IP地址+6565的形式，当然，不推荐使用http，我还是非常建议你用反代用 https 来访问的，例如：
-
http://服务器IP地址:6565
-
https://域名or服务器IP地址
如果是服务器直接IP+端口访问别忘了放行端口
第一步：设置管理员密码（用户访问后台的管理密码）
image1280×1166 93.8 KB
第二步：配置Agent 工作目录
相当于给Agent们指定一个工作目录，所有工作成果都应该保存到该目录下，方便统一管理及查看，我这里直接在我的根路径创建了一个TaskWork目录，注意这个目录是创建在你的OpenClaw机器上的，而不是OpenMOSS部署的服务器上，如果你的OpenClaw和OpenMOSS在一台机器上，那么肯定是同一路径的！
为了方便后续工作协同，建议目录名与项目名一致，可以在很大程度上防止OpenClaw的大模型操作幻觉。
image1280×1131 125 KB
第三步：配置Agent注册令牌
这个令牌很关键，是必须的，当你的Agent还没注册OpenMOSS时，它是没有权限访问的，没办法直接和OpenMOSS进行交互，你需要让Agent通过令牌注册后获得API Key并存储下来，才能真正交互上（下面会说怎么让它们对接，请继续往下看）
image1252×1280 127 KB
第四步：配置访问地址
这个访问地址也很重要，是用来告诉agent你的OpenMOSS服务地址在哪，通过哪个地址能正常访问，我这里是OpenMOSS和OpenClaw都在一台机器上，所以它直接走本地访问就行，完全没有问题，如果你的OpenMOSS部署在别的服务器上，这里应该配置正确的访问地址 。
你可以这么理解，你怎么访问的WebUI就把你的地址复制粘贴进来，当然如果你的OpenMOSS和OpenClaw在一台机器上，那么肯定就是127.0.0.1:6565了，就别填外网访问地址了。
image1114×1280 130 KB
第五步：完成配置
启用通知推送我们可以后续对接好agent来再来配置！
image1280×995 72.9 KB
image1280×984 76 KB
启动OpenMOSS AI公司
当你完成OpenMOSS的配置后，应该会默认到提示词的管理页面，如果没到就手动点过来，如下：
image1280×1077 95.8 KB
Q：可能有的佬友会问，提示词管理是什么？
A：这个页面负责生成快速让Agent接入OpenMOSS的提示词，它只是一个简单的提示词管理页面，不做任何实际管理的操作！所以你创建好对应角色提示词后，你需要发给你对应的Agent！
接下来：
首先我们要理解，目前我们的OpenMOSS AI组织架构需要最少4位核心的角色才能运行下去：
-
AI_planner_agent（规划者，1位）：负责和你沟通任务细节，并规划任务
-
AI_reviewer_agent（审查者，1位）：负责审查任务执行结果，不合规就驳回返工
-
AI_patroller_agent（督查者，1位）：负责巡查任务是否执行超时（例如1小时没反应，或者2小时没反应后标记任务状态blocked）
-
AI_employee_agent（员工，最低1位）：负责完成规划者分配的任务，并对规划者、审查者和督查者的反馈进行回应和修复。若不设置员工Agent，具体工作可由规划者来完成。
目前OpenMOSS还是处于初期，这是一道开放题，你可以根据思路重新设计以达到你觉得最好的效果（这几天已经有佬友陆续优化出了自己可用的版本，我真的很惊讶好吗！更多的是惊喜！）
创建AI员工（子Agent）
请注意，本指南提供了2种创建AI员工的方式，第一种需要有探索精神，第二种比较适合“懒人”。AI时代，我当然推荐你使用第二种。
首先从页面的引导我们也能看到，我们需要创建核心的三位成员。
image1280×1120 165 KB
第一种：通过官方命令的形式创建
我们以创建规划者为例，首先我们先定义一个规划角色的提示词，你可以根据自己的需求修改提示词
image1280×953 239 KB
创建子Agent
创建好后，我们先来在OpenClaw上创建子Agent，在你的OpenClaw机器上执行命令，进入配置引导，以“AI-小规”为例：
openclaw agents add ai_xiaogui
image1218×1280 448 KB
这里是配置模型渠道，注意，如果你要单独配置的话，也可以选择Yes，单独配置，我这台机器上我在本地部署了CPA，所有的模型请求都找我本地部署的CPA，所以我直接让它继承，省的麻烦的配置了！
image1280×456 99.8 KB
先直接no，我们先不配置聊天渠道
image1212×312 30.7 KB
接下来通过命令查看agent的配置状态
openclaw models status --agent ai_xiaogui
可以看到agent配置是直接继承了我的全局配置
image1280×856 280 KB
image1280×918 265 KB
以飞书为例，配置多账号渠道
该流程比较废时间，每个飞书机器人的配对需要最少5分钟。
我这里是用的飞书官方的插件：OpenClaw 飞书官方插件使用指南（公开版）
第一步：将单账号变为多账号配置
# 设置默认账号名
openclaw config set channels.feishu.defaultAccount main
作用：
- 当消息/出站没显式写 accountId 时，默认使用 main 这个飞书账号
为什么要做？多账号模式里必须有一个“默认账号”概念，不然以后路由会变得模糊。做完后你应该理解成
以后：
- feishu 默认指向 feishu:main
第二步：把现有主 bot 的 App ID 写进 accounts.main
openclaw config set channels.feishu.accounts.main.appId '<你现在主飞书Bot的AppID>'
作用：
创建多账号结构里的：
- channels.feishu.accounts.main.appId
再把现有主 bot 的 App Secret 写进 accounts.main
openclaw config set channels.feishu.accounts.main.appSecret '<你现在主飞书Bot的AppSecret>'
作用
创建：
- channels.feishu.accounts.main.appSecret
第三步：对接新Agent
至此，你需要在飞书开放平台申请一个新的bot，获得App ID和App Secret
飞书开放平台
应用敏捷开发，服务高效入驻。飞书开放平台致力于以先进的协同办公理念和产品助力企业成长，帮助企业打造愉悦高效的专属办公平台。
官方插件说明：OpenClaw 飞书官方插件使用指南（公开版）
openclaw config set channels.feishu.accounts.xiaogui.appId '<你新建的小规Bot的AppID>'
作用
创建第二个账号：
- channels.feishu.accounts.xiaogui
openclaw config set channels.feishu.accounts.xiaogui.appSecret '<你新建的小鬼Bot的AppSecret>'
作用
- 补全 xiaogui 账号凭据。
第四步：删除顶部层的App ID 和 App Secret
openclaw config unset channels.feishu.appId
openclaw config unset channels.feishu.appSecret
