将AI Agent的执行力装进一个IM入口，在飞书对话框里直接驱使一个能操作本地工具、自主完成复杂任务的智能体——这个场景在2026年3月之前还停留在技术社区的讨论中。智谱推出的AutoClaw（澳龙）让这件事变得和安装一款桌面软件一样简单：下载、登录、扫码，三步即可让飞书拥有一个7×24小时待命的AI分身。

AutoClaw的飞书集成能力并非外挂式的消息转发，而是从产品架构层面将飞书作为核心交互入口来设计的。用户在飞书中发出指令，本地Agent开始执行任务，执行过程中的步骤、状态和中间结果实时回传到飞书对话框，最终产出物也直接推送回来。这个闭环构成了一个完整的"飞书即控制台"的工作范式。

理解AutoClaw的产品定位：为什么飞书是关键入口

在讨论具体接入步骤之前，有必要先厘清AutoClaw在产品架构上为什么将飞书放在如此核心的位置。AutoClaw是一款本地运行的桌面应用，所有数据和计算都在用户本机完成，不依赖云端服务器。这意味着它在处理文件、操作本地工具、调用浏览器执行网页任务时，延迟极低且数据不外传。

但本地运行也带来了一个天然矛盾：用户不可能始终坐在电脑前等待Agent完成任务。一段耗时20分钟的数据采集、分析、报告生成任务，如果只能通过桌面客户端查看进度，就失去了"代理工作"的核心价值。飞书在这里充当了远程中控的角色——用户离开工位后，用手机上的飞书就能查看进展、追加指令、接收成果。

这种设计思路与传统的"API集成"有本质区别。它不是把AutoClaw的某个功能模块暴露给飞书，而是将整个Agent的执行上下文在飞书对话框中镜像出来。用户在飞书中看到的不是冷冰冰的接口返回结果，而是Agent逐步推进任务的完整链路：搜索了哪些网页、读取了哪些文档、在哪个环节遇到障碍、如何调整策略继续执行。这种透明度对于产品经理评估Agent的可靠性至关重要。

接入前的基础准备：安装、登录与模型选择

飞书接入的前提是AutoClaw已完成本地部署。访问AutoClaw官方网站下载对应系统版本，目前提供Windows和macOS两种安装包，体积约260MB左右。双击安装包按向导完成安装后，使用智谱账号登录即可。新注册用户会获得初始积分，可用于体验核心功能。

登录后会进入模型选择界面。AutoClaw预置了GLM-4.7系列多个版本，其中Flash系列完全免费。此外还内置了专为Agent场景深度优化的Pony-Alpha-2模型，工具调用更稳定、任务推进能力更强，适合处理需要持续执行、多步骤衔接的真实工作流。对于初次使用的用户，选择Pony-Alpha-2内测版是较为稳妥的起点。AutoClaw也完全开放模型接入，支持DeepSeek、Kimi、MiniMax等任意模型的Coding Plan或API，有特定模型偏好的团队可以灵活切换。

完成这些基础设置后，还需要填写个人信息——设置一个名字和角色标签。这些信息会帮助Agent在后续交互中更好地理解用户的使用场景和需求偏好。

飞书接入的两种路径：自动配置与手动配置

这是整个流程中最核心的环节，macOS和Windows用户的体验存在明显差异。

macOS用户的全自动配置

macOS版本的AutoClaw提供了"一键接入飞书"的自动化能力。在AutoClaw主界面找到飞书机器人相关选项卡，点击"一键接入飞书"，系统会调用浏览器跳转至飞书开放平台的授权页面。使用手机飞书App扫描二维码完成授权后，AutoClaw会在约45秒到2分钟内自动完成应用的创建、权限配置、事件订阅等全部后端操作。整个过程用户只需要做两件事：点击按钮、扫码授权。配置完成后，飞书中会自动出现一个可用的机器人联系人，直接开始对话即可。

这种自动化的实现依赖于飞书开放平台的OAuth授权机制和AutoClaw内置的配置脚本。从产品设计的角度看，它将原本需要开发者手动完成的飞书应用创建、App ID和App Secret获取、权限批量配置、事件回调地址设置等一系列操作封装成了一个"黑盒"流程，对非技术背景的用户非常友好。

