37a 全景架构与决策框架

上一篇: 36g 第六周：发布与增长 | 下一篇: 37b 飞书机器人与 MCP 搭建

本章介绍如何为一个 30 人左右的团队搭建完整的 AI Agent 工作流体系，以飞书为协作中枢，OpenClaw 为 Agent 运行时，覆盖产品、设计、开发、测试、运维、运营、人事、交付等全部门。方案充分利用 OpenClaw 的 Skill 系统、记忆系统和飞书插件，通过 MCP 协议对接各类工具，最大化 Agent 的自动化能力。

1. 为什么需要 Agent 全工作流

传统团队协作的痛点：

痛点	表现	Agent 解决方式
信息孤岛	需求在飞书群聊、多维表格、文档中分散	Agent 统一收集，自动归档到多维表格
手动重复劳动	每周手写工作总结、手动更新看板	Agent 自动汇总、自动更新状态
数据分析滞后	需要找数据同事跑 SQL、等报告	Agent 实时查询数据库，即时生成分析
知识流失	老员工离职带走经验	OpenClaw 记忆系统 + RAG 知识库沉淀所有决策和方案
跨部门协作低效	产品提需求→开发排期→测试验收链路长	Agent 自动流转，Skill 驱动状态机
技能不可复用	每个自动化都要重新开发	Skill 文件可复用、可版本管理、可热更新

2. 为什么选择 OpenClaw

维度	OpenClaw	纯编码方案
飞书对接	feishu 插件，配置即用，WebSocket 长连接	需要自己写 SDK 集成和消息处理
Skill 系统	markdown 文件定义，热更新，无需重启	YAML + 代码方法，改逻辑需重新部署
记忆系统	内置持久化记忆（markdown 文件），跨会话保留	需要自建对话历史 + 向量检索
脚本执行	Skill 可直接执行 shell 脚本、调用 API	需要在代码里封装每个操作
MCP 支持	内置 MCP Client，配置即用	需要自己集成 MCP Client 库
多 Agent 协作	内置 Agent 间通信和任务委派	需要自己设计协作协议
部署运维	daemon 模式，一键安装，持久运行	需要自己搭建后端服务、进程管理
上手成本	写 Skill 文件即可，代码量极少	需要写完整的后端服务

结论：OpenClaw 的 Skill 系统 + 记忆系统 + 飞书插件 + MCP 支持，正好覆盖了企业级 Agent 工作流的全部基础设施需求。团队只需要专注于编写 Skill 和配置 MCP 工具，不需要从零搭建 Agent 运行时。

