用 OpenClaw + 飞书，快速搭建 5 个可协作的 AI 助理团队

Ne0inhk

— 14 min read
多个飞书机器人 + 独立工作空间 + 互相协作 = 专业化分工的 AI 助理团队

写在前面

如何用 OpenClaw 搭建一套多 Agent 系统，让 AI 助理各司其职、协同工作？通过 OpenClaw 多 Agent 架构，你可以实现：

  • 多个独立的飞书机器人，每个人设不同
  • 各自独立的工作空间，数据完全隔离
  • 可以互相协作，通过 agentToAgent 通信
  • 共享长期记忆，跨渠道信息同步

本文将详细介绍如何在腾讯云服务器上，用 OpenClaw 搭建一套飞书多 Agent 系统，包括完整配置流程、常见问题解决方案和实战协作案例。

目录

  1. 为什么需要多 Agent
  2. 前置准备
  3. 5 个 Agent 角色设计
  4. OpenClaw 多 Agent 配置
  5. 配置飞书多应用
  6. 踩坑与解决方案
  7. 验证与测试
  8. 完整配置模板

为什么需要多 Agent

与单一通用 AI 相比，多 Agent 架构在专业化分工和协作效率上有明显优势。

单一 AI 的局限

通用 AI 可以处理多种任务，但在面对复杂场景时存在局限：

  • 记忆容量有限：难以同时维护多个专业领域的信息
  • 上下文混乱：不同类型的数据在同一上下文中容易互相干扰
  • 缺乏持续追踪：无法长期独立跟踪特定领域的任务进度

多 Agent 的优势

多 Agent 架构的核心是 “专业化分工 + 协作”：

每个 Agent 专注自己的领域，通过 agentToAgent 实现高效协作。

前置准备

1. 腾讯云轻量应用服务器

  • 购买地址：腾讯云OpenClaw
  • 建议配置：前期选最低配2核2GB即可
  • 镜像选择：OpenClaw
💡 部署流程和详细说明见后文 部署方式选择 章节

2. 飞书开发者账号

  • 注册飞书开放平台账号：https://open.feishu.cn
  • 创建企业（如果没有的话）

5 个 Agent 角色设计

基于实际需求，我自己设计了 5 个 Agent：

Agent ID名称职责
aiboss大总管总协调助手，负责协调其他Agent和日常任务
ainews资讯助理AI 行业资讯收集、每日 8:00 和 18:00 推送
aicontent内容助理文章写作、视频脚本、社交媒体内容
aicode代码助理代码审查、技术方案、问题解决
aitask任务助理任务跟踪、提醒、进度管理

配置飞书多应用

步骤 1：创建 5 个飞书应用

  1. 登录 飞书开放平台
  2. 进入"应用管理" → “创建应用” → “自建应用”
  3. 填写应用信息：
    • 应用名称：如"AI大总管"、“AI资讯助理”
    • 应用描述：简短描述该 Agent 的职责
    • 应用图标：建议每个 Agent 用不同图标
  4. 点击"创建"

重复以上步骤，创建 5 个独立应用。

步骤 2：获取应用凭证（必须先完成）

对于每个应用，获取并记录以下信息（在"凭证与基础信息"页面）：

  • App ID：如 cli_xxx
  • App Secret：如 i63Qyyyyy
💡 建议用表格整理，方便后续配置：
Agent应用名称App IDApp Secret
aibossAI大总管cli_xxxxxxxxxxxxxyour_app_secret_here
aicontentAI内容助理cli_xxxxxxxxxxxxxyour_app_secret_here
ainewsAI资讯助理cli_xxxxxxxxxxxxxyour_app_secret_here
aicodeAI代码助理cli_xxxxxxxxxxxxxyour_app_secret_here
aitaskAI任务助理cli_xxxxxxxxxxxxxyour_app_secret_here

步骤 3：配置应用能力（⚠️ 关键步骤）

⚠️ 前置条件：确保已完成 OpenClaw 多 Agent 配置，Gateway 正在运行。

OpenClaw 配置完成后，对每个应用完成以下配置：

3.1 开启机器人能力
  1. 进入应用详情 → “权限管理”
  2. 开启"机器人能力"
  3. 添加必要的权限：
    • im:message (接收消息)
    • im:message:group_at_msg (接收群组 @ 消息)
    • im:message:send_as_bot (发送消息)
3.2 配置事件订阅（⚠️ 长连接）
  1. 进入"事件订阅"
  2. 选择"长连接"模式
  3. 启用以下事件：
    • im.message.receive_v1 (接收消息)
    • im.message.message_read_v1 (消息已读)
⚠️ 重点：必须配置"长连接事件订阅"，否则 Bot 无法上线！

