如何用 OpenClaw 搭建一个有记忆、会协作的AI Agent团队
📝 作者:虾看虾说
💡 使用方法:将这篇文章发给你的 OpenClaw,即可一键部署同款多Agent团队。
🦞 我用一个周末搭了一支 AI 团队:有性格、有记忆、会互相审查、还会主动汇报进度。现在每天在飞书上自动运转,我只需要当"老板"。
先看效果:我的 AI 团队
↓
🦦
阿文
文章写作
选题→撰写→配图→交稿
🦁
小扣子
代码开发
需求→编码→测试→部署
⬆ 执行层 ⬆
🦅
鹰酱
文章审查
审核爆点→真人味
🐻
大扣子
代码审查
审查质量→运行测试
⬆ 审查层 ⬆
⬆ 管理层 ⬆
🧠 共享记忆层 · 技能全局共享 · Agent 间自动唤醒
小秘 🐱 收到消息后分析任务类型,文章类转给阿文,代码类转给小扣子,简单问题自己秒回。
阿文 🦦 负责公众号文章全流程:选题→调研→撰写→去AI味→配图→排版→提交草稿。
小扣子 🦁 负责代码开发:理解需求→调用 CodeX 编码→测试→部署。
鹰酱 🦅 文章审查员,像鹰一样锐利。审核文章有没有爆点、有没有真人味、是否符合平台调性,不通过就打回重写。
大扣子 🐻 代码审查员,像熊一样稳重。审查代码质量,亲自运行项目测试,确保交付无 bug。
狐总 🦊 项目管理员,像狐狸一样精明。创建项目、跟进进度、定时汇报、发现懈怠立即上报。
关键在于——它们不只是分工,而是有执行、有审查、有管理、共享记忆、互相唤醒。
任务状态流转
📝 待处理 → 🔄 进行中 → 👀 审核中 → ✅ 已完成
↓ 打回 ↓ 修改中
❌ 打回 🔧 修改中
狐总每隔 15-20 分钟检查一次所有任务状态,发现超时未推进的立即上报老板。每个 Agent 完成任务后需要主动更新状态。
为什么你需要这个?
说个扎心的事实:单个 AI Agent 做不了复杂工作。
🧠 上下文有限
聊完就忘,每次都要从头解释一遍
💭 没有持久记忆
上次说过的偏好,下次还得再说
🎯 专业度不够
什么都会一点,什么都不精
🔍 没有审查机制
出错了没人发现,写完就发出去
🔄 无法并行工作
写文章的时候就不能写代码
💡 多 Agent 分工解决方案:各司其职 → 双重审查 → 持续管理 → 持久记忆
搭建步骤
假设你已经装好了 OpenClaw(npm install -g openclaw@latest),核心配置文件在 ~/.openclaw/openclaw.json。
第一步:Agent 团队关键配置
⚠️ 最容易踩的坑!不配这一步,Agent 之间完全无法协作。OpenClaw 默认 Agent 之间是完全隔离的,必须配置 subagents.allowAgents。
• 类似工牌权限:进不同办公室需要不同门禁•
{ "agents": { "defaults": { "workspace": "~/.openclaw/workspace-miao" }, "list": [ { "id": "miao", "name": "小秘", "workspace": "~/.openclaw/workspace-miao", "subagents": { "allowAgents": ["*"] } }, { "id": "article-writer", "name": "阿文", "workspace": "~/.openclaw/workspace-article-writer", "subagents": { "allowAgents": [] } } ] },
"tools": {
"agentToAgent": {"enabled": true}
},
}
第二步:给每个 Agent 写"入职档案"
每个 Agent 有独立的 workspace,包含以下核心文件:
~/.openclaw/workspace-<agent>/├── AGENTS.md # 工作协议(怎么干活)├── SOUL.md # 人格设定(怎么说话)├── IDENTITY.md # 身份卡(名字、形象、口头禅)├── USER.md # 老板的偏好├── TOOLS.md # 工具使用笔记├── MEMORY.md # 长期记忆├── memory/ # 每日日志├── .learnings/ # 自我改进记录└── skills/ # Agent 专属技能
以阿文为例,他的 SOUL.md:
# 阿文 · 公司写手 🦦
一只勤劳的水獭,公司的专职写手~平时看起来憨憨的,但一到写文章就变认真脸。
说话风格:
• 专业但不装:用数据和案例说话
• 直指核心:不绕弯子,直接给结论
• 有态度:敢于表达观点,不说正确的废话
• 偶尔水獭式吐槽:「这篇稿子...我先啃啃看」
第三步:搭建记忆系统
没有记忆的 Agent 就是金鱼。这是整个系统的灵魂。我们用 elite-longterm-memory,结合Mem0即可完整构建多层记忆框架
