一、背景与目标
本次部署的目标并不简单:
- 使用 OpenClaw 构建多 Agent 系统(约 7 个子 Agent)
- 主 Agent(main)统一调度
- 部分 Agent(如 it-biz / it-ops / planner)通过 飞书群协作
- 模型统一走 MiniMax(M2.7 highspeed)
要求:
- Agent 之间尽量隔离上下文
- 稳定运行(无 401 / 403 / timeout)
- 支持自动化任务(日报、调度等)
从设计上,这是一个多 Agent + 外部通信 + LLM provider 接入的复合系统。
二、问题演进(时间线复盘)
整个问题不是一次性出现的,而是逐步叠加形成“状态污染”。
阶段 1:模型异常切换(核心症状)
最早问题:
- 明明配置的是
MiniMax-M2.7-highspeed 实际运行中却出现:
Claude OpusMiniMax-M2.5
并伴随:
- 401 / 403
- timeout
👉 初步判断:fallback 机制 + provider 污染
阶段 2:配置解析错误(JSON5 报错)
出现:
JSON5 parse failed: invalid character原因:
- 手工修改
openclaw.json - 引入非法字符(如
:、\、中文路径转义等)
👉 结论:配置文件结构被破坏
阶段 3:provider 配置错误(关键误导点)
错误配置:
"api": "chat"导致:
Invalid option: expected one of ...正确应为:
"api": "anthropic-messages"👉 这是一个关键分叉点错误,导致后续所有请求路径不正确。
阶段 4:API 实际连通性验证
手动测试:
curl https://api.minimaxi.com/anthropic返回:
404 Not Found但:
- TLS 正常
- DNS 正常
- 网络无阻断
👉 结论:
- 网络 OK
- endpoint path 只是不能直接 GET(正常行为)
阶段 5:Auth 池“自动复活”问题(核心坑)
关键现象:
手动修改 auth-profiles.json,过一会自动恢复日志证据:
[agents/auth-profiles] inherited auth-profiles from main agent表现:
- 删除
anthropic - 删除
minimax-cn - 过一会全部回来
👉 根因:
OpenClaw 会把 main agent 的 auth profiles 作为 fallback 合并进所有 agent
这意味着:
- 你改
health-manager没用 - main 才是源头
- 且合并是 additive(不可覆盖)
阶段 6:环境变量失效(launchd 坑)
报错:
missing env var "MINIMAX_API_KEY"但 shell 中:
echo $MINIMAX_API_KEY是有值的。
👉 根因:
macOSlaunchd不继承 shell 的.zshrc
导致:
- CLI 有 key
- Gateway 没 key
阶段 7:Gateway 假运行(最迷惑点)
状态:
gateway process is running
port is free
RPC probe failed
gateway closed (1006)👉 本质:
- 进程在
- 服务没真正启动成功
- 健康检查失败
阶段 8:OAuth 失败(非核心问题)
MiniMax OAuth failed: fetch failed👉 原因:
- OpenClaw 的 OAuth 流程对 MiniMax 支持不稳定
- 与 API Key 模式冲突
👉 可直接忽略,使用 API Key
三、问题本质总结
这不是一个单点问题,而是系统性状态污染:
| 维度 | 问题 |
|---|---|
| config | JSON 被破坏 / provider 配置错误 |
| auth | main agent 污染所有 agent |
| provider | fallback 混入 anthropic / minimax-cn |
| runtime | launchd 不读 env |
| gateway | 假运行(未 ready) |
| cache | session / auth / models 状态残留 |
👉 结论:
❌ 修修补补不可行
✅ 必须重置运行态
四、为什么最终选择“重装”
判断依据:
- auth 池无法彻底清理(会自动继承)
- provider 混乱(多来源)
- gateway 状态异常(不可控)
- config 已多次手改
- 已无法确定当前状态来源
👉 这是典型的:
State Drift(状态漂移)
五、重建方案(推荐路径)
核心原则:
只删除运行态,不动 workspace
1)停止服务
launchctl bootout gui/$(id -u)/ai.openclaw.gateway
pkill -f openclaw2)移走运行态
mv ~/.openclaw ~/.openclaw.bak-时间戳
mv ~/Library/LaunchAgents/ai.openclaw.gateway.plist ~/Library/LaunchAgents/*.bak3)重新初始化
openclaw configure关键策略:
- workspace 指向桌面独立目录
- 不导入旧配置
- 不走 OAuth
4)最小化启动
只保留:
- main
- health-manager
不要一次上 7 个 agent
5)API Key 处理策略
调试阶段:
"apiKey": "sk-xxx"不要用:
"${MINIMAX_API_KEY}"等稳定后再切 env
六、关键经验总结
1)OpenClaw 的 auth 是“中心化继承模型”
- main = 根节点
- 所有 agent 继承
- 无法真正隔离
2)不要在运行中频繁手改 config
尤其:
- JSON5 很脆弱
- doctor 会自动修复(但不可控)
3)launchd ≠ shell
.zshrc不生效- env 必须显式注入
4)多 Agent 系统优先做“最小闭环”
错误做法:
一次性上 7 个 agent
正确做法:
main → 1 个子 agent → 扩展
5)出现“自动恢复”=有上游源
不要反复改文件
要找:
谁在写这个文件?
七、最终结论
这次问题的本质不是:
“OpenClaw 不稳定”
而是:
多组件系统在缺乏隔离机制时,状态会不可控叠加
在这种情况下:
- 修补是无效的
- 重建是唯一低成本方案
八、后续优化方向
下一步建议:
- 控制 Agent 数量(逐步扩展)
- 明确 auth 单一来源(只保留 MiniMax)
- 飞书接入单独验证(不要混在模型问题中)
- 做一层 config 管控(避免手改 JSON)
九、附一句经验
当你开始怀疑“是不是我哪里没改对”的时候,
实际上通常是:系统状态已经不可预测了。
此时最优解往往是:
清空 → 重建 → 最小验证 → 再扩展