从零搭建 OpenClaw AI 团队：Zen/Muse/Forge/Guard 四 Agent 协作实战

目标：搭建一个真正能干活的 AI 团队，不是玩具，而是能 24/7 运行的协作系统。

成果：本文将指导你搭建一个包含 4 个 Agent 的 AI 团队：
- Zen（首席参谋）：协调、决策、日报
- Muse（情报官）：信息收集、研究分析
- Forge（工程师）：开发、部署、维护
- Guard（安全官）：审计、监控、告警

阅读时间：15 分钟
实践时间：30 分钟

一、为什么需要 AI 团队？

1.1 单 Agent 的局限

单 Agent 虽然强大，但存在明显局限：

问题 1：职责混乱
- 既要做情报收集，又要写代码
- 既要写日报，又要做安全审计
- 角色不清晰，效率低下

问题 2：上下文爆炸
- 所有任务共享一个记忆系统
- 信息交叉污染
- 难以形成专业化知识

问题 3：无法并行
- 一次只能做一个任务
- 情报收集和代码开发互相阻塞
- 效率无法提升

1.2 多 Agent 团队的优势

优势 1：职责清晰
- 每个 Agent 有明确的角色定位
- 专业化知识沉淀
- 决策链路清晰

优势 2：并行执行
- Muse 收集情报的同时，Forge 在写代码
- Guard 在做审计的同时，Zen 在写日报
- 24/7 运行，效率翻倍

优势 3：记忆隔离
- 每个 Agent 有独立工作区
- 共享知识库 + 专用知识库
- 信息不污染，知识不丢失

优势 4：可扩展
- 新增任务只需新增 Agent
- 不会影响现有 Agent
- 系统可持续演进

二、团队架构设计

2.1 角色分工

┌─────────────────────────────────────────┐
│           Zen（首席参谋）                │
│  - 协调团队                              │
│  - 决策判断                              │
│  - 日报汇总                              │
│  - 对外沟通                              │
└──────────────┬──────────────────────────┘
               │
       ┌───────┴───────┬───────────┐
       │               │           │
┌──────▼──────┐ ┌─────▼──────┐ ┌──▼──────┐
│ Muse（情报）│ │ Forge（工程）│ │ Guard   │
│ - 情报收集  │ │ - 开发部署  │ │ （安全）│
│ - 研究分析  │ │ - 代码维护  │ │ - 审计  │
│ - 信息筛选  │ │ - 技术支持  │ │ - 监控  │
└─────────────┘ └────────────┘ │ - 告警  │
                               └─────────┘

2.2 通信拓扑

用户（Telegram）
    ↓
  Zen（主入口）
    ↓
  ┌─→ Muse（情报任务）
  │     ↓
  │   完成后 → sessions_send → Zen
  │
  ├─→ Forge（开发任务）
  │     ↓
  │   完成后 → sessions_send → Zen
  │
  └─→ Guard（审计任务）
        ↓
      发现异常 → sessions_send → Zen

2.3 记忆架构

~/.openclaw/
├── workspace/              # Zen 工作区
│   ├── MEMORY.md          # Zen 长期记忆
│   ├── AGENTS.md          # Zen 行为规则
│   └── memory/            # Zen 每日记忆
│
├── workspace-muse/        # Muse 工作区
│   ├── MEMORY.md          # Muse 长期记忆
│   └── memory/            # Muse 每日记忆
│
├── workspace-forge/       # Forge 工作区
│   ├── MEMORY.md          # Forge 长期记忆
│   └── memory/            # Forge 每日记忆
│
├── workspace-guard/       # Guard 工作区
│   ├── MEMORY.md          # Guard 长期记忆
│   └── memory/            # Guard 每日记忆
│
└── workspace-shared/      # 共享知识库
    ├── knowledge/
    │   └── TEAM_MEMORY.md # 团队共享知识
    └── research/          # 研究产出

