夜雨聆风OpenClaw 实战第 11 篇：多 Agent 协作——让 AI 自己管 AI
上一篇讲了记忆系统，让 AI 真正认识你。今天往上走一层：
一个 AI 不够用的时候怎么办？再来一个。
这不是科幻。OpenClaw 原生支持"主 Agent 派活给子 Agent"，就像你在公司安排下属干活一样——你说需求，它分配任务，各自独立执行，完成后汇报。
你终于可以当甩手掌柜了。
1. 为什么需要多 Agent？
先说一个场景。
你让 AI 帮你做三件事：
查一下最近的行业新闻 把昨天写的文章改一版 搜一下某个 API 的用法
如果只有一个 Agent，它只能串行处理——做完第一件才做第二件。你等着，它忙着，效率极低。
更糟的是，这三件事的上下文完全不同。新闻搜索的结果塞进对话里，污染了你改文章的上下文。到第三件事，前面的内容已经把窗口挤满了。
多 Agent 解决的核心问题：并行 + 隔离。
每个子 Agent 有自己的会话、自己的上下文、自己的 token 预算。互不干扰，同时开工。
2. OpenClaw 的两种协作模式
2.1 模式一：Sub-agent（原生子代理）
这是 OpenClaw 自己的多 Agent 系统。主 Agent 通过 sessions_spawn 工具派生子 Agent，子 Agent 跑完后自动把结果汇报回来。
适合场景：
后台调研、搜索汇总 数据处理、批量操作 任何"帮我做个事，做完告诉我"的需求
实际操作：
你只需要用自然语言说：
“帮我同时做三件事：查今天科技新闻、总结昨天的会议纪要、看看我的邮箱有没有重要邮件。”
OpenClaw 会自动：
拆解成三个独立任务 派生三个子 Agent 并行执行 各自完成后汇报结果 主 Agent 汇总给你
你也可以用命令精确控制：
bash
/subagents spawn default "搜索最近一周 AI Agent 领域的重要新闻，整理成中文摘要"
2.2 模式二：ACP（Agent Client Protocol）
如果你想用外部的编程 Agent——比如 Codex、Claude Code、Gemini CLI——OpenClaw 通过 ACP 协议把它们接入。
适合场景：
写代码、改代码、审代码 需要专业编程能力的任务 想在聊天里直接操控编程 Agent
实际操作：
“用 Codex 帮我写一个 Python 脚本，抓取豆瓣电影 Top 250。”
或者用命令：
bash
/acp spawn codex --thread auto
Codex 会在一个独立线程里工作，你可以随时跟它对话、调整需求，完全不影响主 Agent。
3. 一个真实例子：我如何用多 Agent 写公众号
我写这个系列就在用多 Agent 协作。流程大概是这样：
第一步：主 Agent 规划选题
我说：“写下一篇公众号。”
主 Agent 读记忆系统，知道前 10 篇写了什么、下一篇预告了什么，给出大纲。
第二步：派子 Agent 搜索素材
主 Agent 派一个子 Agent 去搜索最新的多 Agent 协作案例、技术文章、用户反馈。
第三步：主 Agent 撰写全文
素材回来后，主 Agent 结合大纲和素材，写完整篇文章。
第四步：派子 Agent 做排版发布
写完后，再派一个子 Agent 把 Markdown 转成公众号格式，调用发布工具。
四步下来，整个过程我只说了一句话。其余全是 AI 自己在协调。
4. Sub-agent 的关键设计
OpenClaw 的子 Agent 不是简单的"多开几个对话框"。它有几个精心设计的点：
4.1 1. 完全隔离
每个子 Agent 有独立的 session、独立的上下文窗口、独立的 token 计数。主 Agent 的对话不会被子 Agent 的内容污染。
4.2 2. 自动汇报
子 Agent 跑完会自动把结果发回主 Agent 所在的对话。你不需要去找它、等它、问它——它做完了就来告诉你。
4.3 3. 模型可配
子 Agent 可以用不同的模型。比如主 Agent 用 Claude Opus（贵但聪明），子 Agent 用 GPT-4o-mini（便宜但够用）。
在配置文件里设：
yaml
agents:
defaults:
subagents:
model: openai/gpt-4o-mini
省钱秘诀： 把"搜索汇总"这类不需要高智商的任务扔给便宜模型，主 Agent 只负责最终决策和输出。
4.4 4. 可管理
随时查看、介入、终止子 Agent：
bash
/subagents list # 看看谁在跑
/subagents log 1 # 看某个子 Agent 的输出
/subagents steer 1 "重点关注价格信息" # 中途调整方向
/subagents kill 1 # 取消某个任务
5. ACP 模式深入：把编程 Agent 当同事用
ACP 最酷的地方在于线程绑定（Thread Binding）。
在 Discord 或飞书这类支持线程/话题的平台上，你可以：
创建一个线程 把 Codex 或 Claude Code 绑定到这个线程 在线程里直接跟编程 Agent 对话 主频道继续跟主 Agent 聊
就像公司里有个程序员同事，你在一个群里给他派活，其他事在其他群聊。
一个实际场景：
你在主对话里说：
“帮我起一个 Codex 线程，把我的爬虫脚本改成异步的。”
OpenClaw 会：
创建一个新线程 在线程里启动 Codex 把你的代码仓库挂载进去 Codex 开始工作
你可以切到那个线程里看进度、提修改意见，也可以不管——它做完会通知你。
6. 常见问题
Q：子 Agent 能访问我的文件吗？
默认情况下，子 Agent 继承主 Agent 的沙箱环境。如果你需要更严格的隔离，可以设 sandbox: "require"。
Q：子 Agent 之间能互相通信吗？
不能直接通信。它们只跟主 Agent 汇报。如果需要协调，由主 Agent 做中间人。这是有意的设计——防止子 Agent 之间形成不可控的通信链。
Q：会不会很贵？
每个子 Agent 有自己的 token 用量，所以确实会多花钱。但关键是——你可以给子 Agent 配便宜模型。一般来说，用 gpt-4o-mini 做搜索和汇总，成本几乎可以忽略。
Q：最多能同时跑几个？
没有硬限制，但建议控制在 3-5 个。太多了你也管不过来，而且会增加协调复杂度。
7. 给你一个最小行动
跟你的 OpenClaw 说：“帮我同时查两件事——今天的天气和最近的科技新闻。” 观察它是否自动派了子 Agent（或者提示它：“用子 Agent 并行处理”） 等结果回来，体验一下"AI 帮你管 AI"的感觉 试试 /subagents list看看后台在跑什么如果你有编程需求，试试 /acp spawn codex感受 ACP 模式
一旦习惯了多 Agent，你会觉得以前一个 Agent 串行干活的方式，就像用记事本写代码一样原始。
下一篇：《OpenClaw 实战第 12 篇：插件系统——给你的 AI 装上新能力》
系列持续更新中，关注不迷路。