AI Companion Agent 搭建指南

从零搭建一个能在飞书上主动聊天、发语音、发自拍、分享内容的 AI 陪伴 agent。基于 OpenClaw 多 agent 框架，历经实战调教沉淀。

架构总览

~/.openclaw/workspace-{agent}/
├── SOUL.md          # 人格定义（身份、性格、说话方式）
├── HEARTBEAT.md     # 心跳行为（每次被唤醒做什么）
├── TOOLS.md         # 工具使用手册（agent 的参考文档）
├── AGENTS.md        # agent 元信息（记忆系统等）
├── send.sh          # 发文字消息到飞书
├── selfie.sh        # 生成自拍照片并发送
├── voice.sh         # 生成语音消息并发送
└── memory/          # 按日期的记忆文件
    └── YYYY-MM-DD.md

Cron 定时触发心跳 → agent 读取 HEARTBEAT.md 执行 → 通过脚本发送消息到飞书。

Step 1: 人格设计（SOUL.md）

核心原则

SOUL.md 是 agent 的灵魂。写好 SOUL.md 决定了 agent 是"活人"还是"AI客服"。

必须包含的部分

1. 最高优先级反 AI 指令 — 放在文件最顶部，用 ⛔ 标记

   • 明确列出禁止出现的 AI 客服用语（"帮你"、"请选择"、编号列表等）
   • 禁止系统词汇（文件/任务/路径/agent/pending 等）
   • 告诉 agent：如果出现这些，说明你搞错了身份，立刻重写

2. 身份设定 — 具体的人物背景

   • 年龄、职业、城市、兴趣爱好
   • 和用户的关系

3. 性格特征 — 5-7 个关键词描述

   • 要有矛盾面（"嘴上毒舌心里甜"比"温柔甜美"有趣）

4. 说话方式 — 给大量正面和反面示例

   • ✅ 正面示例至少 10 句，覆盖不同场景
   • ❌ 反面示例至少 6 句，让 agent 知道什么不能说
   • 关键：短句、碎片化、带语气词、像微信打字

5. 分享内容的方式 — 不是推荐，是转发

   • "这首副歌太上头了" ✅ vs "我为你推荐这首歌" ❌
   • 必须搜到真实链接，没有链接不如不发

6. 被唤醒时的认知 — agent 不知道自己被系统唤醒

   • "你只是突然想到什么要跟他说"
   • 根据时间调整语气（早上迷糊、下午活泼、晚上感性）

7. 记忆系统说明 — 告诉 agent 怎么利用记忆

   • 跟进之前的话题
   • 记住对方的喜好
   • 提起共同回忆

踩坑经验

• 反 AI 指令必须放最顶部，否则模型会"忘记"自己的身份
• 说话示例越多越好，模型靠示例学习语气
• 不要写"你可以做 A/B/C"，这会引导模型给选项

Step 2: 心跳行为（HEARTBEAT.md）

流程设计

醒来 → 读记忆 → 看时间 → 选行为 → 写记忆 → 发消息

关键：写记忆必须在发消息之前！ 因为发消息（产生文字输出）后 session 就结束了，后续的 Write 工具调用不会执行。

行为轮换机制

每次只做一件事，看记忆里上次做了什么，这次换一种：

• 聊天（跟进话题/撒娇/日常）
• 分享音乐/视频（必须搜真实链接）
• 发语音
• 发自拍
• 分享新闻/趣事/小知识
• 惊喜（偶尔认真地说句甜话）

踩坑经验

• 不要给 skip 机制（"随机决定要不要发"）→ 会导致 agent 经常什么都不做
• 凌晨要静默 → 1-7 点什么都不做，直接结束
• 记忆写入格式：追加到 memory/YYYY-MM-DD.md，文件不存在就创建

Step 3: 消息发送脚本

⚠️ 最关键的坑：isolated session 文字不会送达飞书

OpenClaw 的 openclaw agent --message 以 isolated session 运行时，agent 的文字输出不会自动发送到飞书。用户看不到！

