看看团队如何在实践中使用 xbot。
场景： 一个 20 人的工程团队想要 AI 帮助，但不想每人管理自己的 API Key。
设置：
- 在团队服务器上以 Server 模式部署 xbot
- 管理员通过
/setup创建 LLM 订阅 - 连接飞书机器人应用
- 将机器人添加到团队群聊
结果： 团队中任何人 @机器人 即可：
- 生成代码片段和 review PR
- 查阅文档、回答技术问题
- 操作飞书文档和多维表格（创建报告、更新追踪表）
- 在服务器上执行 Shell 命令（通过权限控制）
无需个人管理 API Key。管理员通过 allow_from 控制访问。
场景： 独立开发者想要强大的终端 AI 助手。
设置：
- 以 Standalone 模式安装
- 在项目目录运行
xbot-cli - Agent 继承你的工作目录，可读写文件
结果：
- 让 Agent 探索不熟悉的代码库（
explore子 Agent） - 委派专注任务（代码审查、写测试）给子 Agent
- 交互式执行命令和调试问题
- 用
/context管理长会话的 token 用量
场景： 你想让 Agent 定期检查并发送告警。
设置：
你：每天早上 9 点检查夜间 CI 是否通过。
如果任何 job 失败了，总结错误并通知我。
Agent：*使用 Cron 工具调度*
Agent：好的。我每天早上 9 点会检查 CI 状态，有失败就通知你。
结果： Agent 通过 Cron 工具自我调度。Server 模式下，调度在重启后保留。
场景： 你需要多个专家视角来做设计决策。
设置：
你：评审这个 API 设计。分别获取安全专家、性能专家、UX 专家的意见，然后综合。
Agent：*创建一个包含三个子 Agent 的群聊*
Agent：@security-expert 有什么认证风险？
Agent：@performance-expert 有什么瓶颈？
Agent：@ux-expert API 是否符合人体工程学？
Agent：*将三方视角综合为建议*
结果： 群聊会议模式让多个专业子 Agent 辩论并收敛出建议。
场景： 团队在飞书多维表格中追踪工作，在飞书文档中写报告。
设置： Agent 有原生飞书工具：
你：读取项目追踪表，总结所有进行中任务的状态，创建一份周报文档。
Agent：*使用 feishu_bitable_list 读取追踪表*
Agent：*使用 feishu_docx_create 写报告*
Agent：完成。我已创建了一份包含状态总结的周报文档。
结果： Agent 读取多维表格记录、处理数据、创建飞书文档——全通过对话命令完成。
场景： 你想让不使用终端的团队成员也能访问 AI 聊天。
设置：
- 以 Server 模式部署，设置
web.enabled: true - 启用邀请制进行访问控制
- 与团队成员分享邀请链接
结果： 非技术用户通过浏览器聊天界面访问 Agent，支持 Markdown 渲染、代码高亮和文件上传。
Note有值得记录的使用场景？在 GitHub 提 issue。