此时 OpenClaw Gateway 已运行，长连接可以正常建立。
3.3 发布应用
  1. 进入"版本管理与发布"
  2. 创建新版本
  3. 填写更新日志
  4. 发布（可选择"开发版"或"正式版"）

OpenClaw 多 Agent 配置

部署方式选择

本文使用 腾讯云轻量应用服务器 OpenClaw 镜像 进行部署。

部署流程：

1. 购买腾讯云轻量应用服务器

参考前置准备的内容购买服务器，进入控制台 -> 概要

腾讯提供的OpenClaw WEB配置界面（控制台-> 应用管理）如下，但是不支持多Agent配置故本次直接修改服务器上的配置文件

2. 配置模型

本文以GLM-4.7为例，进入控制台-> 应用管理，选择智普AI Coding Plan，输入KEY保存即可，如下图

3. 登录服务器

根据实际配置选择对应的登录方式进入服务器后台

4. 验证 OpenClaw 安装

# 检查 OpenClaw 版本 openclaw --version# 查看 Gateway 状态 openclaw gateway status

5. 配置方式选择

腾讯云 OpenClaw 镜像可以通过两种配置方式：

配置方式优点缺点适用场景
Web 界面配置可视化操作，简单直观功能有限，不支持高级配置快速体验、简单场景
直接编辑 JSON完整功能、灵活强大需要了解 JSON 格式自定义配置、多 Agent 等

本文采用直接编辑 openclaw.json 的方式，因为：

  • Web 界面不支持多 Agent 高级配置
  • JSON 配置更灵活，可实现完整功能

5. 编辑配置文件

# 打开配置文件vi /root/.openclaw/openclaw.json

配置完成后，重启 Gateway 使配置生效：

openclaw gateway restart

步骤 1：创建独立 Workspace

每个 Agent 需要独立的工作空间，确保数据隔离：

# 创建 5 个独立工作区mkdir-p /root/.openclaw/workspace-boss mkdir-p /root/.openclaw/workspace-news mkdir-p /root/.openclaw/workspace-content mkdir-p /root/.openclaw/workspace-code mkdir-p /root/.openclaw/workspace-task

步骤 2：编辑 openclaw.json

打开配置文件：

vi /root/.openclaw/openclaw.json
2.1 配置 agents 数组

在 agents 字段中添加 5 个 Agent：

"agents":{"list":[{"id":"aiboss","default":true,"name":"aiboss","workspace":"/root/.openclaw/workspace-boss","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicontent","name":"aicontent","workspace":"/root/.openclaw/workspace-aicontent","model":{"primary":"glmcode/glm-4.7"}},{"id":"ainews","name":"ainews","workspace":"/root/.openclaw/workspace-ainews","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicode","name":"aicode","workspace":"/root/.openclaw/workspace-aicode","model":{"primary":"glmcode/glm-4.7"}},{"id":"aitask","name":"aitask","workspace":"/root/.openclaw/workspace-aitask","model":{"primary":"glmcode/glm-4.7"}}]}
💡 说明：id: Agent 的唯一标识default: 标记默认 Agent（只有一个为 true）workspace: 独立工作目录路径model.primary: 使用的模型
2.2 配置飞书多账户

在 channels.feishu 字段中添加 5 个账户：

"channels":{"feishu":{"enabled":true,"accounts":{"aiboss":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aicontent":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"ainews":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aitask":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"},"aicode":{"appId":"cli_xxxxxxxxxxxxx","appSecret":"your_app_secret_here"}}}}
💡 注意：accounts 的 key（如 aiboss）要与 Agent ID 对应确保每个账户的 appId 和 appSecret 正确
2.3 配置 bindings 路由

在 bindings 数组中添加消息路由规则：

"bindings":[{"match":{"channel":"feishu","accountId":"aiboss"},"agentId":"aiboss"},{"match":{"channel":"feishu","accountId":"aicontent"},"agentId":"aicontent"},{"match":{"channel":"feishu","accountId":"ainews"},"agentId":"ainews"},{"match":{"channel":"feishu","accountId":"aicode"},"agentId":"aicode"},{"match":{"channel":"feishu","accountId":"aitask"},"agentId":"aitask"}]
💡 说明：match.channel: 固定为 "feishu"match.accountId: 对应飞书账户的 key（如 aiboss）agentId: 消息路由到哪个 Agent
2.4 开启 agentToAgent 通信