第五步：绑定主飞书 bot 到 main
openclaw agents bind --agent main --bind feishu:main
作用
- 把 feishu:main 路由给 main
第六步：绑定AI小规飞书 bot 到 ai_xiaogui
openclaw agents bind --agent ai_xiaogui --bind feishu:xiaogui
第七步：检查配置是不是已经真的变成多账号
openclaw config get channels.feishu
image1280×1062 118 KB
重启网关，检查网关状态
# 重启网关
openclaw gateway restart
# 检查网关状态
openclaw gateway status
第八步：配置白名单（这一步不做飞书bot默认不会回复任何信息）
先来看看自己的飞书是不是审批机制，如果不是就改成审批机制
openclaw config get channels.feishu.dmPolicy
我这是白名单机制，那么接下来就改
image1856×248 67.8 KB
# 修改为审批机制
openclaw config set channels.feishu.dmPolicy pairing
# 修改后重启网关
openclaw gateway restart
# 检查是否已经改成审批机制
openclaw config get channels.feishu.dmPolicy
image2290×256 74.3 KB
这时再去对bot发信息，就会收到审批命令，拿到OpenClaw机器上执行就行
image1102×660 62.3 KB
image1936×256 88.3 KB
image1280×452 88.3 KB
恭喜你！成功创建好了一个子Agent！
第二种：交给Main Agent来帮我们对接（推荐）
如果你觉得手动配置的方式非常的麻烦，那么这个方法简直就是懒人福音！
就是通过对话的方式让主agent帮我们创建，我们只管提供飞书机器人的App ID和App Secret 就行。
但是！还是得你自己在 飞书 开放平台创建bot应用，然后配置权限拿到App ID 和 App Socret！
image1280×1226 321 KB
image968×1280 190 KB
image1044×574 55.1 KB
image2117×256 132 KB
image1280×1115 198 KB
AI员工入职OpenMOSS
现在我们的AI员工已经完成了体检工作，需要将其拉入OpenMOSS AI工区入职！
有两种方式：
-
第一种你可以复制OpenMOSS创建Agent时的提示词到 OpenClaw的WebUI对应AGENT S .md内，然后再把注册OpenMOSS的提示词单独发给agent让它自己下载安装skill并注册
-
第二种方式就是把提示词完整的发给它，让它自己设置并注册OpenMOSS（比较考验模型）
第一种：自己将提示词复制到AGENTS.md并把注册提示词单独发给Agent
image1132×1280 229 KB
↑上为OpenMOSS的Agent页面
↓下位OpenClaw官方的WebUI-代理页面
image1280×682 54.2 KB
接下来就是：
-
OpenMOSS的注册，打开飞书和bot进行聊天，先/new 重置一下会话
-
然后让它根据AGENTS.md更新一下自己的SOUL.md（可选，你也可以自己改SOUL.md）
image1280×649 138 KB
- 接着在OpenMOSS上复制对接提示词，发给它
image1280×1241 196 KB
image1052×1280 189 KB
image1231×1280 219 KB
至此就完成了Agent的注册（入职）
第二种，直接把【OpenClaw快速复制】提示词丢给Agent让它自己处理
image1070×1280 159 KB
image1920×6442 1.29 MB
如果这样的话，确实是可以放手不用管，唯一的缺点就是它处理起来有点慢，需要等待
Agent配置总结
至此我就已经创建好了两个角色，一个规划者一个审查者，接下来你还需要创建一个巡查者，然后再是根据你自己的场景任务创建多个或单个执行者，每个任务执行者，你都可以定义不同的角色，例如开发者、例如测试、例如运维，但请注意不是配置完角色就完事了，你需要为它们提供对应的工具skill，否则它们依旧不知道怎么干活，会效率很低，所以配置对应能力的skill是非常重要的！
在你的Agent都配置完后，就需要把它们全部拉入一个群内，之后你就可以@它们进行对话了，或者@规划者开始规划任务，如果你发现@没有反应的话，需要确保是否配置了白名单机制，如果配置了白名单机制可以改为open机制（就是不用繁琐的配置白名单，谁@都会触发）还是不建议白名单机制，太折腾了！
# 允许飞书群消息进入处理逻辑。
openclaw config set channels.feishu.groupPolicy open
# 查看配置
openclaw config get channels.feishu.groupPolicy
# 重启网关
openclaw gateway restart
image1280×682 90.9 KB
官方版的飞书插件，似乎不支持@所有人了，只能@特定的bot才会触发
配置通知渠道
这个通知渠道其实也是开放的，我在提示词里要求了，完成任务后通过skill工具来获取通知渠道，为什么说说开放的？这个通知渠道，其实你可以写邮箱或者写私聊的ID，当然如果你填邮箱的话，必须要为agent配置邮箱发送的skill，否则它肯定不知道怎么发的。
群聊ID、私聊ID怎么来呢？直接问！最简单，最粗暴
image1280×666 126 KB
或者你可以在群聊或者私信聊天后打开WebUI的聊天页面，也能看到
image2115×256 84.5 KB
接着来到OpenMOSS后台进行配置
image1280×836 124 KB
这样我们就配置好通知渠道了，也就是说完成任务后会往群里发通知信息
配置OpenClaw定时任务
第一种方法：目前在OpenClaw中，我推荐唤醒的方式还是定时任务，至于多少分钟一次，这个可以根据自己的需求来定，怎么配置？其实也很简单，直接要求它自己建就行。
image1226×1280 233 KB
第二种就是自己在WebUI手动创建
注意定时任务的提示词，相当于发起会话的第一句话，这个请根据自己的情况去修改提示词，你也可以跟agent沟通，慢慢优化自己想要的提示词
image1280×945 112 KB
第三种通过命令创建
# 命令示例说明
openclaw cron add \
--name "<任务名称>" \
--every "5m" \
--session isolated \
--agent <agent_id> \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel <channel_name> \
--to "<target_id>"
# 参数说明
--name "AI reviewer 5分钟巡检"
--every "5m" # 每 5 分钟执行一次
--every "30m" # 每 30 分钟执行一次
--every "1h" # 每 1 小时执行一次
--session isolated # 让这个任务在独立会话里运行。
# 指定由哪个 agent 执行这个定时任务。
--agent ai_reviewer
--agent ai_xiaogui
# 任务提示词
--message "这里写任务提示词..."