3. 整体架构设计


┌─────────────────────────────────────────────────────┐
│                    飞书（用户界面层）                    │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐           │
│  │ 私聊对话  │  │ 群组@机器人│  │ 多维表格  │           │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘           │
└───────┼──────────────┼─────────────┼────────────────┘
        │              │             │
        ▼              ▼             ▼
┌─────────────────────────────────────────────────────┐
│           OpenClaw Gateway（Agent 运行时）             │
│                                                     │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐            │
│  │feishu    │ │意图识别   │ │记忆系统   │            │
│  │插件      │ │& 路由    │ │(markdown  │            │
│  │(WebSocket)│ │          │ │ 持久化)  │            │
│  └──────────┘ └──────────┘ └──────────┘            │
└───────┬──────────────┬─────────────┬────────────────┘
        │              │             │
        ▼              ▼             ▼
┌─────────────────────────────────────────────────────┐
│              Skill 管理层（编排 & 治理）               │
│                                                     │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐            │
│  │Skill 注册 │ │版本管理   │ │权限 & 审计│            │
│  │& 发现    │ │& 热更新  │ │& 监控    │            │
│  └──────────┘ └──────────┘ └──────────┘            │
└───────┬──────────────┬─────────────┬────────────────┘
        │              │             │
        ▼              ▼             ▼
┌─────────────────────────────────────────────────────┐
│              Skill 执行层（7 组专职 Skill）            │
│                                                     │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐            │
│  │① 需求/缺陷│ │② 代码     │ │③ 运维     │            │
│  │  Skills  │ │  Skills  │ │  Skills  │            │
│  │           │ │           │ │           │            │
│  │·需求收集   │ │·PR查看/审查│ │·日志查询   │            │
│  │·缺陷创建   │ │·代码搜索   │ │·服务状态   │            │
│  │·状态流转   │ │·CI/CD触发  │ │·告警处理   │            │
│  │·PRD生成   │ │·分支管理   │ │·部署触发   │            │
│  └──────────┘ └──────────┘ └──────────┘            │
│                                                     │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────┐ │
│  │④ 数据分析 │ │⑤ 团队管理 │ │⑥ 知识库   │ │⑦ 运营  │ │
│  │  Skills  │ │  Skills  │ │  Skills  │ │ Skills │ │
│  │           │ │           │ │           │ │        │ │
│  │·SQL查询   │ │·工作总结   │ │·RAG检索   │ │·增长策略│ │
│  │·GA数据    │ │·OKR跟踪   │ │·文档问答   │ │·竞品分析│ │
│  │·报表生成   │ │·人事流程   │ │·知识沉淀   │ │·内容生成│ │
│  │·趋势分析   │ │·交付管理   │ │·经验传承   │ │·社区运营│ │
│  └──────────┘ └──────────┘ └──────────┘ └────────┘ │
└───────┬──────────────┬─────────────┬────────────────┘
        │              │             │
        ▼              ▼             ▼
┌─────────────────────────────────────────────────────┐
│                  工具层（MCP + API）                   │
│                                                     │
│  ┌────────┐ ┌────────┐ ┌────────┐ ┌──────┐ ┌─────┐│
│  │飞书MCP  │ │GitHub  │ │业务DB  │ │Google│ │向量  ││
│  │(多维表格 │ │MCP     │ │(Pg/    │ │Analy-│ │数据库││
│  │文档 日历)│ │(PR/代码)│ │MySQL)  │ │tics  │ │(RAG)││
│  └────────┘ └────────┘ └────────┘ └──────┘ └─────┘│
│  ┌────────┐ ┌────────┐ ┌────────┐                  │
│  │云平台API│ │Sentry  │ │Figma   │                  │
│  │(GCP/AWS)│ │(错误追踪)│ │API     │                  │
│  └────────┘ └────────┘ └────────┘                  │
└─────────────────────────────────────────────────────┘

3.1 为什么选择单机器人 + 多 Skill 路由

方案	优点	缺点
多个飞书机器人	职责清晰	每个机器人需独立申请权限、审批发布；用户需记住多个机器人名字；运维成本高
单机器人 + OpenClaw 路由	统一入口，用户体验好；OpenClaw 自动识别意图路由到对应 Skill；权限集中管理	需要设计好 Skill 的命名和分类

结论：对 30 人团队，单机器人 + OpenClaw 意图路由是最优方案。用户只需 @一个机器人，OpenClaw 根据消息内容自动选择合适的 Skill 执行。

进阶：当 Skill 数量超过 15 个后，建议切换到多 Agent 模式 — 在 OpenClaw 内部配置多个领域 Agent（产品、开发、数据、团队），由 Router Agent 做两级路由。详见 37d 第 3 节：多 Agent 编排与配置。

4. 技术选型

4.1 核心技术栈

组件	选型	理由
Agent 运行时	OpenClaw	Skill 系统 + 记忆系统 + 飞书插件 + MCP 支持，开箱即用
飞书对接	OpenClaw feishu 插件	WebSocket 长连接，无需公网 IP，配置即用
飞书 API	`@larksuiteoapi/lark-mcp`（飞书官方 MCP）	封装飞书全部 API，多维表格/文档/日历/消息
多维表格增强	`bitable-mcp`	支持 SQL 查询多维表格
代码管理	GitHub MCP Server（官方）	PR 查看、代码搜索、Issue 管理、CI/CD 触发
运维监控	云平台 API + Sentry API	日志查询、服务状态、错误追踪、部署管理
LLM	Claude Sonnet（主力）+ Haiku（轻量路由）	OpenClaw 内置模型配置
向量数据库	Chroma（轻量）/ Weaviate（生产级）	RAG 知识库检索
数据库	PostgreSQL + pgvector	业务数据 + 向量存储一体化

