OpenClaw 业务 Agent 设计与落地
基于 OpenClaw + 飞书搭建车膜客服、门店后台线索整理、营销内容助手等 3 类业务 Agent 原型,打通消息入口、Agent 路由和 workspace 规则文件,并设计汽车品牌海报自动化 workflow。
Built 3 business Agent prototypes (car film customer service, store lead organization, marketing content assistant) on OpenClaw + Feishu, wiring up message entry, Agent routing, and workspace rule files. Designed an automotive brand poster automation workflow decomposed into reusable steps (model rotation, scene selection, prompt assembly, image generation, logo/QR composition, quality check) for 9:16 WeChat Moments marketing scenarios.
Role
开发者
Impact
- 搭建车膜客服、门店后台线索整理、营销内容助手 3 类业务 Agent 原型,打通消息入口、Agent 路由和 workspace 规则文件
- 设计汽车品牌海报自动化 workflow,拆解车型轮换、场景选择、提示词拼装、图像生成、logo 与二维码合成、结果质检为可复用流程,适配 9:16 朋友圈营销海报场景
- 通过多机器人绑定、多 Agent 配置和模板化规则设计,将 OpenClaw 价值落到重复咨询自动回复、线索结构化整理和内容批量生成等高频业务环节
Background
车膜门店的日常运营中有大量重复性、可标准化的环节:客户咨询集中在「这款膜多少钱」「能不能贴我的车型」「贴完什么样」等高频问题;销售每天收到的线索散落在私聊、群聊、表格里,整理耗时;朋友圈营销海报需要频繁出图,人工拼装效率低。
这些场景的共同特征是重复发生、规则可沉淀、对响应速度有要求——正是 Agent 可以介入的高价值环节。
Problem
- 重复咨询占用销售时间:同样的车型适配、报价、施工时长问题每天被问很多遍,销售逐条手打回复效率低。
- 线索散落难结构化:客户私聊、群聊、表格里的线索没有统一归集,后续跟进容易漏。
- 营销内容生产慢:朋友圈海报需要人工选车型、选场景、拼提示词、生图、加 logo 和二维码,一条链路全靠手做。
Goal
用 OpenClaw + 飞书搭出可演示、可扩展的业务 Agent 原型,把上述三类高频环节从「人工逐条处理」变成「Agent 自动处理 + 人工复核」。
Role
开发者——负责 Agent 类型设计、消息入口与路由配置、workspace 规则文件编写、海报自动化 workflow 设计与拆解。
Approach
3 类业务 Agent 原型
围绕门店高频环节,设计 3 类可独立演示的 Agent:
| Agent | 场景 | 核心动作 |
|---|---|---|
| 车膜客服 | 客户咨询自动回复 | 识别常见问题(报价/车型适配/施工时长)→ 按规则模板回复 |
| 门店后台线索整理 | 私聊/群聊线索归集 | 抽取客户信息、需求、来源 → 结构化写入表格 |
| 营销内容助手 | 朋友圈文案起稿 | 结合车型、活动、目标人群 → 输出可发布的短文案 |
打通三件事:消息入口(飞书 Bot 接收)→ Agent 路由(按场景分发到对应 Agent)→ workspace 规则文件(每个 Agent 一套可维护的规则)。
汽车品牌海报自动化 workflow
把朋友圈 9:16 海报的生成拆成可复用流程:
车型轮换 → 场景选择 → 提示词拼装 → 图像生成 → logo 与二维码合成 → 结果质检
每一步独立可替换:车型库可扩展、场景模板可增减、提示词可调、生图模型可换、合成素材可配置、质检规则可迭代。
多机器人 + 多 Agent 配置
通过多机器人绑定和模板化规则设计,让同一套 OpenClaw 基座支持按场景独立演示和后续扩展——客服 Bot 只答咨询,线索 Bot 只整理线索,内容 Bot 只出文案,互不干扰。
Challenges
- 规则文件要足够具体才能稳定触发:早期规则写得太宽,客服 Agent 会对不相关消息也尝试回复。需要把触发条件收窄到明确的关键词和意图。
- 海报 workflow 的质检环节是关键:生图结果偶尔出错(车型不对、构图变形),必须在合成 logo 之前加质检,不能直接发出去。
- 多 Bot 隔离 vs 统一管理的取舍:多 profile 隔离清晰但配置成本高,需要按业务规模判断何时该拆 profile、何时共用一套规则。
Result
| 维度 | 成果 |
|---|---|
| Agent 原型 | 3 类业务 Agent(客服/线索/内容)可独立演示,消息入口→路由→规则闭环跑通 |
| 海报 workflow | 6 步可复用流程,适配 9:16 朋友圈场景,各步骤可独立替换 |
| 扩展性 | 多机器人 + 多 Agent + 模板化规则,支持按场景独立演示和后续扩展 |
| 业务落点 | 重复咨询自动回复、线索结构化整理、内容批量生成 3 个高频环节 |
Resume Bullets
- 基于 OpenClaw + 飞书搭建车膜客服、门店后台线索整理、营销内容助手 3 类业务 Agent 原型,打通消息入口、Agent 路由和 workspace 规则文件。
- 设计汽车品牌海报自动化 workflow,将车型轮换、场景选择、提示词拼装、图像生成、logo 与二维码合成、结果质检拆解为可复用流程,适配 9:16 朋友圈营销海报场景。
- 通过多机器人绑定、多 Agent 配置和模板化规则设计,将 OpenClaw 价值落到重复咨询自动回复、线索结构化整理和内容批量生成等高频业务环节,支持按场景独立演示和后续扩展。
Resume Bullets
- 基于 OpenClaw + 飞书搭建车膜客服、门店后台线索整理、营销内容助手 3 类业务 Agent 原型,打通消息入口、Agent 路由和 workspace 规则文件
- 设计汽车品牌海报自动化 workflow,将车型轮换、场景选择、提示词拼装、图像生成、logo 与二维码合成、结果质检拆解为可复用流程,适配 9:16 朋友圈营销海报场景
- 通过多机器人绑定、多 Agent 配置和模板化规则设计,将 OpenClaw 价值落到重复咨询自动回复、线索结构化整理和内容批量生成等高频业务环节,支持按场景独立演示和后续扩展