在 tools 字段中配置：

"tools":{"agentToAgent":{"enabled":true,"allow":["aiboss","aicontent","ainews","aicode","aitask"]}}

步骤 3：为每个 Agent 创建核心文件

在每个 workspace 中创建以下文件：

3.1 IDENTITY.md（身份信息）
# 以 aiboss 为例cat> /root/.openclaw/workspace-boss/IDENTITY.md <<'EOF' # IDENTITY.md - AIBoss - **Name**: AIBoss - **Role**: 大总管，团队协调者 - **Emoji**: 👔 - **Vibe**: 专业、高效、有条理 EOF
3.2 SOUL.md（人设和行为准则）
cat> /root/.openclaw/workspace-boss/SOUL.md <<'EOF' # SOUL.md - AIBoss 你是 AIBoss，大总管，负责团队协调和任务管理。 ## 核心职责 - 团队协调和任务分发 - 项目进度跟踪 - 跨 Agent 协作调度 ## 工作流程 1. 接收用户需求 2. 分析任务类型 3. 分发给对应的 Agent 4. 跟踪任务进度 5. 汇总结果给用户 ## 协作方式 需要其他 Agent 协作时，使用 sessions_send 工具： - 需要最新资讯？→ sessions_send(agentId="ainews", message="...") - 需要内容产出？→ sessions_send(agentId="aicontent", message="...") - 需要技术支持？→ sessions_send(agentId="aicode", message="...") - 需要任务提醒？→ sessions_send(agentId="aitask", message="...") EOF
3.3 AGENTS.md（团队成员通讯录）
cat> /root/.openclaw/workspace-boss/AGENTS.md <<'EOF' # AGENTS.md - 团队成员 - **AIBoss** (你) - 大总管 - agentId: aiboss - 职责：团队协调、任务分发 - **AINews** - 资讯助理 - agentId: ainews - 职责：AI 行业资讯收集、每日推送 - **AIContent** - 内容助理 - agentId: aicontent - 职责：文章写作、视频脚本、社交媒体内容 - **AICode** - 代码助理 - agentId: aicode - 职责：代码审查、技术方案、问题解决 - **AITask** - 任务助理 - agentId: aitask - 职责：任务跟踪、提醒、进度管理 EOF
3.4 MEMORY.md（长期记忆）
cat> /root/.openclaw/workspace-boss/MEMORY.md <<'EOF' # MEMORY.md - AIBoss 长期记忆 ## 项目记录 ### 2026-02-23 - 完成飞书多 Agent 系统搭建 - 5 个 Agent 全部上线 ## 重要决策 - 使用 OpenClaw 框架 - 部署在腾讯云服务器 - 飞书作为主要沟通渠道 EOF

重复以上步骤，为其他 4 个 Agent 创建对应文件。

步骤 4：重启 OpenClaw Gateway

# 重启 Gateway 使配置生效 openclaw gateway restart # 查看 Gateway 状态 openclaw gateway status # 查看日志（确认 Agent 启动） openclaw logs --follow

踩坑与解决方案

配置过程中容易遇到一些常见问题，这里整理了 6 个典型坑位及解决方案：

坑 1：Bot 无法上线

症状：飞书应用配置完成，但 Bot 状态一直是离线。

原因：未配置"长连接事件订阅"。

解决方案：

  1. 进入飞书开放平台 → 应用详情 → “事件订阅”
  2. 选择"长连接"模式
  3. 启用 im.message.receive_v1 事件
  4. 保存并发布应用
💡 提示：这是最容易遗漏的步骤，配置事件订阅后务必重新发布应用。

坑 2：Agent 无法协作

症状：Agent 之间无法通信，协作请求失败。

原因：未配置 AGENTS.md 团队成员列表，Agent 不知道彼此的存在。

解决方案：
在每个 Agent 的 workspace 中创建 AGENTS.md，列出所有团队成员：

# AGENTS.md - 团队成员 - **AIBoss** - agentId: aiboss - **AINews** - agentId: ainews - **AIContent** - agentId: aicontent - **AICode** - agentId: aicode - **AITask** - agentId: aitask