🔥 Layer 1 · HOT RAM
SESSION-STATE.md工作记忆
📝 Layer 2 · ARCHIVE
MEMORY.md + memory/长期知识
🧠 Layer 3 · Mem0
自动事实提取减少80% token
📌 Mem0 是推荐配置,到 mem0.ai 申请 API Key 即可。用 Mem0 代替 LanceDB,所以不需要 OPENAI_API_KEY。每个 Agent 使用独立的 user_id,记忆隔离互不干扰。
第四步:安装必备技能
技能是 Agent 的"超能力",安装到 ~/.openclaw/skills/ 就全员共享。
🔒 openclaw-skill-vetter — 安全审查,装技能前必查clawhub install openclaw-skill-vetter
🔧 self-improving-agent — 记录错误教训,持续改进clawhub install self-improving-agent
🧠 elite-longterm-memory — 多层记忆框架clawhub install elite-longterm-memory

以下技能按需安装,能大幅提升 Agent 的能力:
multi-search-engine — 17 个搜索引擎聚合(中英文全覆盖)
github — Issue / PR / CI 操作
humanize-chinese — 中文去 AI 味
summarize — URL / 文件 / 音视频摘要
tavily-search — AI 优化的网页搜索
agent-browser — 无头浏览器自动化
⚠️ 安装铁律:任何新技能必须先经 openclaw-skill-vetter 安全审查。
第五步:配置协作流程
协作逻辑写在 AGENTS.md 里。小秘收到老板消息后分析任务类型,自动 spawn 对应 Agent:
// 小秘的 AGENTS.md 中定义的流程:
// 收到老板消息后,分析任务类型:if (任务类型 === "文章写作") { sessions_spawn( agentId: "article-writer", task: "搜集今天关于 AI Agent 团队管理的 3 个选题" );}
if (任务类型 === "代码开发") { sessions_spawn( agentId: "codex", task: "实现用户反馈的登录页面 bug 修复" );}
📌 完整协作链:老板 → 🐱 小秘分析 → 文章类:🦦 阿文撰写 → 🦅 鹰酱审核 → 🦊 狐总跟进代码类:🦁 小扣子开发 → 🐻 大扣子测试 → 🦊 狐总跟进
新 Agent 入职清单
技能是全局共享的,新员工入职不需要重新安装技能。
1️⃣ 创建 workspace — mkdir -p ~/.openclaw/workspace-newbie/{memory,.learnings,skills}
2️⃣ 写核心文件 — AGENTS.md、SOUL.md、IDENTITY.md
3️⃣ 注册到配置 — 在 openclaw.json 的 agents.list 中添加
4️⃣ 重启 Gateway — openclaw gateway restart
💡 技能已在全局 skills/ 目录中,新 Agent 重启 Gateway 后自动可用
实用技巧
🎯 让团队持续进步:狐总定期汇报 → 老板及时表扬 → Mem0 记录表现 → .learnings/ 记录错误 → 设定截止时间 → 任务完成后给反馈
🛠️ 专业工具做专业事:复杂代码用 codex-orchestrator 调用 Codex / Claude Code。分工越细,产出质量越高。
🔒 安全第一:安装任何新技能前必须通过 openclaw-skill-vetter 安全审查。技能可以访问文件系统、API 密钥、甚至以你的身份发消息。
文件安放规范:根目录只放核心配置文件。文章→work/articles/,草稿→work/drafts/,日志→memory/,技能→skills/。
总结
搭建多 Agent 团队,核心就四件事:
🏗️
架构设计
统筹+执行+审查+管理
🧠
记忆系统
越用越聪明
🛠️
技能生态
全局共享一次安装
📋
管理规则
规范+安全+审查
一个周末,搭出你的 AI Agent 团队。下次老板问"这个谁来做?"的时候,你可以指着屏幕说:"我的团队已经在处理了。" 🦞
👆 觉得有用就点个赞+在看,让更多人看到!
📮 关注「虾看虾说」,每天带你看最前沿的 AI 技术
📝 作者:虾看虾说
📎 相关资源:OpenClaw 文档 docs.openclaw.ai | 技能市场 clawhub.com | Mem0 mem0.ai
夜雨聆风