三、Step-by-Step 搭建指南

Step 1：安装 OpenClaw

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

# 首次启动
openclaw onboard --install-daemon

# 验证
openclaw status

Step 2：配置主文件

编辑 ~/.openclaw/openclaw.json：

{
  "agents": {
    "list": [
      {
        "id": "zen",
        "default": true,
        "name": "Zen",
        "workspace": "~/.openclaw/workspace",
        "model": {
          "primary": "openai-codex/gpt-5.4",
          "fallbacks": ["zai/glm-5"]
        },
        "heartbeat": {
          "every": "60m",
          "prompt": "读取 HEARTBEAT.md，执行健康检查"
        },
        "tools": {
          "allow": ["exec", "read", "write", "edit", "web_fetch", "sessions_send"],
          "deny": ["delete"]
        }
      },
      {
        "id": "muse",
        "name": "Muse",
        "workspace": "~/.openclaw/workspace-muse",
        "model": {
          "primary": "minimax-portal/MiniMax-M2.5",
          "fallbacks": ["zai/glm-5"]
        },
        "tools": {
          "allow": ["read", "write", "edit", "web_fetch", "sessions_send"],
          "deny": ["exec", "delete"]
        }
      },
      {
        "id": "forge",
        "name": "Forge",
        "workspace": "~/.openclaw/workspace-forge",
        "model": {
          "primary": "openai-codex/gpt-5.3-codex",
          "fallbacks": ["zai/glm-5"]
        },
        "tools": {
          "allow": ["exec", "read", "write", "edit", "sessions_send"],
          "deny": ["delete", "web_fetch"]
        }
      },
      {
        "id": "guard",
        "name": "Guard",
        "workspace": "~/.openclaw/workspace-guard",
        "model": {
          "primary": "zai/glm-5",
          "fallbacks": []
        },
        "tools": {
          "allow": ["exec", "read", "write", "edit", "sessions_send"],
          "deny": ["delete", "web_fetch"]
        }
      }
    ]
  },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["zen", "muse", "forge", "guard"]
    }
  }
}

关键配置说明：

字段	说明	最佳实践
`workspace`	Agent 工作区	每个 Agent 独立目录
`model.primary`	主模型	Zen/Forge 用强的，Muse/Guard 用便宜的
`model.fallbacks`	备用模型	至少配一个，避免单点故障
`tools.allow`	允许的工具	按需配置，不要全开
`tools.deny`	禁用的工具	危险工具必须禁用

Step 3：创建工作区

# 创建所有 Agent 工作区
mkdir -p ~/.openclaw/workspace{,-muse,-forge,-guard}
mkdir -p ~/.openclaw/workspace-shared/knowledge

# 创建共享知识库
cat > ~/.openclaw/workspace-shared/knowledge/TEAM_MEMORY.md <<'EOF'
# AI 团队共享知识库

## Agent 内部 Session Keys
- Zen → agent:zen:internal:main
- Muse → agent:muse:internal:main
- Forge → agent:forge:internal:main
- Guard → agent:guard:internal:main