4.2 MCP 工具能力矩阵

工具层	MCP/API	支持的操作	对应 Skill 组
飞书消息	lark-openapi-mcp	发送/接收消息、创建群组、管理群成员	所有 Skill
飞书多维表格	lark-openapi-mcp	创建应用/表/字段、增删改查记录	需求管理、团队管理
飞书文档	lark-openapi-mcp	读取文档内容	知识库 Skill
飞书知识库	lark-openapi-mcp	读取知识库内容	知识库 Skill
飞书日历	lark-openapi-mcp	创建/查询日程	团队管理 Skill
GitHub	GitHub MCP Server	PR 查看/创建、代码搜索、Actions 触发	代码 Skill
云平台	GCP/AWS API	服务状态查询、日志检索、部署触发	运维 Skill
错误追踪	Sentry API	错误列表、错误详情、错误趋势	运维 Skill
数据分析	Google Analytics API	流量数据、用户行为、转化漏斗	数据分析 Skill
业务数据库	PostgreSQL（Skill 直接执行 SQL）	查询业务数据	数据分析 Skill

5. OpenClaw 核心能力详解

5.1 Skill 系统

Skill 是 OpenClaw 的核心概念 — 每个 Skill 是一个 markdown 文件，定义了 Agent 的一项能力。


# create-requirement
 
创建需求并归档到飞书多维表格。
 
## 触发条件
用户消息包含"创建需求"、"新需求"、"提需求"等关键词。
 
## 执行步骤
1. 从用户消息中提取：标题、描述、优先级、所属模块
2. 如果信息不完整，向用户追问缺失字段
3. 调用飞书 MCP 在需求多维表格中创建记录
4. 设置状态为"待评审"
5. 在需求评审群发送通知消息
6. 将需求信息写入记忆，供后续跟踪
 
## 输出格式
- 需求标题不超过 50 字
- 描述必须包含"背景"和"验收标准"
- 优先级：P0/P1/P2/P3，不确定时默认 P2
 
## 权限要求
- 飞书多维表格写入权限
- 飞书消息发送权限

Skill 的优势：

热更新：修改 markdown 文件即生效，无需重启服务
可执行脚本：Skill 中可以嵌入 shell 命令、API 调用
可复用：Skill 文件可以在团队间共享
版本管理：Skill 文件纳入 Git 管理

5.2 记忆系统

OpenClaw 的记忆分三层：

记忆类型	存储方式	生命周期	用途
短期记忆	内存	当前对话	对话上下文
长期记忆	markdown 文件（`~/.openclaw/memory/`）	持久化	跨会话记住用户偏好、历史决策
项目记忆	绑定项目目录	持久化	记住项目结构、技术栈、团队规范

记忆系统的价值：

Agent 记住”上次评审决定 Blinks 课程优先级是 P1”
Agent 记住”张三负责前端，李四负责后端”
Agent 积累执行经验，Skill 越用越准

5.3 分级审批策略

操作类型	风险等级	审批策略
读取数据（查询、搜索）	低	自动执行，无需审批
创建记录（需求、缺陷）	中	自动创建，状态设为”待确认”，通知相关人
更新状态（流转）	中	自动执行，记录操作日志到记忆
生成文档（PRD、报告）	中	自动生成草稿，标记为”AI 生成-待审阅”
触发部署	高	必须人工确认后才执行
修改代码	高	只创建 PR，不自动合并

6. 产品研发流程串联

Agent 在研发流程中的角色是消除环节之间的摩擦，通过事件驱动 + 状态机实现自动流转：


需求提出 → PRD生成 → 需求评审 → 设计任务 → 设计评审 → 开发 → 代码审查 → 测试 → 部署 → 验收
   │         │         │         │         │       │        │        │      │      │
   ▼         ▼         ▼         ▼         ▼       ▼        ▼        ▼      ▼      ▼
 需求Skill  需求Skill  通知Skill  需求Skill  通知    代码     代码     需求   运维   需求
 创建记录   生成PRD   评审提醒   创建设计   Skill   Skill   Skill   Skill  Skill  Skill
 归档表格   写入文档   状态流转   任务关联          查PR    触发CI  更新状态 触发部署 标记完成

关键设计原则

事件驱动 — 通过飞书消息事件、多维表格变更触发，不是轮询
状态机驱动 — 需求状态：待评审 → 已通过 → 设计中 → 开发中 → 待审查 → 测试中 → 待部署 → 已上线
Human-in-the-Loop — Agent 不做决策，只做信息汇总和流转。评审、审查、验收必须人确认
记忆传递 — 每个 Skill 执行后把结果写入 OpenClaw 记忆，下一个 Skill 可以读取上下文