# 执行完成后，把结果发到通知渠道
--announce
# 指定通知发到哪个渠道
--channel feishu
--channel telegram
# 指定通知目标 ID （直接找agent要）
--to "chat:xxxxxx"
以下是执行的示例命令，请不要直接复制粘贴执行，根据自己的情况修改后再执行
# 这个命令请修改后再粘贴执行，不要直接复制粘贴！
openclaw cron add \
--name "AI xiaogui 5分钟巡检" \
--every "5m" \
--session isolated \
--agent ai_xiaogui \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857"
# 查看定时任务列表
openclaw cron list
# 查看调度器状态
openclaw cron status
image953×1280 231 KB
image1280×334 57.7 KB
定时任务机制补充
- OpenClaw定时任务有最大执行限制，默认配置似乎是2，这意味着一次只能执行两个定时任务，怎么改？
# 查看
openclaw config get cron.maxConcurrentRuns
image1350×256 58.8 KB
没定义，那就是默认只能执行两个
# 修改执行上限为5个（可以根据自己的机器性能和token消耗调整）
openclaw config set cron.maxConcurrentRuns 5 --strict-json
# 重启网关
openclaw gateway restart
# 查看配置是否生效
openclaw config get cron.maxConcurrentRuns
image1280×409 165 KB
- OpenClaw的定时任务是支持指定某个模型来跑的，你可以根据自己的情况让agent替你修改或者使用命令创建时就指定
# 命令示例说明
openclaw cron add \
--name "通用定时任务（指定模型）" \
--every "10m" \
--session isolated \
--agent ai_xiaogui \
--model "my-custom/gpt-5.4(xhigh)" \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857"
# 指定这个定时任务单独使用哪个模型
--model "my-custom/gpt-5.4(xhigh)"
--model "openai/gpt-4.1"
--model "anthropic/claude-sonnet-4-5"
# 修改已有等定时任务模型（注意这个模型必须配置在OpenClaw的渠道中，否则无法使用）
openclaw cron edit <job-id> --model "my-custom/gpt-5.4(xhigh)"
# 支持修改其它参数
openclaw cron edit <job-id> \
--every "10m" \
--model "my-custom/gpt-5.4(xhigh)" \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857" \
--announce
- 例如AI小规的定时任务已经在跑了，那么这个定时任务它并不会重复执行，只会等着一轮执行完之后，才会唤醒下一轮，这个得注意！
最后
目前OpenMOSS我们正在慢慢进行完善，把部署门槛降低，但是这确实需要时间，我有时候真的很感慨，我们只是把思路分享了出来，但有佬友们快速上手并优化出了自己真正可用的生产力版本，真的太让人惊喜了！
希望佬友们玩的愉快～
网友解答：--【壹】--：
token怪兽！
--【贰】--：
谢谢众多大佬的妙计
--【叁】--：
我觉得还是牢曾比我强！
--【肆】--：
补充，这个方式只用给领头的agent弄定时任务就行，跑通全部流程后再分享
--【伍】--：
天呐，怎么会那么厉害！
--【陆】--：
我去，看篇幅好像很长，很详细，找个时间研读一下，之前搞的不太好。谢谢黄佬
--【柒】--：
太强了！小黄！
--【捌】--：
mark 感谢大佬分享
--【玖】--：
Openclaw Max 5x
(逃w……
--【拾】--：
最近在尝试搭建批量公众号写作工厂，我是用discord搞定了agent to agent通信，套了三省六部制那个想法，总管+组长+干活的，不用openmoss这套入职+中台，在agent.md里约定sop似乎也能通。
1c8ade1574a964870c7e952e1c4983b61138×850 81.1 KB
4e6b53cf07de0a09c790ca89f909512e1134×1364 129 KB
c50752f4c9b9f35fda8436cc7c4a08611124×1542 127 KB
--【拾壹】--：
mark一下，忙完这段时间肯定能用到一个更完善的版本
--【拾贰】--：
强诶……
主要是claw威力有点大诶w，不敢碰
--【拾叁】--：
巨棒的优化思路！这位佬是真的强！
【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优我接入了佬的openmoss，并且开始了我现在的开发工作进行尝试。 踩坑与反思 “传话筒效应”与上下文碎裂 我配置了3个系统角色，8个执行者。来完成软件开发的全流程从需求到上线。token的消耗是灾难级的，产出是不能用的，过程是不可控的。我暂停了所有任务并开始思考。我需要这么多agent吗？ 我仔细看了佬分享的案例， “1M Reviews” 本质上是一个【线性单向数据流】信息抓取 → 内…
--【拾肆】--：
等我持续出优化版本！
--【拾伍】--：
真的已经是没日没夜的讨论方案，然后写文档了，这几天给我肝麻了
--【拾陆】--：
哦，这很摩登！
--【拾柒】--：
玩不起
--【拾捌】--：
收藏收藏
--【拾玖】--：
小黄tql！
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
各位好！
