← 返回术语百科

🎯 什么是 OpenClaw 飞书机器人？

OpenClaw 飞书机器人是一个运行在飞书企业平台上的 AI Agent，它能够：

• 自动回复消息 - 用户在飞书群里 @机器人 即可获得 AI 回复
• 执行定时任务 - 每日自动生成报告、发送通知
• 管理任务 - 创建飞书任务、管理待办事项
• 操作多维表格 - 自动读写飞书多维表格数据
• 生成文档 - 自动创建飞书云文档

🔧 部署架构

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│   飞书用户    │───▶│  飞书开放平台  │───▶│  OpenClaw    │
│  (发送消息)   │    │  (事件推送)   │    │  (Agent处理) │
└──────────────┘    └──────────────┘    └──────────────┘
                            │                    │
                            ▼                    ▼
                    ┌──────────────┐    ┌──────────────┐
                    │   Webhook    │    │  执行工具    │
                    │   接收端     │    │ (搜索/文件等) │
                    └──────────────┘    └──────────────┘
        

📋 部署步骤

1. 创建飞书企业应用
   访问 飞书开放平台，创建企业自建应用，获取 App ID 和 App Secret。
2. 配置应用权限
   开通机器人能力，添加消息读写、用户信息、云文档等权限。
3. 配置事件订阅
   设置请求地址（Request URL），订阅 im.message.receive_v1 事件。
4. 部署 OpenClaw Gateway
   在服务器上安装并配置 OpenClaw，连接飞书应用。
5. 测试上线
   在飞书群中 @机器人 发送消息，验证回复功能。

⚙️ 核心配置

OpenClaw 配置文件

# ~/.openclaw/config.yaml
channels:
  feishu:
    enabled: true
    appId: cli_xxxxxxxxxxxxx
    appSecret: xxxxxxxxxxxxxxxxxxxxxxx
    encryptKey: xxxxxxxxxxxxxxx
    verificationToken: xxxxxxxxxxxxxxx
    
agent:
  name: "妙趣AI"
  model: "deepseek-chat"
  maxTokens: 4096
  
tools:
  - name: web_search
  - name: write
  - name: exec
  - name: message

飞书应用配置

{
  "app_id": "cli_xxxxxxxxxxxxx",
  "app_name": "妙趣AI机器人",
  "app_secret": "xxxxxxxxxxxxxxxxxxxxxxx",
  "permissions": [
    "im:message",
    "im:message.create",
    "im:message.receive",
    "contact:user.base:readonly",
    "bitable:app",
    "drive:drive",
    "task:task"
  ]
}

🚀 实战应用场景

场景1：自动日报推送

# 通过 OpenClaw Cron 定时执行
# 每天 08:00 自动推送 AI 新闻日报

# OpenClaw Cron 配置
{
  "name": "每日AI新闻推送",
  "schedule": { "kind": "cron", "expr": "0 8 * * *", "tz": "Asia/Shanghai" },
  "payload": {
    "kind": "agentTurn",
    "message": "生成今日AI新闻日报并推送到飞书群"
  },
  "delivery": { "mode": "announce", "channel": "feishu" }
}

场景2：任务自动创建

# 当用户在群里说"帮我创建一个任务"
# Agent 自动调用 feishu_task_task 创建飞书任务

# Agent 处理逻辑
用户消息: "帮我创建一个任务：完成Q2营销报告，明天截止"

→ Agent 调用: feishu_task_task(action="create", 
    summary="完成Q2营销报告",
    due={"timestamp": "2026-06-06T18:00:00+08:00"})

→ 飞书任务创建成功，返回任务链接

场景3：多维表格数据查询

# 用户：查询上周的销售数据
# Agent 自动操作多维表格

用户消息: "查一下上周销售数据"

→ Agent 调用: feishu_bitable_app_table_record(
    action="list",
    app_token="xxx",
    table_id="tblxxx",
    filter={
        "conjunction": "and",
        "conditions": [{
            "field_name": "日期",
            "operator": "isGreater",
            "value": ["2026-05-26"]
        }]
    }
)

→ 返回结构化数据并格式化展示

⚠️ 常见问题

问题	解决方案
机器人不回复消息	检查事件订阅配置、网络连通性、App 权限
回复延迟严重	检查模型 API 响应时间，考虑使用更快的模型
权限不足错误	在飞书开放平台重新申请权限并发布版本
消息格式错误	确保 JSON 格式正确，特殊字符转义

💡 最佳实践

📚 相关术语