OpenClaw指挥Claude Code开发实践指南

导语

在实际开发中，经常遇到这样的场景：把编码任务交给 Claude Code 后就转身处理其他事务，回来发现它只执行了几步便陷入停滞——要么在等待权限确认，要么弹出“您看这样可以吗？”的询问。即便提前撰写了完整的实施方案，它依然会在中途停下来等待你的确认。

如果能让 OpenClaw 调度 Claude Code 进行开发，让小龙虾（OpenClaw）实时监督它持续工作直到全部实施完毕，那该多省心。经过整整一天的探索，测试了四种不同方案，踩了无数个坑之后，终于打通了这条完整的自动化链路：在飞书中提交需求 → OpenClaw 自动拆解任务 → Claude Code 持续执行 → 完成后发起 PR 通知验收。整个过程完全无需人工介入。

最令人惊喜的是，整个过程中 Claude Code 始终运行在同一个会话里，上下文保持连续，它能准确记住之前执行的操作，完全不会出现“我是谁、我在哪”的尴尬局面。

如果你也希望让 AI 真正帮你托管开发流程，而不是“挤牙膏式”地一轮又一轮手动操作，这篇文章正是为你量身打造的。

一、为什么不让 OpenClaw 直接开发？

曾经尝试过让 OpenClaw 直接进行开发，但它对项目的工程级上下文理解能力仍然存在明显短板。相比之下，Claude Code 拥有几个不可替代的核心优势：

第一，它具备成熟的项目上下文持续集成优化机制，能够以项目维度划分工作区，对技术架构、业务逻辑的理解可以持续积累和深化。

第二，它是专门为 coding 场景设计的 agent，工具链更加完善，编码体验和输出质量都更出色。

第三，在长期迭代过程中，Claude Code 能够记住之前的决策和改动记录，不会每次从零开始重新理解项目。

因此目标非常明确：让 OpenClaw 担任“技术 PM”，负责任务拆解与调度；让 Claude Code 担任“执行工程师”，负责具体编码实现。

在飞书里对机器人说一句“帮我开发个用户注册功能”，然后就可以去忙别的事情。等到 OpenClaw 通知“已完成，PR 已发起”，直接去验收即可。中间不再需要反复确认、重复下达指令。

二、架构设计：OpenClaw 当 PM，Claude Code 当工程师

分工明确之后，整体架构自然就清晰了：

飞书用户 → OpenClaw(调度层) → Claude Code(执行层)

飞书作为入口，随时随地可以提交需求，无需打开 IDE 环境。

OpenClaw 扮演技术 PM 的角色，负责理解需求、拆解任务、调度执行、整合最终结果。它具备 LLM 能力，能够与人类进行自然语言沟通，同时也能调用各种工具完成操作。

Claude Code 则是执行工程师，负责具体的编码工作。它专业且高效，并且能够持续积累项目上下文信息。

关键设计要点：

OpenClaw 通过 exec 命令调用 acpx claude，每 5-10 秒轮询一次输出，当识别到“Claude complete”标记时即可确认任务完成。如果 Claude Code 在执行过程中遇到问题而停下来，OpenClaw 能够基于对需求的理解自主做出决策，告诉它下一步该做什么。只有遇到权限等重大问题时，才会向用户发起询问。

如此一来，整条链路就真正运转起来了。

三、核心难点：持续会话是成败关键

整条链路中最困难的部分，不是配置环境，也不是编写调度逻辑，而是保持同一个 Claude Code 会话的连续性。

为什么这一点如此重要？因为 Claude Code 的上下文记忆是绑定在 session 上的。如果每次调用都创建新 session，它就会完全不记得之前执行过什么操作，相当于每次都要从零开始。这样一来，OpenClaw 的调度就失去了意义——它不得不把之前的对话历史重新复述一遍，效率极低。

这一步卡住了整整一天的时间。

尝试了多种方法，初期使用官方推荐的 OpenClaw ACP 方式，配置了半天，一会儿是这个参数不对，一会儿是那个接口报错。最令人头疼的是，很多配置问题连 OpenClaw 自己也排查不到，询问它时，它甚至可能给出错误信息——工具调用的输入输出存在一定黑盒特性，无法看到真实证据。

后来吸取了教训，每次修改配置后都要求 OpenClaw 提供调用工具的真实日志，这才慢慢摸清了问题所在。

四、踩坑排查：四种方案对比

将尝试过的方案整理成表格，一目了然：

方案一：ACP + resumeSessionId（失败）

官方文档声称使用 sessions_spawn 加上 resumeSessionId 参数就能复用会话。配置了半天之后发现，每次创建的仍然是新会话。

后来经过仔细研究才发现，resumeSessionId 实际上是 OpenClaw ACP 会话的 ID，而不是 Claude Code 的 session ID。复用 OpenClaw 的会话 ID 根本无法维持同一个 Claude 会话。这个参数在实际使用中显得有些鸡肋，可能仅在 thread 和 mode=session 的场景下才有实际作用。