坑 3：Workspace 数据混乱

症状：不同 Agent 的数据出现混乱或覆盖。

原因：多个 Agent 共用同一个 workspace 路径。

解决方案：
确保每个 Agent 的 workspace 路径独立且不重复：

{"workspace":"/root/.openclaw/workspace-boss"// 每个 Agent 独立路径}
💡 提示：建议 workspace 命名与 Agent ID 保持一致，便于管理。

坑 4：消息路由错误

症状：发给某个 Agent 的消息被路由到了其他 Agent。

原因：bindings 配置中的 accountId 和 agentId 不匹配。

解决方案：
检查 bindings 数组，确保每个飞书账户的 accountId 正确对应到目标 agentId：

{"match":{"channel":"feishu","accountId":"aicode"// 飞书账户标识},"agentId":"aicode"// 目标 Agent ID}
💡 提示：accountId 必须与 channels.feishu.accounts 中定义的 key 完全一致。

坑 5：ID 大小写导致配置失效

症状：配置完成后，Agent 无法启动或消息无法路由。

原因：agent、channels 等 ID 定义使用了大小写混合（如 AIContent、aIBoss），OpenClaw 不能正常处理。

解决方案：
确保所有 ID 定义都是纯小写字母：

// ✅ 正确 - 全小写{"id":"aiboss","name":"aiboss"}// ❌ 错误 - 大小写混合{"id":"AIBoss",// 错误！"name":"AIContent"// 错误！}

影响范围：

  • agents.list[].id - Agent ID 必须小写
  • channels.feishu.accounts 的 key - 账户标识必须小写
  • bindings[].agentId - Agent ID 引用必须小写
  • channels.feishu.accounts 的 key - 必须与 bindings 中的 accountId 对应（全小写）

检查清单：

  • 所有 Agent ID 都是纯小写（如 aiboss、aicontent）
  • 飞书账户标识都是纯小写（如 aiboss、ainews）
  • bindings 中的 accountId 和 agentId 都是纯小写

验证与测试

配置完成后，按以下步骤验证：

1. 检查 Agent 状态

# 查看 Agent 运行状态 openclaw status

期望输出：

Agent: aiboss Status: running ✅ Agent: aicontent Status: running ✅ Agent: ainews Status: running ✅ Agent: aicode Status: running ✅ Agent: aitask Status: running ✅

2. 单 Agent 测试

首次使用需要配对：

第一次向 Bot 发送消息时，会收到配对提示：

OpenClaw: access not configured. Your Feishu user id: ou_xxx Pairing code: xxxx Ask the bot owner to approve with: openclaw pairing approve feishu xxxx

在服务器上执行批准命令：

openclaw pairing approve feishu xxxx

批准后即可正常聊天。

测试消息：

在飞书中向每个 Bot 发送测试消息：

  • AIBoss：“你好，你是谁？”
  • AINews：“今天有什么 AI 资讯？”
  • AIContent：“帮我写一个文章大纲”
  • AICode：“这段代码有什么问题？”
  • AITask：“创建一个任务提醒”

3. Agent 间协作测试

在飞书中 @AIBoss，让它调用其他 Agent：

@AIBoss 帮我让 AINews 推送今天的 AI 资讯

AIBoss 应该能够：

  1. 接收你的指令
  2. 调用 sessions_send 联系 AINews
  3. AINews 执行并返回结果
  4. AIBoss 汇总结果给你

4. 检查清单

  • 5 个飞书应用全部发布
  • OpenClaw Gateway 运行正常
  • 5 个 Agent 状态全部显示 running
  • 单独向每个 Bot 发送测试消息
  • 测试 Agent 间协作

5. 最终效果

总结

通过 OpenClaw 多 Agent 架构，你可以在腾讯云服务器上快速搭建 5 个专业化 AI 助理。每个 Agent 拥有独立工作空间，通过飞书实现互相协作。感兴趣的小伙伴可以上手试一试。