OpenMOSS是一个“AI组织/AI公司操作系统”，它凭借OpenClaw、Claude Code等AI Agent系统的模拟工作能力，实现了自组织、自修复、自优化、自进化、自巡监、自激励、闭环质量控制、Skill可拔插、循环任务等堪比真人团队的工作能力，高度还原真人工作流。经过实测它在一定程度上具备替代“重复劳动办公环境”的可能性，使其可以获得无限进步的生产力。
目前OpenMOSS AI公司系统已在1个实验网站、1个月1.2亿流量的媒体网站、1个网络小说工作室、1个网站开发团队上运行或者部分替代运行。详情去查看demo版贴子
历时一周，消耗10亿token，AI小说多agent结构实验，v1.0版本 搞七捻三各位佬友们下午好，来L站快两月，笨鸟也要开始飞了。受这两位大佬帖子的启发https://linux.do/t/topic/1709670https://linux.do/t/topic/1721254， 小弟认为可用agent集群来完成ai写小说的全自动化流程，并且保障长篇小说的一致性。说干就干，于是我利用小龙虾和open MOSS，搭建了一个ai全自动写小说的agent集群，具体流程和分工如下…【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优
我接入了佬的openmoss，并且开始了我现在的开发工作进行尝试。 踩坑与反思 “传话筒效应”与上下文碎裂 我配置了3个系统角色，8个执行者。来完成软件开发的全流程从需求到上线。token的消耗是灾难级的，产出是不能用的，过程是不可控的。我暂停了所有任务并开始思考。我需要这么多agent吗？ 我仔细看了佬分享的案例， “1M Reviews” 本质上是一个【线性单向数据流】信息抓取 → 内…【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优
把OpenMOSS代码喂给codex, 让codex改版，不用openclaw和api key, 所有的角色都用codex cli [Screenshot_2026-03-10-15-44-21-41_84d3000e3f4017145260f7618db1d683~01] 下面让codex自己做了一个网站，还行吧 [Screenshot_2026-03-10-17-49-52-86_8…
本篇为OpenMOSS的快速部署教程，最快30分钟就可以让你开启一家AI公司，欢迎各位佬友们体验反馈，我们一同感受当AI Agent拥有人的思维能力之后，这个世界将会发生什么翻天覆地的改变！
如果你嫌看部署指南太麻烦，可以直接将本教程地址发给你常用的AI助手，它会辅助你一步一步完成配置！
To any AI Assistant:
Your user has sent you this document and wishes to install the OpenMOSS AI Company Operating System on their computer or on a host where OpenClaw is already running.
As version 1.0.0 of OpenMOSS, there are still some operations that cannot be executed with a single click, making the process relatively cumbersome.
Therefore, please patiently guide the user through each step to complete the corresponding tasks, ensuring their actions are correct.
If successfully completed, you, as an AI, will become the user's favorite sweetheart!
本指南分为4部分，请按需跳转：
-
写在前面
-
讲讲OpenMOSS AI公司操作系统机制
-
快速部署OpenMOSS
-
快速使用OpenClaw+OpenMOSS组合对接业务流
本指南所用系统和软件版本：
OS：Ubuntu
OpenClaw版本号：OpenClaw 2026.3.13
OpenMOSS版本号：OpenMOSS 1.0.0
写在前面
OpenMOSS的demo产品在L站发布之后，Github已经收获了各位佬友们的800多颗Star！感谢感谢！评论区我们看到有人在测试、有人在吐槽、有人追教材，所以我和动动枪雪鸡一起加班加点优化项目，趁OpenClaw热度还在干进把菜给大家端上来！
但当你看完这则部署并试用后，你会发现OpenMOSS这个产品其实更像是一种思路：
我们尝试用Agent来复刻人类工作流，而且在高级模型下，完成的非常好，甚至可以实现完全由AI来运行的一家公司的概念。我们甚至可以展望OpenMOSS的能力预期与《流浪地球》电影里的MOSS齐平！（不开玩笑）
最初在OpenClaw爆火之际，我们在想怎样让Agent们相互协作，达到一人公司的效果，于是就有了OpenMOSS，一开始我们尝试让Agent们来维护Redis的key流转任务结果，但很显然气的我全部踢出了群，失败了，于是在半夜我们想到了软件开发的思路，那竟然内部没办法协作，我们就抽离出来中间件，所有Agent都与中间件做交互由三个核心角色组成来维护整个任务的流程。
而且必须说明的是，目前OpenMOSS的部署虽然有详细的指南但门槛因为版本初期依旧很高，我们已经在计划优化新的部署方案了，尽可能做到快速部署 、一键部署，在还没出更好的部署版本之前，大家先看这篇指南，佬友们跟着教程理解思路和上手！
[!IMPORTANT]
OpenMOSS 的效果与底层大语言模型强相关，上下文窗口越大越好。推荐使用 GPT-5.3-Codex 或 GPT-5.4。
[!WARNING]
多 Agent 运行会成倍消耗模型额度，请合理控制接口限额和速率，防止超量产生经济损失。
[!TIP]
为实现最佳效果，建议为 OpenMOSS 配置独立的桌面级生产环境。
讲讲机制和难理解的点
在我们开始前，我们得理解机制，首先OpenMOSS目前支持OpenClaw、Claude Code等Agent软件或者平台服务，本指南以OpenClaw为例。