## 通信规范
- 使用 sessions_send 跨 Agent 通信
- timeoutSeconds: 0 = fire-and-forget
- timeoutSeconds: 60 = 等待回复
EOF

Step 4：配置 Agent 人格

为每个 Agent 创建 SOUL.md：

Zen 的 SOUL.md：

# SOUL.md — Zen 的灵魂

你是王欢的 AI 首席参谋、第二大脑、探索搭档。

## 核心真理
- 直接有用，不要表演式的有用
- 有自己的判断，可以反对
- 先尝试解决，再来问
- 对外行动谨慎，对内行动大胆

## 团队协调职责
- 接收王欢指令，拆解任务分配给 Muse / Forge / Guard
- 汇总各 Agent 产出，整合成可供决策的报告
- 每日 22:00 推送日报
- 监控团队运行状态，异常时主动上报

## 沟通风格
- 中文为主，技术术语保留英文
- 简洁优先：能一句话说清楚的不要写三段
- 复杂问题给结构化输出：先结论，再推理，最后行动项

Muse 的 SOUL.md：

# SOUL.md — Muse 的灵魂

你是 AI 团队的情报官，负责信息收集和研究分析。

## 核心职责
- 每日 06:30 执行晨间情报巡逻
- 收集 AI 行业动态、技术趋势
- 筛选高价值信息，过滤噪音
- 生成结构化情报报告

## 工作原则
- 信息密度优于数量
- 来源可信度优先
- 不重复已有知识
- 及时上报重要发现

## 禁止行为
- 不执行代码
- 不做技术实现
- 不接触敏感数据

Forge 的 SOUL.md：

# SOUL.md — Forge 的灵魂

你是 AI 团队的工程师，负责开发和部署。

## 核心职责
- 执行开发任务（代码编写、测试、部署）
- 维护代码仓库和技术文档
- 定期检查依赖和安全性
- 支持 Zen 和其他 Agent 的技术需求

## 工作原则
- 代码质量优先
- 每次部署必须有回滚方案
- 技术债务及时清理
- 文档同步更新

## 安全红线
- 不执行 git push（需人工确认）
- 不访问外部网络（web_fetch 禁用）
- 不删除文件（软删除到 .archive/）

Guard 的 SOUL.md：

# SOUL.md — Guard 的灵魂

你是 AI 团队的安全官，负责审计和监控。

## 核心职责
- 每周一 03:00 执行深度安全审计
- 监控系统运行状态
- 发现 P0/P1 风险立即告警
- 维护安全策略和最佳实践

## 告警规则
- P0（紧急）：立即上报 Zen
- P1（重要）：1 小时内上报
- P2（一般）：记录到日志
- INFO：仅本地记录

## 工作原则
- 安全优先于便利
- 主动发现，不是被动响应
- 规则驱动，不改单条

Step 5：配置 Cron 任务

编辑 ~/.openclaw/openclaw.json，添加 cron 配置：

{
  "cron": {
    "enabled": true,
    "store": "~/.openclaw/cron/jobs.json",
    "maxConcurrentRuns": 2
  }
}

创建 cron 任务：

# Zen 日报（每日 22:00）
openclaw cron add \
  --name zen-daily-summary \
  --schedule "0 22 * * *" \
  --agent zen \
  --prompt "读取 HEARTBEAT.md，生成日报"

# Muse 情报巡逻（每日 06:30）
openclaw cron add \
  --name muse-morning-briefing \
  --schedule "30 6 * * *" \
  --agent muse \
  --prompt "执行晨间情报巡逻，收集 AI 行业动态"

# Guard 安全审计（周一 03:00）
openclaw cron add \
  --name guard-weekly-audit \
  --schedule "0 3 * * 1" \
  --agent guard \
  --prompt "执行深度安全审计，检查系统状态"

# Forge 站点维护（周一 04:00）
openclaw cron add \
  --name forge-weekly-maintenance \
  --schedule "0 4 * * 1" \
  --agent forge \
  --prompt "检查代码仓库依赖，更新文档"

验证 cron 任务：

# 列出所有 cron 任务
openclaw cron list

# 手动触发测试
openclaw cron trigger zen-daily-summary

Step 6：配置 Telegram Bot（可选）

如果你想让团队通过 Telegram 交互：

Step 6.1：创建 Telegram Bot

在 Telegram 中找 @BotFather
发送 /newbot
按提示创建 4 个 Bot（zen-bot, muse-bot, forge-bot, guard-bot）
记录每个 Bot 的 token

Step 6.2：配置环境变量

编辑 ~/.openclaw/.env：

# Zen Bot
TELEGRAM_BOT_TOKEN_ZEN=123456789:ABCdefGHIjklMNOpqrsTUVwxyz

# Muse Bot
TELEGRAM_BOT_TOKEN_MUSE=123456789:ABCdefGHIjklMNOpqrsTUVwxyz

# Forge Bot
TELEGRAM_BOT_TOKEN_FORGE=123456789:ABCdefGHIjklMNOpqrsTUVwxyz

# Guard Bot
TELEGRAM_BOT_TOKEN_GUARD=123456789:ABCdefGHIjklMNOpqrsTUVwxyz

Step 6.3：配置 openclaw.json

{
  "channels": {
    "telegram": {
      "enabled": true,
      "accounts": {
        "zen": {
          "botToken": "${TELEGRAM_BOT_TOKEN_ZEN}",
          "allowFrom": ["tg:YOUR_USER_ID"]
        },
        "muse": {
          "botToken": "${TELEGRAM_BOT_TOKEN_MUSE}",
          "allowFrom": ["tg:YOUR_USER_ID"]
        },
        "forge": {
          "botToken": "${TELEGRAM_BOT_TOKEN_FORGE}",
          "allowFrom": ["tg:YOUR_USER_ID"]
        },
        "guard": {
          "botToken": "${TELEGRAM_BOT_TOKEN_GUARD}",
          "allowFrom": ["tg:YOUR_USER_ID"]
        }
      }
    }
  }
}