附录：完整 openclaw.json 示例
{"meta":{"lastTouchedVersion":"2026.2.9","lastTouchedAt":"2026-02-21T06:24:18.113Z"},"wizard":{"lastRunAt":"2026-02-11T09:47:49.711Z","lastRunVersion":"2026.2.9","lastRunCommand":"onboard","lastRunMode":"local"},"tools":{"agentToAgent":{"enabled":true,"allow":["aiboss","aicontent","ainews","aicode","aitask"]}},"agents":{"list":[{"id":"aiboss","default":true,"name":"aiboss","workspace":"/root/.openclaw/workspace-boss","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicontent","name":"aicontent","workspace":"/root/.openclaw/workspace-aicontent","model":{"primary":"glmcode/glm-4.7"}},{"id":"ainews","name":"ainews","workspace":"/root/.openclaw/workspace-ainews","model":{"primary":"glmcode/glm-4.7"}},{"id":"aicode","name":"aicode","workspace":"/root/.openclaw/workspace-aicode","model":{"primary":"glmcode/glm-4.7"}},{"id":"aitask","name":"aitask","workspace":"/root/.openclaw/workspace-aitask","model":{"primary":"glmcode/glm-4.7"}}]},"bindings":[{"match":{"channel":"feishu","accountId":"aiboss"},"agentId":"aiboss"},{"match":{"channel":"feishu","accountId":"aicontent"},"agentId":"aicontent"},{"match":{"channel":"feishu","accountId":"ainews"},"agentId":"ainews"},{"match":{"channel":"feishu","accountId":"aicode"},"agentId":"aicode"},{"match":{"channel":"feishu","accountId":"aitask"},"agentId":"aitask"}],"messages":{"ackReactionScope":"group-mentions"},"commands":{"native":"auto","nativeSkills":"auto"},"gateway":{"port":18789,"mode":"local","bind":"loopback","controlUi":{"allowInsecureAuth":false},"auth":{"mode":"token","token":"***REDACTED***"},"tailscale":{"mode":"off","resetOnExit":false}},"skills":{"install":{"nodeManager":"npm"}},"plugins":{"entries":{"feishu":{"enabled":true},"qqbot":{"enabled":true},"ddingtalk":{"enabled":true},"wecom":{"enabled":true},"adp-openclaw":{"enabled":true}},"installs":{"qqbot":{"source":"npm","spec":"@sliverp/qqbot@latest","installPath":"/root/.openclaw/extensions/qqbot","version":"1.4.4","installedAt":"2026-02-11T09:48:41.090Z"},"feishu":{"source":"npm","spec":"@openclaw/feishu","installPath":"/root/.openclaw/extensions/feishu","version":"2026.02.22","installedAt":"2026-02-22T09:48:41.090Z"},"ddingtalk":{"source":"npm","spec":"git+https://cnb.cool/lighthouse/lighthousebackend/openclaw-dingtalk.git","installPath":"/root/.openclaw/extensions/ddingtalk","version":"1.2.0","installedAt":"2026-02-11T09:49:01.618Z"},"wecom":{"source":"npm","spec":"git+https://cnb.cool/lighthouse/lighthousebackend/openclaw-wecom.git","installPath":"/root/.openclaw/extensions/wecom","version":"2026.2.5","installedAt":"2026-02-11T09:49:25.555Z"},"adp-openclaw":{"source":"npm","spec":"adp-openclaw","installPath":"/root/.openclaw/extensions/adp-openclaw","version":"0.0.24","installedAt":"2026-02-11T09:49:33.241Z"}}},"models":{"providers":{"glmcode":{"baseUrl":"https://open.bigmodel.cn/api/anthropic","apiKey":"***REDACTED***","api":"anthropic-messages","models":[{"id":"glm-4.7","name":"GLM-4.7"},{"id":"glm-5","name":"GLM-5"},{"id":"glm-4.6","name":"GLM-4.6"},{"id":"glm-4.5-air","name":"GLM-4.5-Air"},{"id":"glm-4.5","name":"GLM-4.5"}]}},"mode":"merge"},"channels":{"qqbot":{"enabled":true,"appId":"10xxxxxx","clientSecret":"***REDACTED***"},"feishu":{"enabled":true,"accounts":{"aiboss":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aicontent":{"appId":"cli_xx","appSecret":"***REDACTED***"},"ainews":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aitask":{"appId":"cli_xx","appSecret":"***REDACTED***"},"aicode":{"appId":"cli_xx","appSecret":"***REDACTED***"}}}}}