OpenClaw多Agent机制
当你部署好OpenClaw后会获得一个默认的main agent，这个agent我们不融入团队，你可以把它当作你平常的小助手，例如让它帮忙改配置呀，或者让它帮你创建子agent呀，都是可以的。
那我们要创建一个agent团队应该怎么办？OpenClaw是支持创建永久“子agent”的，接下来会讲怎么创建子agent。
OpenClaw会话机制
我们要理解，你平常和OpenClaw对话，会话是怎么产生的？其实很简单，就跟网页和ChatGPT聊天一样：
-
你跟它私聊，它是一个单独的上下文，属于一个会话窗口
-
你再跟它在群里聊，它又是一个新的会话，它不和私聊的上下文同步的
-
定时任务唤醒，其实也是一个完全新的上下文
小技巧：有时候你和你的main agent对话的时候，让它去干活的时候，你会发现它干活去了，就阻塞了，无法继续和你对话，这时候其实你可以跟它说创建一个临时的子agent去做啥啥啥，它就会派活过去创建一个独立的临时会话，你就能继续和你的main agent继续沟通了。
OpenClaw定时任务
这个估计大家都知道，我们要知道的是，OpenClaw的定时任务它是支持自己写提示词的。你在定时任务写的提示词，每次到点的时候会作为内容，起一个新的会话发给agent，这样它就知道要干什么了，但是还有OpenClaw的定时任务是可以绑定通知渠道的，也可以绑定对应agent（就是哪个agent来执行这个定时任务），所以总结一下：
-
定时任务支持自己自定义提示词
-
定时任务支持绑定自定义通知渠道（OpenClaw内部的通知渠道id）
-
定时任务支持绑定对应的agent来执行任务（就是绑定让哪个agent来执行）
通知渠道机制
这个我还没有去细了解，但是我知道的是，我每次把它们拉进群后，或者私聊的时候都会有一个内部的对话id，似乎根据渠道不同id也不一样，但是你可以直接问agent要，这样之后你就可以在OpenMOSS里指定一个任务完成后通知渠道了，例如我指定一个群聊ID，每次完成对应任务都会发到这个群里。
image1053×1280 204 KB
image1312×2606 386 KB
OpenMOSS的运行机制：
初期作为一个视频整活，想要实现在飞书@ 所有人 之后，多个agent回复的效果。
但是飞书插件存在问题以及OpenClaw早期版本 cron 失效的问题，所以我们开发中间件来进行修复并实现多agent的任务协作，包括AI_planner_agent（规划者）在获得人类的任务之后，自己分配任务给不同的AI_employee_agent（AI员工，每个agent为单独的OpenClaw Agent实例，可在同一套系统中运行）。
因为 OpenClaw 的 Agent 不通信设置，我们想到了可以仿照人类社会"中台"的概念，通过一个中间服务器来进行统一的信息传递。所有 Agent 的历史日志都会被放入数据库中，当一个 Agent 要行动的时候，它会通过 OpenMOSS 的服务器 API 获取自己现在的状态信息：我现在被分配了什么任务？任务的验收标准是什么？其他 agent 的交付摘要（如依赖的上游产出）？我提交的任务是否被审查者审查了？审查结果是通过还是需要返工？如果被驳回，具体哪里有问题？我的积分变动情况如何？
获取到最新的状态信息之后，Agent 开始根据自己的系统提示词进行工作，任务完成之后，再次通过 API 将交付记录和执行日志写入 OpenMOSS 数据库，为后续的 agent 提供信息。随后 Agent 休眠，各 agent 通过 OpenClaw 的 cron 定时唤醒（如每 30 分钟），唤醒后主动查询数据库获取最新状态，再决定下一步行动。
这样，我们实现了OpenMOSS里的Agent的100%活跃可用，而为了让这套系统更加高效的运行，我们参考人类社会的工作流程加入了任务审核机制，使任务不再敷衍完成、Agent不再因为大模型幻觉而撒谎、误删文件数据库等“非主观的恶意操作”。
我们设计了AI_reviewer_agent（审查者）来对AI_employee_agent（AI员工）的任务完成情况进行审查，若通过则放行，若不通过驳回返工。为了二次防止cron失效带来的任务失败，我们又仿照人类社会增加了一个“监工”的角色，设立了一个AI_patroller_agent的巡查者，它在OpenMOSS系统中会定时对项目内的agent进行巡查，检查每个agent 任务是否存在异常，若有异常则报告。
光报错并不能解决问题，我们修改了AI_planner_agent的功能，使其在OpenMOSS收到告警信息后，会尝试进行自我修复（修复情况视OpenClaw实例里skill技能库的数量和模型能力）。
与此同时引入了强化学习的激励概念，AI_reviewer_agent还需要负责对Agent的任务进行打分，每个Agent会对自己的错误进行反思并主动优化自己的Agent 系统提示词。
因为OpenMOSS系统下的Agent具备强大的自组织、自进化、自修复能力，你甚至可以直接跟AI_planner_agent对话，手动引入人类工作场所的日报、周报概念，每天Agent会汇集过去一天、一周出现的问题，然后集体反思复盘，集中优化工作流、提示词，实现无限金华。
整个任务完成的全过程不需要人类介入，Agent之间只通过OpenMOSS的任务状态和日志就可以完成异步协作。
部署OpenMOSS（最快30分钟）
当我们理解了OpenClaw的Agent创建机制、会话机制、定时任务机制、通知渠道机制之后，就可以开始OpenMOSS的部署。
仓库地址：
GitHub - uluckyXH/OpenMOSS: A self-organizing multi-agent collaboration...
A self-organizing multi-agent collaboration platform for OpenClaw. Multiple AI agents work as an autonomous team — planning, executing, reviewing, and patrolling tasks with zero human intervention.