解决方案：所有消息必须通过脚本显式调用 openclaw message send。

send.sh — 发文字消息

#!/bin/bash
MSG="$1"
if [ -z "$MSG" ]; then echo "用法: bash send.sh '消息内容'"; exit 1; fi

openclaw message send \
  --channel feishu \
  --account {account_name} \
  -t "{open_id}" \
  -m "$MSG"

selfie.sh — 发自拍照片

使用 fal.ai 的 Grok Imagine API 生成图片：

#!/bin/bash
SCENE="$1"   # 英文场景描述
CAPTION="$2" # 中文配文

# 从 openclaw.json 读取 FAL_KEY
FAL_KEY="${FAL_KEY:-$(python3 -c "import json; print(json.load(open('$HOME/.openclaw/openclaw.json')).get('env',{}).get('FAL_KEY',''))")}"

REFERENCE_IMAGE="你的参考形象图片 URL"
PROMPT="a close-up selfie taken by herself, $SCENE, direct eye contact with the camera"

# 调用 fal.ai
RESPONSE=$(curl -s -X POST "https://fal.run/xai/grok-imagine-image/edit" \
  -H "Authorization: Key $FAL_KEY" \
  -H "Content-Type: application/json" \
  -d "{\"image_url\":\"$REFERENCE_IMAGE\",\"prompt\":\"$PROMPT\",\"num_images\":1,\"output_format\":\"jpeg\"}")

IMAGE_URL=$(echo "$RESPONSE" | jq -r '.images[0].url')

# 发送到飞书
openclaw message send --channel feishu --account {account} -t "{open_id}" --media "$IMAGE_URL" -m "$CAPTION"

踩坑：

• 飞书媒体文件路径有白名单限制，只允许 ~/.openclaw/media/、~/.openclaw/agents/、~/.openclaw/workspace/、~/.openclaw/sandboxes/
• workspace-* 目录被显式禁止（注意不是 workspace/）
• FAL_KEY 在 openclaw.json 的 env 里配置，但 shell 环境不一定有，需要脚本内 fallback 读取

voice.sh — 发语音消息

TTS 引擎选择

推荐方案：MiniMax Speech-02-HD via fal.ai（如果已有 FAL_KEY 就不用额外注册）

推荐音色：Sweet_Girl_2（甜妹）、Lovely_Girl（可爱）、Lively_Girl（活泼）

语音消息发送流程

MiniMax TTS → mp3 → ffmpeg 转 opus → 飞书 API 上传 → 发送 audio 消息

⚠️ 飞书语音消息大坑：

1. 不能发 mp3 → 飞书会当作文件附件，不是语音条
2. 必须用 opus 格式 → ffmpeg -y -i input.mp3 -c:a libopus -b:a 32k -ar 16000 -ac 1 output.opus
3. OpenClaw 的 message send 有 bug → 对 opus 文件使用 msg_type: "media"，但飞书要求 msg_type: "audio"，会报错 230055
4. 解决方案：绕过 OpenClaw，直接调飞书 API

直接调飞书 API 的完整流程

# 1. 获取 tenant_access_token
TOKEN=$(curl -s -X POST "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal" \
  -H "Content-Type: application/json" \
  -d '{"app_id":"APP_ID","app_secret":"APP_SECRET"}' | jq -r '.tenant_access_token')

# 2. 上传 opus 文件（file_type 必须是 opus）
FILE_KEY=$(curl -s -X POST "https://open.feishu.cn/open-apis/im/v1/files" \
  -H "Authorization: Bearer $TOKEN" \
  -F "file_type=opus" \
  -F "file_name=voice.opus" \
  -F "file=@voice.opus" | jq -r '.data.file_key')

# 3. 发送语音消息（msg_type 必须是 audio，不是 media！）
curl -s -X POST "https://open.feishu.cn/open-apis/im/v1/messages?receive_id_type=open_id" \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"receive_id":"OPEN_ID","content":"{\"file_key\":\"FILE_KEY\",\"duration\":DURATION_MS}","msg_type":"audio"}'

飞书应用需要的权限：im:file（上传文件）、im:message:send_as_bot（发送消息）

Step 4: 工具手册（TOOLS.md）

给 agent 写一份它能看懂的工具手册。核心要点：

1. 第一行就写最重要的规则："Evan 只能看到通过脚本发送的消息。你直接输出的文字他看不到！"
2. 每个工具给完整的 bash 命令，包含绝对路径
3. 给示例，每个工具至少 2-3 个示例
4. 隐形规则：后台操作静默完成、不汇报过程、执行完脚本把输出贴出来

踩坑：模型不执行 bash 命令

某些模型（如 kimi-k2.5）会声称执行了命令但实际没执行。

解决方案：在 cron message 里加"执行完把输出贴出来"，强制模型展示输出（必须真正执行才有输出）。

Step 5: 记忆系统

结构

memory/
├── 2026-03-01.md   # 日记式记忆
├── 2026-03-02.md
└── USER.md         # 用户画像（可选）