7. 各部门 Skill 覆盖范围

部门	Skill 能力	详见
Skill 管理	Skill 注册/发现、版本管理、权限控制、运行监控、热更新	37d
产品	需求收集、PRD 自动生成、需求归档到多维表格、优先级建议、竞品分析	37f
设计	设计任务自动创建、设计评审提醒、Figma 设计稿关联	37f
开发	PR 查看/审查、代码搜索、分支管理、CI/CD 触发、缺陷自动创建	37f
测试	测试用例关联需求、缺陷状态流转、测试报告生成	37f
运维	日志查询、服务状态监控、告警处理、部署触发、故障复盘归档	37i
运营	数据查询、增长报告生成、运营策略建议、竞品分析、内容生成	37g
人事	工作总结自动生成、考勤统计、入离职流程、OKR 跟踪	37h
交付	项目进度汇总、里程碑提醒、客户交付报告	37h

8. 数据架构

8.1 数据分层策略


┌─────────────────────────────────────┐
│        操作层（飞书多维表格）          │
│  · 需求表 · 缺陷表 · 迭代表          │
│  · 人员表 · 周报表 · OKR表           │
│  · 团队成员直接查看和编辑             │
│  · Skill 通过飞书 MCP 自动读写       │
├─────────────────────────────────────┤
│        分析层（PostgreSQL）           │
│  · 业务数据库（用户、课程、交易）      │
│  · 定时从多维表格同步管理数据          │
│  · 跨表关联查询、聚合统计             │
│  · Skill 直接执行 SQL 查询           │
├─────────────────────────────────────┤
│        知识层                        │
│  · OpenClaw 记忆系统（markdown）      │
│  · 飞书知识库文档                    │
│  · 向量数据库（RAG 检索）             │
└─────────────────────────────────────┘

8.2 为什么需要数据库层

飞书多维表格作为唯一数据源的局限：

局限	说明
跨表关联	多维表格的关联字段能力有限，无法做复杂 JOIN
聚合计算	不支持 GROUP BY、窗口函数等高级 SQL
数据量	单表上限 5 万行，不适合存储用户行为日志
历史趋势	没有时序查询能力

加入数据库层后可以做的事：

用户增长趋势分析（日活、周活、留存率）
课程完成率和学习路径分析
Hackathon 参与数据和转化漏斗
跨部门数据关联（需求交付周期 vs 用户满意度）

9. 实施路线图

建议分 4 个阶段落地，每阶段 2-3 周：

第一阶段：基础设施（第 1-2 周）

安装部署 OpenClaw，配置 daemon 持久运行
创建飞书应用，配置 feishu 插件
配置飞书官方 MCP 和 GitHub MCP
编写第一个测试 Skill，验证端到端流程

第二阶段：核心工作流（第 3-5 周）

需求/缺陷管理 Skill 组
多维表格模板自动创建
代码 Skill 组（PR、CI/CD）
产品研发流程状态机

第三阶段：知识与分析（第 6-7 周）

RAG 知识库搭建（飞书知识库 + 向量数据库）
数据分析 Skill 组（业务数据库 + GA）
运营策略生成 Skill

第四阶段：团队管理与优化（第 8-10 周）

团队管理 Skill 组（工作总结、OKR）
人事流程自动化 Skill
运维 Skill 组（日志、告警、部署）
监控和安全加固

10. 成本估算

项目	方案	月成本
LLM API	Claude Sonnet（主力）+ Haiku（路由）	¥500-2000
OpenClaw	开源免费	¥0
向量数据库	Chroma（自托管）或 Weaviate Cloud Free Tier	¥0-500
服务器	1 台 2C4G 云服务器（运行 OpenClaw + 向量数据库）	¥100-300
飞书开放平台	免费（企业版飞书自带）	¥0
Google Analytics API	免费	¥0
合计		¥600-2800/月

对 30 人团队来说，如果 Agent 每天为每人节省 30 分钟，月节省约 300 人·小时，ROI 非常可观。

下一篇: 37b 飞书机器人与 MCP 搭建 — 安装 OpenClaw、配置飞书插件、接入 MCP 工具层