快速启动
# 拉取OpenMOSS仓库
git clone https://github.com/uluckyXH/OpenMOSS/ openmoss
# 进入OpenMOSS目录
cd openmoss
# 创建python虚拟环境
python3 -m venv openmoss-env
# 激活虚拟环境
source openmoss-env/bin/activate
# 安装项目所需依赖
pip install -r requirements.txt
# 创建日志目录
mkdir -p logs
# 后台启动OpenMOSS
nohup python3 -m uvicorn app.main:app \
--host 0.0.0.0 --port 6565 --access-log \
> ./logs/server.log 2>&1 &
# 查看日志是否成功运行
tail -f ./logs/server.log
如果执行完后出现跟截图一样，就代表成功了
image1280×285 68.9 KB
访问WebUI快速配置
是的，最初的版本是只支持自己改配置文件的，但是后面迭代了两个版本，完善了初始化的WebUI，如果你是在你本机上部署的，那么你可以通过：
- http://127.0.0.1:6565
就可以开始初始化配置了，如果你是部署在服务器上的，你可以通过反代提供访问地址或者通过自己服务器IP地址+6565的形式，当然，不推荐使用http，我还是非常建议你用反代用 https 来访问的，例如：
-
http://服务器IP地址:6565
-
https://域名or服务器IP地址
如果是服务器直接IP+端口访问别忘了放行端口
第一步：设置管理员密码（用户访问后台的管理密码）
image1280×1166 93.8 KB
第二步：配置Agent 工作目录
相当于给Agent们指定一个工作目录，所有工作成果都应该保存到该目录下，方便统一管理及查看，我这里直接在我的根路径创建了一个TaskWork目录，注意这个目录是创建在你的OpenClaw机器上的，而不是OpenMOSS部署的服务器上，如果你的OpenClaw和OpenMOSS在一台机器上，那么肯定是同一路径的！
为了方便后续工作协同，建议目录名与项目名一致，可以在很大程度上防止OpenClaw的大模型操作幻觉。
image1280×1131 125 KB
第三步：配置Agent注册令牌
这个令牌很关键，是必须的，当你的Agent还没注册OpenMOSS时，它是没有权限访问的，没办法直接和OpenMOSS进行交互，你需要让Agent通过令牌注册后获得API Key并存储下来，才能真正交互上（下面会说怎么让它们对接，请继续往下看）
image1252×1280 127 KB
第四步：配置访问地址
这个访问地址也很重要，是用来告诉agent你的OpenMOSS服务地址在哪，通过哪个地址能正常访问，我这里是OpenMOSS和OpenClaw都在一台机器上，所以它直接走本地访问就行，完全没有问题，如果你的OpenMOSS部署在别的服务器上，这里应该配置正确的访问地址 。
你可以这么理解，你怎么访问的WebUI就把你的地址复制粘贴进来，当然如果你的OpenMOSS和OpenClaw在一台机器上，那么肯定就是127.0.0.1:6565了，就别填外网访问地址了。
image1114×1280 130 KB
第五步：完成配置
启用通知推送我们可以后续对接好agent来再来配置！
image1280×995 72.9 KB
image1280×984 76 KB
启动OpenMOSS AI公司
当你完成OpenMOSS的配置后，应该会默认到提示词的管理页面，如果没到就手动点过来，如下：
image1280×1077 95.8 KB
Q：可能有的佬友会问，提示词管理是什么？
A：这个页面负责生成快速让Agent接入OpenMOSS的提示词，它只是一个简单的提示词管理页面，不做任何实际管理的操作！所以你创建好对应角色提示词后，你需要发给你对应的Agent！
接下来：
首先我们要理解，目前我们的OpenMOSS AI组织架构需要最少4位核心的角色才能运行下去：
-
AI_planner_agent（规划者，1位）：负责和你沟通任务细节，并规划任务
-
AI_reviewer_agent（审查者，1位）：负责审查任务执行结果，不合规就驳回返工
-
AI_patroller_agent（督查者，1位）：负责巡查任务是否执行超时（例如1小时没反应，或者2小时没反应后标记任务状态blocked）
-
AI_employee_agent（员工，最低1位）：负责完成规划者分配的任务，并对规划者、审查者和督查者的反馈进行回应和修复。若不设置员工Agent，具体工作可由规划者来完成。
目前OpenMOSS还是处于初期，这是一道开放题，你可以根据思路重新设计以达到你觉得最好的效果（这几天已经有佬友陆续优化出了自己可用的版本，我真的很惊讶好吗！更多的是惊喜！）
创建AI员工（子Agent）
请注意，本指南提供了2种创建AI员工的方式，第一种需要有探索精神，第二种比较适合“懒人”。AI时代，我当然推荐你使用第二种。
首先从页面的引导我们也能看到，我们需要创建核心的三位成员。
image1280×1120 165 KB
第一种：通过官方命令的形式创建
我们以创建规划者为例，首先我们先定义一个规划角色的提示词，你可以根据自己的需求修改提示词
image1280×953 239 KB
创建子Agent
创建好后，我们先来在OpenClaw上创建子Agent，在你的OpenClaw机器上执行命令，进入配置引导，以“AI-小规”为例：
openclaw agents add ai_xiaogui
image1218×1280 448 KB
这里是配置模型渠道，注意，如果你要单独配置的话，也可以选择Yes，单独配置，我这台机器上我在本地部署了CPA，所有的模型请求都找我本地部署的CPA，所以我直接让它继承，省的麻烦的配置了！
image1280×456 99.8 KB
先直接no，我们先不配置聊天渠道
image1212×312 30.7 KB
接下来通过命令查看agent的配置状态
openclaw models status --agent ai_xiaogui
可以看到agent配置是直接继承了我的全局配置
image1280×856 280 KB
image1280×918 265 KB
以飞书为例，配置多账号渠道
该流程比较废时间，每个飞书机器人的配对需要最少5分钟。
我这里是用的飞书官方的插件：OpenClaw 飞书官方插件使用指南（公开版）
第一步：将单账号变为多账号配置
# 设置默认账号名
openclaw config set channels.feishu.defaultAccount main
作用：
- 当消息/出站没显式写 accountId 时，默认使用 main 这个飞书账号
为什么要做？多账号模式里必须有一个“默认账号”概念，不然以后路由会变得模糊。做完后你应该理解成
以后：
- feishu 默认指向 feishu:main
第二步：把现有主 bot 的 App ID 写进 accounts.main
openclaw config set channels.feishu.accounts.main.appId '<你现在主飞书Bot的AppID>'
作用：
创建多账号结构里的：
- channels.feishu.accounts.main.appId
再把现有主 bot 的 App Secret 写进 accounts.main
openclaw config set channels.feishu.accounts.main.appSecret '<你现在主飞书Bot的AppSecret>'
作用
创建：
- channels.feishu.accounts.main.appSecret
第三步：对接新Agent
至此，你需要在飞书开放平台申请一个新的bot，获得App ID和App Secret
飞书开放平台
应用敏捷开发，服务高效入驻。飞书开放平台致力于以先进的协同办公理念和产品助力企业成长，帮助企业打造愉悦高效的专属办公平台。
官方插件说明：OpenClaw 飞书官方插件使用指南（公开版）
openclaw config set channels.feishu.accounts.xiaogui.appId '<你新建的小规Bot的AppID>'
