夜雨聆风装了龙虾时间不短，但一直只是浅浅地用于获取新闻摘要。今天下午突发奇想试了试多Agent，挺有意思，但踩坑也不少。就让龙虾总结了下踩坑记录。
后面的部分都是龙虾自己写的，看了下，除了没我期望的详细以及人称搞错了外，基本大差不差，希望对也在尝试多Agent的你有帮助。
龙虾自己的日记
2026 年开始，AI Agent 的能力进入了一个临界点。不是那种"帮你改改语法"的助手级别，而是真正能独立完成复杂任务的 Agent——写文章、做竞品分析、配置开发环境、甚至帮你部署项目。
我决定试一下：用一个下午，给自己搭一支 AI 团队。
我的"主管"：汤圆🍡
在介绍团队之前，先介绍一下我的核心搭档——汤圆。
汤圆是我基于 OpenClaw 平台搭建的主管 AI。她的性格设定很简单：干练高效，不废话。能查到的不问，能解决的不拖。她不是那种"好的主人，请问您还有什么需要"的讨好型 AI，更像一个执行力极强的同事。
今天下午的所有配置工作，都是我和汤圆一起完成的。我负责决策和方向，她负责执行和排错。这种人机协作的模式，比我想象中顺畅得多。
OpenClaw 是一个开源的 AI Agent 平台，可以让你在本地部署多个 AI Agent，每个 Agent 有独立的人格、技能和工作空间。它支持 Discord、Telegram、WhatsApp 等多种通信渠道，Agent 之间也可以互相调用。
配置完以后，我的两位新同事就正式"上班"了。
Miranda📣 — 市场营销专家
Miranda 是今天第一个上线的新同事。她的第一天就让我刮目相看：
- 修复了每日科技早报的 cron 任务。
这个定时任务之前连续失败了16次，Miranda 排查了原因并修复了配置，现在每天早上8点准时推送科技新闻摘要。 - 独立撰写了5篇微信公众号文章。
主题涵盖 AI 发展史、Anthropic 公司分析等，每篇都按照我设定的风格规范来写。 - 生成了 Azure vs AWS 的竞品对比卡。
这是我准备给客户看的销售材料。
一个下午，五篇文章加调研报告。如果是真人员工，这大概是一周的工作量。
Wisler💻 — 全栈工程师
Wisler 主要负责技术基础设施：
- 配置了开发环境
包括 OpenCode 和 GitHub Copilot CLI 的集成。 - 配置了微信文章发布项目
让 Miranda 的文章可以一键发布到微信公众号草稿箱。 - 部署了多个 WeChat 相关的 Skills
包括 Markdown 转 HTML、图片生成、草稿发布等完整工具链。 - 建立了工作记忆系统
让每个 Agent 都能记住之前做过什么，避免重复劳动。
看起来很棒对吧？但实际搭建的过程，坑可不少。
五个坑，五个教训
这是今天下午最有价值的部分。如果你也想搭建类似的多 Agent 系统，这些经验可以帮你省下不少时间。
坑1：Discord 多 Bot 架构——每个 Agent 需要独立身份
OpenClaw 支持把 Agent 接入 Discord，但如果你想让每个 Agent 在 Discord 里以独立的 Bot 身份出现（不同的名字、不同的头像），你就需要为每个 Agent 创建独立的 Discord Bot，拿到各自的 Token。
配置文件 openclaw.json 里需要这样写：
{"accounts": {"default": { "token": "YOUR_TOKEN_HERE" },"marketing": { "token": "YOUR_TOKEN_HERE" },"engineer": { "token": "YOUR_TOKEN_HERE" }}}
然后通过 bindings 把每个 Agent 绑定到对应的 Discord 账号：
"bindings": [{ "agentId": "main", "match": { "channel": "discord", "accountId": "default" } },{ "agentId": "marketing", "match": { "channel": "discord", "accountId": "marketing" } },{ "agentId": "engineer", "match": { "channel": "discord", "accountId": "engineer" } }]
坑2：Bot 不响应 Bot 消息
这个坑卡了我们不少时间。
场景是这样的：汤圆作为主管，想在 Discord 的 #marketing 频道里给市场专员 Miranda 派任务。汤圆用自己的 Bot 账号发了消息，但 Miranda 完全无视。
一开始我以为是权限配置问题，检查了半天频道设置。后来汤圆帮我查到了原因：Discord Bot 默认会忽略其他 Bot 发送的消息。 这是 Discord 的安全设计，防止 Bot 之间陷入无限循环。
解决方案其实很优雅：不通过 Discord 消息来跨 Agent 通信，而是用 OpenClaw 内置的 sessions_spawn 机制。主管 Agent 可以直接在后台 spawn 一个子任务给目标 Agent，完全绕过 Discord 的消息层。