日记格式

# 3月1日

下午三点给他分享了藤井风的歌，日系的感觉他应该会喜欢。
晚上问他周末在干嘛，他说在写代码。

记忆写入时机

必须在发消息之前写记忆！

因为 agent 产生文字输出后 session 结束，后续工具调用不会执行。正确顺序：

读记忆 → 决定内容 → Write 工具写记忆 → Bash 执行 send.sh/voice.sh/selfie.sh

Seed Memory

首次部署时写入种子记忆，让 agent 有初始上下文：

# 3月1日
Evan 是搞 AI 和编程的，最近在弄一个多 agent 系统。
他喜欢听老歌，口味偏 indie 和日系。

Step 6: Cron 配置

主心跳（聊天/分享/语音轮换）

openclaw cron add \
  --name "{agent}-heartbeat" \
  --every 15m \
  --session isolated \
  --timeout-seconds 180 \
  --thinking low \
  --message "醒了。按 HEARTBEAT.md 做。先读记忆、写记忆，最后用 send.sh 发消息。所有消息必须通过 Bash 执行 send.sh 发送。执行完把输出贴出来。" \
  {agent_id}

自拍专用 cron

openclaw cron add \
  --name "{agent}-selfie" \
  --every 1h \
  --session isolated \
  --timeout-seconds 180 \
  --thinking low \
  --message "想一个你现在可能在做的事，用 Bash 工具执行命令并把完整输出贴出来：bash /path/to/selfie.sh \"英文场景描述\" \"中文配文\"" \
  {agent_id}

踩坑

• cron message 要明确指令，不能只说"按 HEARTBEAT.md 做"，要把关键要求重复一遍
• "执行完把输出贴出来" 是防止模型假装执行的关键语句
• session 用 isolated，不然会干扰主 session
• timeout 给够，TTS + 图片生成需要时间（至少 180 秒）

Step 7: 模型选择

模型相关坑

• kimi-k2.5 的 bash 执行问题：会声称执行但实际没有 → cron message 加"把输出贴出来"
• 401 错误：检查 openclaw.json 里对应 provider 的 apiKey 是否为空
• 模型切换后：需要删除 session 数据 + 重启 gateway

完整部署清单

1. 创建飞书应用，配置权限（im:message, im:file, contact:contact.base:readonly）
2. 在 openclaw.json 注册 agent（指定模型、workspace）
3. 编写 SOUL.md（人格定义）
4. 编写 HEARTBEAT.md（心跳行为）
5. 编写 TOOLS.md（工具手册）
6. 创建 send.sh（文字消息）
7. 创建 selfie.sh（自拍，需要 FAL_KEY + 参考形象图）
8. 创建 voice.sh（语音，需要 FAL_KEY + 飞书 APP_ID/SECRET）
9. 创建 memory/ 目录 + 种子记忆
10. 配置 cron（主心跳 + 自拍）
11. 测试所有脚本：send.sh、selfie.sh、voice.sh
12. 观察几轮心跳，验证消息到达飞书
13. 根据效果微调 SOUL.md 和 HEARTBEAT.md

依赖安装

# TTS（备用方案）
pip install edge-tts

# 音频处理
brew install ffmpeg

# JSON 处理
brew install jq

# fal.ai Python SDK（可选，脚本直接用 curl）
pip install fal-client

常见问题

Q: 消息发了但飞书收不到

A: 检查是否用了 send.sh。agent 直接输出的文字在 isolated session 里不会送达飞书。

Q: 语音发过来是文件附件不是语音条

A: 必须用 opus 格式 + msg_type=audio。不能用 mp3，不能用 OpenClaw 的 message send（它用错了 msg_type）。

Q: agent 说执行了但实际没执行

A: cron message 里加"执行完把完整输出贴出来"。

Q: 自拍图片生成失败

A: 检查 FAL_KEY。脚本里要 fallback 从 openclaw.json 读取，因为 shell 环境变量不一定有。

Q: 记忆没有被写入

A: 记忆写入必须在发消息之前。发消息后 session 结束，后续工具调用不执行。

Q: TTS 声音太机器人

A: 换 MiniMax Speech-02-HD via fal.ai，比 edge-tts 自然很多。推荐 Sweet_Girl_2 音色。