作用
创建第二个账号：
- channels.feishu.accounts.xiaogui
openclaw config set channels.feishu.accounts.xiaogui.appSecret '<你新建的小鬼Bot的AppSecret>'
作用
- 补全 xiaogui 账号凭据。
第四步：删除顶部层的App ID 和 App Secret
openclaw config unset channels.feishu.appId
openclaw config unset channels.feishu.appSecret
第五步：绑定主飞书 bot 到 main
openclaw agents bind --agent main --bind feishu:main
作用
- 把 feishu:main 路由给 main
第六步：绑定AI小规飞书 bot 到 ai_xiaogui
openclaw agents bind --agent ai_xiaogui --bind feishu:xiaogui
第七步：检查配置是不是已经真的变成多账号
openclaw config get channels.feishu
image1280×1062 118 KB
重启网关，检查网关状态
# 重启网关
openclaw gateway restart
# 检查网关状态
openclaw gateway status
第八步：配置白名单（这一步不做飞书bot默认不会回复任何信息）
先来看看自己的飞书是不是审批机制，如果不是就改成审批机制
openclaw config get channels.feishu.dmPolicy
我这是白名单机制，那么接下来就改
image1856×248 67.8 KB
# 修改为审批机制
openclaw config set channels.feishu.dmPolicy pairing
# 修改后重启网关
openclaw gateway restart
# 检查是否已经改成审批机制
openclaw config get channels.feishu.dmPolicy
image2290×256 74.3 KB
这时再去对bot发信息，就会收到审批命令，拿到OpenClaw机器上执行就行
image1102×660 62.3 KB
image1936×256 88.3 KB
image1280×452 88.3 KB
恭喜你！成功创建好了一个子Agent！
第二种：交给Main Agent来帮我们对接（推荐）
如果你觉得手动配置的方式非常的麻烦，那么这个方法简直就是懒人福音！
就是通过对话的方式让主agent帮我们创建，我们只管提供飞书机器人的App ID和App Secret 就行。
但是！还是得你自己在 飞书 开放平台创建bot应用，然后配置权限拿到App ID 和 App Socret！
image1280×1226 321 KB
image968×1280 190 KB
image1044×574 55.1 KB
image2117×256 132 KB
image1280×1115 198 KB
AI员工入职OpenMOSS
现在我们的AI员工已经完成了体检工作，需要将其拉入OpenMOSS AI工区入职！
有两种方式：
-
第一种你可以复制OpenMOSS创建Agent时的提示词到 OpenClaw的WebUI对应AGENT S .md内，然后再把注册OpenMOSS的提示词单独发给agent让它自己下载安装skill并注册
-
第二种方式就是把提示词完整的发给它，让它自己设置并注册OpenMOSS（比较考验模型）
第一种：自己将提示词复制到AGENTS.md并把注册提示词单独发给Agent
image1132×1280 229 KB
↑上为OpenMOSS的Agent页面
↓下位OpenClaw官方的WebUI-代理页面
image1280×682 54.2 KB
接下来就是：
-
OpenMOSS的注册，打开飞书和bot进行聊天，先/new 重置一下会话
-
然后让它根据AGENTS.md更新一下自己的SOUL.md（可选，你也可以自己改SOUL.md）
image1280×649 138 KB
- 接着在OpenMOSS上复制对接提示词，发给它
image1280×1241 196 KB
image1052×1280 189 KB
image1231×1280 219 KB
至此就完成了Agent的注册（入职）
第二种，直接把【OpenClaw快速复制】提示词丢给Agent让它自己处理
image1070×1280 159 KB
image1920×6442 1.29 MB
如果这样的话，确实是可以放手不用管，唯一的缺点就是它处理起来有点慢，需要等待
Agent配置总结
至此我就已经创建好了两个角色，一个规划者一个审查者，接下来你还需要创建一个巡查者，然后再是根据你自己的场景任务创建多个或单个执行者，每个任务执行者，你都可以定义不同的角色，例如开发者、例如测试、例如运维，但请注意不是配置完角色就完事了，你需要为它们提供对应的工具skill，否则它们依旧不知道怎么干活，会效率很低，所以配置对应能力的skill是非常重要的！
在你的Agent都配置完后，就需要把它们全部拉入一个群内，之后你就可以@它们进行对话了，或者@规划者开始规划任务，如果你发现@没有反应的话，需要确保是否配置了白名单机制，如果配置了白名单机制可以改为open机制（就是不用繁琐的配置白名单，谁@都会触发）还是不建议白名单机制，太折腾了！
# 允许飞书群消息进入处理逻辑。
openclaw config set channels.feishu.groupPolicy open
# 查看配置
openclaw config get channels.feishu.groupPolicy
# 重启网关
openclaw gateway restart
image1280×682 90.9 KB
官方版的飞书插件，似乎不支持@所有人了，只能@特定的bot才会触发
配置通知渠道
这个通知渠道其实也是开放的，我在提示词里要求了，完成任务后通过skill工具来获取通知渠道，为什么说说开放的？这个通知渠道，其实你可以写邮箱或者写私聊的ID，当然如果你填邮箱的话，必须要为agent配置邮箱发送的skill，否则它肯定不知道怎么发的。
群聊ID、私聊ID怎么来呢？直接问！最简单，最粗暴
image1280×666 126 KB
或者你可以在群聊或者私信聊天后打开WebUI的聊天页面，也能看到
image2115×256 84.5 KB
接着来到OpenMOSS后台进行配置
image1280×836 124 KB
这样我们就配置好通知渠道了，也就是说完成任务后会往群里发通知信息
配置OpenClaw定时任务
第一种方法：目前在OpenClaw中，我推荐唤醒的方式还是定时任务，至于多少分钟一次，这个可以根据自己的需求来定，怎么配置？其实也很简单，直接要求它自己建就行。
image1226×1280 233 KB
第二种就是自己在WebUI手动创建
注意定时任务的提示词，相当于发起会话的第一句话，这个请根据自己的情况去修改提示词，你也可以跟agent沟通，慢慢优化自己想要的提示词
image1280×945 112 KB
第三种通过命令创建
# 命令示例说明
openclaw cron add \
--name "<任务名称>" \
--every "5m" \
--session isolated \
--agent <agent_id> \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel <channel_name> \
--to "<target_id>"
# 参数说明
--name "AI reviewer 5分钟巡检"
--every "5m" # 每 5 分钟执行一次
--every "30m" # 每 30 分钟执行一次
--every "1h" # 每 1 小时执行一次
--session isolated # 让这个任务在独立会话里运行。
# 指定由哪个 agent 执行这个定时任务。
--agent ai_reviewer
--agent ai_xiaogui
# 任务提示词
--message "这里写任务提示词..."