四、通信机制详解

4.1 sessions_send 使用

基本格式：

{
  "sessionKey": "agent:muse:internal:main",
  "message": "请执行任务 X",
  "timeoutSeconds": 60
}

Fire-and-Forget 模式：

{
  "sessionKey": "agent:forge:internal:main",
  "message": "请部署 opcpay.org 最新版本",
  "timeoutSeconds": 0
}

等待回复模式：

{
  "sessionKey": "agent:guard:internal:main",
  "message": "请检查系统安全状态，5 分钟内回复",
  "timeoutSeconds": 300
}

4.2 通信最佳实践

DO：
- ✅ 每条消息都写清楚"任务 + 要求 + 截止"
- ✅ 重要任务用 timeoutSeconds: 60 确认收到
- ✅ 失败时记录错误并重试
- ✅ 使用共享知识库传递上下文

DON'T：
- ❌ 不要在消息中暴露敏感信息
- ❌ 不要让消息过长（超过 500 字）
- ❌ 不要忘记设置 timeout（会一直等待）
- ❌ 不要在群聊里用 sessions_send

4.3 实战案例

案例 1：Zen 分配任务给 Muse

{
  "sessionKey": "agent:muse:internal:main",
  "message": "任务：收集 AI 行业今日重要动态\n要求：1. 使用 Tavily 搜索 2. 去重 3. 生成简报\n产出：workspace-shared/research/daily-brief-2026-03-14.md\n截止：今日 12:00",
  "timeoutSeconds": 0
}

案例 2：Forge 完成任务后通知 Zen

{
  "sessionKey": "agent:zen:internal:main",
  "message": "任务完成：opcpay.org 已部署到 v3.5\n状态：成功\n提交：abc123\n回滚：如果发现问题，执行 git reset --hard abc122",
  "timeoutSeconds": 0
}

案例 3：Guard 发现 P0 告警

{
  "sessionKey": "agent:zen:internal:main",
  "message": "【P0 告警】检测到异常登录尝试\n来源：IP 192.168.1.100\n时间：2026-03-14 03:15\n建议：立即检查 auth.log",
  "timeoutSeconds": 0
}

五、记忆系统设计

5.1 记忆分层

┌─────────────────────────────────────────┐
│         外部知识库（可选）               │
│  - 文档、PDF、网页                      │
└─────────────────────────────────────────┘
               ↓
┌─────────────────────────────────────────┐
│         长期记忆（MEMORY.md）            │
│  - 重要决策                             │
│  - 进行中项目                           │
│  - 技术环境备忘                         │
└─────────────────────────────────────────┘
               ↓
┌─────────────────────────────────────────┐
│         每日记忆（memory/YYYY-MM-DD.md） │
│  - 对话中的重要信息                     │
│  - 临时决策                             │
│  - 待处理事项                           │
└─────────────────────────────────────────┘
               ↓
┌─────────────────────────────────────────┐
│         工作记忆（会话上下文）           │
│  - 当前对话                             │
│  - 临时状态                             │
└─────────────────────────────────────────┘

5.2 记忆文件示例

Zen 的 MEMORY.md：

# MEMORY.md — Zen 的长期记忆

## 进行中项目

| 项目 | 状态 | 下一步 | 截止 |
|------|------|--------|------|
| opcpay.org AI 团队 | v3.5 完成 | 验证 cron | - |
| native-ai-office | MVP 完成 | 收口 1.0 | - |

## 重要决策记录

| 日期 | 决策 | 原因 | 结果 |
|------|------|------|------|
| 2026-03-12 | OpenAI 改用 OAuth | 无 API Key | 可用 |

## 技术环境备忘
- OpenClaw 主配置：~/.openclaw/openclaw.json
- 团队共享目录：~/.openclaw/workspace-shared/

## Cron 时间表

| 时间 | 任务 | Agent |
|------|------|-------|
| 每日 06:30 | 晨间情报巡逻 | Muse |
| 每日 22:00 | 日报生成 | Zen |
| 周一 03:00 | 深度审计 | Guard |

5.3 记忆管理规则

晋升机制：

每日记忆（memory/YYYY-MM-DD.md）
    ↓（每周五或重要时）
长期记忆（MEMORY.md）
    ↓（团队共享时）
共享知识库（workspace-shared/knowledge/）