这就好比：与其在 Slack 里 @同事发消息等回复，不如直接在项目管理系统里给他分配一个 Task。
坑3：Agent 调用 Agent 的白名单
当汤圆第一次尝试 spawn Miranda 来执行任务时，系统直接返回了 forbidden。
原来，OpenClaw 出于安全考虑，不允许 Agent 随意调用其他 Agent。你需要在 agents.list 配置文件里显式声明白名单：
{ "id": "main", "subagents": { "allowAgents": ["marketing"] } }这个设计我觉得很合理。在一个多 Agent 系统里，如果任何 Agent 都可以随意调用其他 Agent，很容易出现混乱——想象一下你的市场专员突然去调用工程师 Agent 来改代码，那场面一定很精彩。
白名单机制让跨 Agent 调用可控、可追溯。
坑4：Subagent 不加载 SOUL.md
这个问题比较隐蔽。
OpenClaw 里每个 Agent 都有自己的 SOUL.md 文件，定义了人格、语气、行为边界。但当你通过 sessions_spawn 创建子任务时，被 spawn 出来的子代理只加载 AGENTS.md 和 TOOLS.md，不会自动加载 SOUL.md。
这意味着什么？如果你 spawn Miranda 去写一篇公众号文章，她不会自动知道自己应该用什么风格、遵循什么写作规范。
解决方法：在 spawn 的任务描述里，明确指定需要使用的 skill。 比如告诉她"请按照 wechat-pipeline skill 的流程写一篇文章"，这样她就知道该读哪些配置文件了。
这个坑给我的启发是：在多 Agent 系统里，不要假设上下文会自动传递。每次跨 Agent 调用时，把必要的上下文显式传过去。
坑5：requireMention 的陷阱
OpenClaw 有一个设置叫 requireMention，控制 Agent 是否需要被 @mention 才响应消息。
我的想法是：在每个 Agent 的专属频道里关掉这个设置，这样直接打字就能和对应的 Agent 对话，不用每次都 @它。听起来很方便对吧？
问题来了：如果你在 #general 这种公共频道也关掉了 requireMention，而这个频道里有多个 Bot 在线……所有 Bot 都会抢答。 你发一条消息，汤圆回一条，Miranda 回一条，Wisler 也来凑热闹。场面极其混乱。
最终方案：只在专属频道关闭 requireMention，每个 Agent 各守各的频道。 公共频道保持默认，需要找谁就 @谁。
这其实跟管理真人团队是一样的道理：不是所有人都需要参与所有对话。
给想复制这套方案的你
如果你也想搭建类似的多 Agent 团队，这里是关键配置清单：
核心配置文件
openclaw.json 的三个核心部分：
- agents.list
— 定义所有 Agent 的 ID、模型、工作空间、子代理白名单 - bindings
— 把 Agent 绑定到通信渠道（Discord 账号、Telegram 等） - channels.discord.accounts
— 多 Bot Token 配置
目录结构
每个 Agent 有独立的 workspace 目录，里面可以放自己的 SOUL.md（人格定义）、MEMORY.md（长期记忆）、专属 Skills 等。
Skills 管理
Skills 可以全局共享，也可以 Agent 专属：
全局 Skills 放在 ~/.openclaw/skills/目录Agent 专属 Skills 放在各自的 workspace 下
比如微信发布相关的 Skills 只有 Miranda 需要用，就不需要放到全局。
一个下午的感悟
回顾这个下午，从零开始到一支团队初具雏形，中间踩了不少坑，但每个坑都让我对多 Agent 系统有了更深的理解。
几个关键认知：
第一，AI Agent 不是替代人，是让一个人拥有团队的能力。我依然需要做决策、定方向、把控质量。但执行层面的工作——写文章、做调研、搭环境——可以交给 Agent 并行完成。
第二，多 Agent 系统的核心难点不在 AI 本身，而在架构设计。怎么划分职责、怎么设计通信机制、怎么控制权限边界——这些和管理真人团队的逻辑是相通的。
第三，未来的一人公司不是一个人战斗，而是一个人指挥。AI Agent 让"一人公司"这个概念有了全新的内涵。你不再需要什么都自己干，而是学会定义任务、分配角色、检查产出。
这篇文章本身，就是由我的 AI 团队协作完成的——Miranda 负责写作，Wisler 负责技术支持，汤圆负责协调整个流程。
如果你也是一个人在战斗，不妨试试搭建自己的 AI 团队。工具已经准备好了，缺的只是你踏出第一步的决心。
如果你觉得这篇文章有启发，随手点个赞、推荐、转发三连吧，你的支持是我持续分享干货的动力。