# 执行完成后，把结果发到通知渠道
--announce
# 指定通知发到哪个渠道
--channel feishu
--channel telegram
# 指定通知目标 ID （直接找agent要）
--to "chat:xxxxxx"
以下是执行的示例命令，请不要直接复制粘贴执行，根据自己的情况修改后再执行
# 这个命令请修改后再粘贴执行，不要直接复制粘贴！
openclaw cron add \
--name "AI xiaogui 5分钟巡检" \
--every "5m" \
--session isolated \
--agent ai_xiaogui \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857"
# 查看定时任务列表
openclaw cron list
# 查看调度器状态
openclaw cron status
image953×1280 231 KB
image1280×334 57.7 KB
定时任务机制补充
- OpenClaw定时任务有最大执行限制，默认配置似乎是2，这意味着一次只能执行两个定时任务，怎么改？
# 查看
openclaw config get cron.maxConcurrentRuns
image1350×256 58.8 KB
没定义，那就是默认只能执行两个
# 修改执行上限为5个（可以根据自己的机器性能和token消耗调整）
openclaw config set cron.maxConcurrentRuns 5 --strict-json
# 重启网关
openclaw gateway restart
# 查看配置是否生效
openclaw config get cron.maxConcurrentRuns
image1280×409 165 KB
- OpenClaw的定时任务是支持指定某个模型来跑的，你可以根据自己的情况让agent替你修改或者使用命令创建时就指定
# 命令示例说明
openclaw cron add \
--name "通用定时任务（指定模型）" \
--every "10m" \
--session isolated \
--agent ai_xiaogui \
--model "my-custom/gpt-5.4(xhigh)" \
--message "先读取你工作区中的 AGENTS.md，并按其中定义的身份、职责和流程完成本次任务。如果工作区中存在相关 skill，则优先按 skill 的说明使用工具。完成后输出清晰、简洁、适合发送到通知渠道的结果。" \
--announce \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857"
# 指定这个定时任务单独使用哪个模型
--model "my-custom/gpt-5.4(xhigh)"
--model "openai/gpt-4.1"
--model "anthropic/claude-sonnet-4-5"
# 修改已有等定时任务模型（注意这个模型必须配置在OpenClaw的渠道中，否则无法使用）
openclaw cron edit <job-id> --model "my-custom/gpt-5.4(xhigh)"
# 支持修改其它参数
openclaw cron edit <job-id> \
--every "10m" \
--model "my-custom/gpt-5.4(xhigh)" \
--channel feishu \
--to "chat:oc_602d99006635f553dd33c544cedc1857" \
--announce
- 例如AI小规的定时任务已经在跑了，那么这个定时任务它并不会重复执行，只会等着一轮执行完之后，才会唤醒下一轮，这个得注意！
最后
目前OpenMOSS我们正在慢慢进行完善，把部署门槛降低，但是这确实需要时间，我有时候真的很感慨，我们只是把思路分享了出来，但有佬友们快速上手并优化出了自己真正可用的生产力版本，真的太让人惊喜了！
希望佬友们玩的愉快～
网友解答：--【壹】--：
token怪兽！
--【贰】--：
谢谢众多大佬的妙计
--【叁】--：
我觉得还是牢曾比我强！
--【肆】--：
补充，这个方式只用给领头的agent弄定时任务就行，跑通全部流程后再分享
--【伍】--：
天呐，怎么会那么厉害！
--【陆】--：
我去，看篇幅好像很长，很详细，找个时间研读一下，之前搞的不太好。谢谢黄佬
--【柒】--：
太强了！小黄！
--【捌】--：
mark 感谢大佬分享
--【玖】--：
Openclaw Max 5x
(逃w……
--【拾】--：
最近在尝试搭建批量公众号写作工厂，我是用discord搞定了agent to agent通信，套了三省六部制那个想法，总管+组长+干活的，不用openmoss这套入职+中台，在agent.md里约定sop似乎也能通。
1c8ade1574a964870c7e952e1c4983b61138×850 81.1 KB
4e6b53cf07de0a09c790ca89f909512e1134×1364 129 KB
c50752f4c9b9f35fda8436cc7c4a08611124×1542 127 KB
--【拾壹】--：
mark一下，忙完这段时间肯定能用到一个更完善的版本
--【拾贰】--：
强诶……
主要是claw威力有点大诶w，不敢碰
--【拾叁】--：
巨棒的优化思路！这位佬是真的强！
【开源】基于OpenClaw实现Agent自组织、自修复、自进化的能力OpenMOSS（含实际成果） 开发调优我接入了佬的openmoss，并且开始了我现在的开发工作进行尝试。 踩坑与反思 “传话筒效应”与上下文碎裂 我配置了3个系统角色，8个执行者。来完成软件开发的全流程从需求到上线。token的消耗是灾难级的，产出是不能用的，过程是不可控的。我暂停了所有任务并开始思考。我需要这么多agent吗？ 我仔细看了佬分享的案例， “1M Reviews” 本质上是一个【线性单向数据流】信息抓取 → 内…
--【拾肆】--：
等我持续出优化版本！
--【拾伍】--：
真的已经是没日没夜的讨论方案，然后写文档了，这几天给我肝麻了
--【拾陆】--：
哦，这很摩登！
--【拾柒】--：
玩不起
--【拾捌】--：
收藏收藏
--【拾玖】--：
小黄tql！