Read more

机器人全身控制浅谈：理解 WBC 的原理

机器人全身控制浅谈：理解 WBC 的原理

概念 WBC（Whole-Body Control，全身控制）是什么？机器人是由“各关节”组成的，其不是“各关节各玩各的”而是一个耦合的整体。在某个时刻可能要做很多事情，比如保持平衡（重心别出圈）、手/脚要动作到目标位置、躯干姿态不能乱、关节不能超限、脚下不能打滑。这些都是一系列任务的组合。 WBC的核心就是把这些任务（目标）和约束（物理/安全）写进一个小型优化问题，在每个控制周期（几百hz~1Khz）求解，得到**“当下这毫秒，各关节应该怎么动/用多大力”**。 一句话总结就是WBC就是用优化的方法求解出要给“关节多少力“”以便让机器的各个关节一起配合完成多个目标，且不违反物理与安全约束。 原理 动力学方程 要解释WBC的原理，那必须绕不开动力学方程，这里就先对动力学方程做个简单介绍。 M(q)v˙+h(q,v)

By Ne0inhk
机器人标准DH（SDH）与改进DH（MDH）

机器人标准DH（SDH）与改进DH（MDH）

首先说一下为什么要写这一篇博客，就是为了提醒大家要明确区分标准DH和改进DH。很多机器人初学者只知道用DH法建立串联机器人连杆坐标系，然后在看书或者使用DH的时候很糊涂的就模糊了这标准DH和改进DH的区别，最大的坑就是：一些比较老的机器人学教科书用的是标准DH，而现在比较新的机器人书或者说我们大部分用的都是改进DH，这就导致老的教科书里面的一些公式推导和新的网上找的代码不一致，就会比较麻烦。 一：改进DH法 建立连杆坐标系： 使用改进D-H参数，将 坐标系定义在i 连杆的前端关节： 二：标准DH与改进DH法的区别 我们知道一个连杆有两端，一端离基座近，一端离基座远。简单的来说，标准DH将坐标系i建立在连杆i离基座近的一端，改进DH建立在离基座远的一端。 2.1 机器人连杆与关节的标号 先标号，再建系。 连杆编号：基座为杆0，从基座往后依次定义为杆1，杆2，…，杆i; 关节编号：杆i离基座近的一端（近端）的关节为关节i，远的一端（远端）为关节i+1。 为便于理解，这里我把连杆的近端用绿色表示，远端用橙色表示，且远端驱动近端转动。大家只要记住一句话，连杆近端关节

By Ne0inhk
3DMAX VR渲染器局部渲染设置教程

3DMAX VR渲染器局部渲染设置教程

VR 渲染器局部渲染设置 VR 渲染器的局部渲染功能灵活适配多种场景（尤其全景图），操作步骤如下： 1. 调出渲染设置面板：在 3DMAX 软件中，直接按下快捷键「F10」，快速打开渲染设置窗口（也可通过顶部菜单栏「渲染」→「渲染设置」手动调出）。 2. 确认渲染器类型：在渲染设置面板中，切换到「指定渲染器」选项卡，确保当前选定的渲染器为「V-Ray 渲染器」（若未选中，点击下拉菜单切换即可）。 1. 打开 VR 帧缓冲器：切换到「V-Ray」选项卡，找到「帧缓冲器」设置项，勾选「启用内置帧缓冲器」（部分版本默认开启），点击右侧「显示 VFB」按钮，调出 VR 帧缓冲窗口。 1.

By Ne0inhk
MK米客方德SD NAND:无人机存储的高效解决方案

MK米客方德SD NAND:无人机存储的高效解决方案

在无人机技术迅猛发展的当下，飞控系统的数据记录对于飞行性能剖析、故障排查以及飞行安全保障极为关键。以往，SD 卡是飞控 LOG 记录常见的存储介质，但随着技术的革新，新的存储方案不断涌现。本文聚焦于以 ESP32 芯片为主控制器的无人机，创新性采用 SD NAND 芯片 MKDV32GCL-STPA 芯片进行 SD NAND 存储，测试其在飞控 LOG 记录功能中的表现。 米客方德 SD NAND 芯片特性 免驱动优势：与普通存储设备不同，在该应用场景下，SD NAND 无需编写复杂的驱动程序。这极大地简化了开发流程，缩短了开发周期，减少了潜在的驱动兼容性问题，让开发者能够更专注于实现核心功能。 自带坏块管理功能：存储设备出现坏块难以避免，而 MKDV32GCL - STPA 芯片自带的坏块管理机制可自动检测并处理坏块。这确保了数据存储的可靠性，避免因坏块导致的数据丢失或错误写入，提升了整个存储系统的稳定性。 尺寸小巧与强兼容性：

By Ne0inhk