方案二：ACP + /acp steer（可用但不推荐）

这个方案虽然能够复用会话，但存在一个致命缺陷：/acp 指令只能由人为发送给 OpenClaw，它自身无法执行。这意味着每一条指令都需要手动发布，既然如此，直接使用 Claude Code 反而更加直接。

这个方案无法解决核心需求：当 Claude Code 中断时，OpenClaw 无法自主决策并继续调度。

方案三：acpx claude -s（可用但无调度）

直接使用 acpx claude -s 会话名 确实能够复用会话，操作也很简单直接。但问题在于不经过 OpenClaw，无法发挥其任务拆解和调度的能力。

这就相当于绕过了 PM，直接与工程师对话。处理简单任务还行，一旦遇到复杂任务就难以应对了。

方案四：Agent + exec acpx（完美）

最终采用的方案：OpenClaw Agent 通过 exec 调用 acpx claude -s 会话名。

这个方案兼顾了所有核心需求：

• OpenClaw 可以灵活调度（拆解任务、整合结果）
• acpx claude 支持持续会话（-s 参数）
• 支持流式输出（--format json + 定期 poll）
• 用户体验优秀（自动执行，无需手动指令）

五、最终方案详解

架构

用户（飞书）↓OpenClaw Agent（任务调度层）- 理解需求（LLM）- 拆解任务- exec 调用 acpx claude- 整合结果↓acpx claude（执行层）- 持续会话（-s ）- 执行编码任务- NDJSON 流式输出

关键配置

1. 安装依赖

# 安装 Claude Code CLInpm install -g @anthropic-ai/claude-code# 安装 acpx CLI（必须）npm install -g acpx# 验证安装claude --versionacpx --version

2. 配置 Claude Code（核心！）

这是最为关键的一步，很多人在此遇到问题。

为什么必须配置 ~/.claude/settings.json？因为 claude-agent-acp 在调用 Claude Code CLI 时，环境变量可能无法正常传递。Claude Code CLI 会优先读取配置文件中的 model 字段。

# 手动编辑 ~/.claude/settings.json{  "model": "qwen3.5-plus"}

请注意是 model 字段，而不是 Anthropic_model。使用环境变量配置了半天没有生效，最后发现必须修改配置文件。

可选的环境变量（用于认证）：

export ANTHROPIC_BASE_URL="https://coding.dashscope.aliyuncs.com/apps/anthropic"export ANTHROPIC_API_KEY="sk-xxx"

3. OpenClaw 配置

最终方案不需要 OpenClaw acpx 插件，因为直接调用 acpx CLI。不过为了其他功能，可以保留基础配置：

{  "tools": {    "sessions": { "visibility": "all" },    "agentToAgent": { "enabled": true, "allow": ["*"] }  }}

4. 重启 Gateway

openclaw gateway restart

会话复用

# 创建会话acpx claude sessions new --name output-manager# 测试复用acpx claude -s output-manager "收到请回复数字 11"# → 输出：11acpx claude -s output-manager "上一个数字 +2 等于多少"# → 输出：13 ✅ 成功复用

流式输出

acpx --format json claude -s output-manager "回复数字 11"

输出采用 NDJSON 格式，每行对应一个事件。OpenClaw 每 5-10 秒 poll 一次，解析 thinking 和 message 字段，实时将结果发送给用户。

结束判断

Claude Code 执行结束时会产生一个“Claude complete”的标记语，识别到该标记即可确认任务已完成。

六、拿走即用

快速开始

1. 安装

npm install -g @anthropic-ai/claude-codenpm install -g acpx

2. 配置

# 编辑 ~/.claude/settings.json{  "model": "qwen3.5-plus"}

3. 创建会话

acpx claude sessions new --name my-project

4. 验证

# 第一轮acpx claude -s my-project "收到请回复 11"# 第二轮（验证上下文）acpx claude -s my-project "上一个数字 +2 等于多少"# 应该输出 13

开源计划

已经将这套方案封装成了 skill，整理完毕后会进行开源。届时可以直接安装使用，无需从头自行配置。

写在最后

虽然目前只能采用 exec 方案，多少有些“曲线救国”的意味，但已经能够实现托管开发的目标。如果未来飞书能够支持 thread，OpenClaw ACP 能够进一步丰富能力，我们更期待使用原生的 ACP 方式——那样可以在同一个 agent 会话中操作，拥有 session 记录文件，方便追溯完整的对话过程，可靠性和便捷性都会进一步提升。

但在那之前，当前这套方案已经足够实用了。

创作：OpenClaw × Anton
创作时间：约 2 小时（素材收集 1 小时 + 写作 1 小时）