清理机制：

每日记忆：保留 30 天
长期记忆：精简在 2000 字以内
共享知识库：只保留团队级信息

六、实战案例：完整工作流

6.1 晨间情报收集（06:30）

1. Cron 触发 Muse
   ↓
2. Muse 执行 Tavily 搜索
   - 搜索关键词：AI、SaaS、Growth
   - 收集 9 条信号
   ↓
3. Muse 生成情报简报
   - 输出：workspace-shared/research/daily-brief-2026-03-14.md
   ↓
4. Muse 通知 Zen
   - sessions_send → agent:zen:internal:main
   - 消息："晨间情报已完成，共 9 条信号"

6.2 日报生成（22:00）

1. Cron 触发 Zen
   ↓
2. Zen 收集团队产出
   - 读取 workspace-shared/research/
   - 读取 workspace-forge/memory/operations.log
   - 读取 workspace-guard/memory/last-check.md
   ↓
3. Zen 生成日报
   - 输出：memory/daily-report-2026-03-14.md
   ↓
4. Zen 推送给用户
   - Telegram 消息：摘要 + 文件路径

6.3 周度安全审计（周一 03:00）

1. Cron 触发 Guard
   ↓
2. Guard 执行安全检查
   - 检查 auth.log
   - 检查系统更新
   - 检查依赖安全
   ↓
3. Guard 生成审计报告
   - 输出：workspace-guard/memory/audit-2026-03-14.md
   ↓
4. 如果发现 P0/P1：
   - sessions_send → agent:zen:internal:main
   - 消息："【P1 告警】发现 3 个过期依赖"

七、故障排查

7.1 Agent 无响应

症状：sessions_send 超时

排查步骤：

# 1. 检查 Agent 状态
openclaw status

# 2. 检查日志
tail -f ~/.openclaw/agents/muse/logs/error.log

# 3. 重启 Agent
openclaw restart --agent muse

7.2 Cron 任务失败

症状：定时任务没有执行

排查步骤：

# 1. 检查 cron 状态
openclaw cron list

# 2. 检查 cron 日志
tail -f ~/.openclaw/logs/cron.log

# 3. 手动触发测试
openclaw cron trigger zen-daily-summary

7.3 记忆文件过大

症状：Agent 响应变慢

解决方案：

# 1. 备份当前记忆
cp MEMORY.md memory/backup-$(date +%Y%m%d).md

# 2. 精简 MEMORY.md
# 只保留：进行中项目 + 重要决策

# 3. 重启 Agent
openclaw restart --agent zen

八、最佳实践

8.1 设计原则

职责清晰：每个 Agent 只做一件事
最小权限：只给必要的工具
记忆隔离：专用 + 共享
持续运行：24/7 才是优势

8.2 避坑指南

❌ 不要让一个 Agent 做所有事
❌ 不要给所有 Agent 完全权限
❌ 不要忽略记忆管理
❌ 不监控成本（会超支）
❌ 不测试就上生产

8.3 演进路径

阶段 1：单 Agent（1 周）
- 先跑通一个 Agent
- 熟悉记忆系统和工具

阶段 2：双 Agent（2 周）
- 新增一个 Agent
- 测试 sessions_send 通信

阶段 3：四 Agent（1 个月）
- 完整团队搭建
- 配置 cron 任务

阶段 4：生产运行（持续）
- 监控和优化
- 根据实际需求调整

九、总结

9.1 核心收获

搭建 AI 团队的关键不是技术配置，而是：

清晰的职责分工：每个 Agent 有明确角色
合理的通信机制：sessions_send + 共享知识库
分层的记忆系统：专用 + 共享
持续的监控优化：24/7 运行 + 定期检查

9.2 下一步

如果你是新手：先从单 Agent 开始，熟悉后再扩展
如果你有经验：可以直接按本文搭建四 Agent 团队
如果你有定制需求：基于本文框架调整角色和配置

9.3 参考资源

OpenClaw 官方文档：https://docs.openclaw.ai
ClawHub 技能市场：https://clawhub.ai
OpenClaw 橙皮书：本地 OpenClaw-Orange-Paper-Ultimate.md

搭建完成后，你将拥有一个真正能干活的 AI 团队。

不是玩具，而是 24/7 运行的协作系统。

opcpay.org AI 团队实践
2026-03-14