Windows用户的手动配置

Windows版本目前需要手动完成飞书应用的创建和密钥配置。具体步骤分为两个阶段：

第一阶段在飞书开放平台完成。访问飞书开放平台，创建一个企业自建应用，填写应用名称和描述。创建完成后，在"凭证与基础信息"页面获取App ID和App Secret。随后进入"权限管理"页面批量导入所需权限，至少需要包含消息读取、消息发送、文件读写等基础权限，以及aily相关的高级权限。权限配置完成后提交审核，企业管理员审批通过即可生效。

第二阶段回到AutoClaw客户端。在主界面找到"IM频道"选项卡，点击添加机器人，选择"手动设置密钥"，将此前获取的App ID和App Secret填入对应字段。AutoClaw会基于这些凭证完成与飞书应用的后端对接。

两种路径的最终效果完全一致，差异仅体现在配置的自动化程度上。macOS的全自动配置代表了产品团队在降低使用门槛上的努力方向，而Windows的手动配置则为有定制化需求的团队保留了更大的调整空间——例如可以自行控制飞书应用的权限范围、可见性范围和安全策略。

接入后的核心能力：多分身协作与任务闭环

飞书接入完成后，就可以开始创建AI分身了。AutoClaw支持在一台机器上同时运行多个不同角色的分身，每个分身有独立的名称、角色设定和执行策略。

常见的分身配置包括：实习生小林（通用助手），擅长日程管理、信息检索、文档摘要等日常任务；报告研究助手，专注于数据采集、行业分析、报告撰写；代码助手，处理代码生成、Bug修复、技术文档编写；运营助手，面向新媒体内容创作、排版优化、多平台发布。

在飞书中向分身下达任务的体验与自然对话无异。例如在飞书对话框输入"帮我整理一下最近三天关于新能源汽车的政策动态，生成一份简报"，这条消息会通过飞书服务器转发到用户本地运行的AutoClaw客户端。Agent接收到指令后开始执行：联网搜索相关信息源、筛选高价值内容、结构化整理、撰写简报正文、排版输出。整个过程中，Agent的每一步操作状态都会以消息形式实时回传到飞书对话中。

值得一提的是，这种回传不仅是"正在执行"之类的简单状态信息。用户可以看到Agent具体打开了哪些网页、提取了哪些关键信息、当前的整理进度如何。一旦发现方向偏差，可以在飞书中直接追加指令进行纠正，无需回到电脑前操作客户端。

任务完成后，生成的简报文档、数据表格或分析报告会直接推送到飞书对话框中。如果团队使用飞书文档进行协作，Agent还可以将产出物直接写入指定的飞书文档，省去了下载、上传、粘贴的繁琐步骤。

预置技能与飞书场景的深度结合

AutoClaw预置了50余项热门技能，覆盖内容创作、办公自动化、代码开发、金融投研等高频场景。这些技能在飞书集成环境下发挥的作用比在桌面端更加灵活。

在内容创作场景中，用户可以在飞书中直接要求Agent生成一篇符合特定风格和关键词要求的公众号文章，完成后自动排版并推送到飞书群供团队成员审阅。审阅意见继续在同一个对话线程中反馈，Agent收到修改指令后直接在原文基础上迭代。整个过程不需要切换到任何其他工具，对话即工作流。

在金融投研场景中，利用GLM-5V-Turbo的视觉模态能力，Agent可以直接解读K线走势图、估值区间图和券商研报中的复杂图表。通过飞书发起"帮我分析今天某只股票的股价表现，生成专业分析报告"这样的指令，Agent会并行采集多个数据源，在60秒内生成图文交错的研报并回传。

在办公自动化场景中，与飞书的原生集成使Agent可以直接读写飞书文档、发送邮件、管理日程。飞书团队协作中常见的"会上说了一个方向，需要有人整理成文档并同步到项目群"这类需求，现在可以在会议进行时直接在飞书中向Agent发出指令，会议结束时文档已准备就绪。