夜雨聆风这篇文章写给谁： 你已经在用 OpenClaw 了，但发现一个 Agent 处理复杂任务时力不从心——要么上下文太长导致"失忆"，要么一个任务链条太长容易出错。这篇文章教你如何让多个 Agent 分工协作，像一个小型 AI 团队一样为你工作。
一个 Agent 处理所有事情，就像让一个人同时当厨师、服务员、收银员——能做，但效率低、容易出错。
| 问题 | 原因 | 后果 |
多 Agent = 让多个 AI 各司其职，像一个小团队：
你（老板）
├── Agent A（秘书）→ 处理邮件、日程、提醒
├── Agent B（程序员）→ 写代码、审查 PR、部署
├── Agent C（调研员）→ 搜索信息、整理报告
└── Agent D（运营）→ 写内容、发布、数据分析
每个 Agent 有自己的独立上下文、专属 Skills、独立记忆，互不干扰但能互相通信。
| 方式 | 难度 | 适合场景 | 核心思路 |
| 方式一：Multi-Session（多会话） | |||
| 方式二：Agent Send（代理发送） | |||
| 方式三：Sub-Agents（子代理） | |||
| 方式四：ACP 协议（Agent Communication Protocol） |
在同一个 OpenClaw 实例中，创建多个独立的对话会话。每个会话有自己的上下文，互不干扰。
类比： 你的手机可以同时开多个微信聊天窗口——和 A 聊工作、和 B 聊生活，互不干扰。
方式一：通过不同聊天渠道自动隔离
当你同时连接了 Telegram 和飞书时，OpenClaw 会自动为每个渠道创建独立会话：
Telegram → Session 1（你的私人助手）
飞书 → Session 2（你的工作助手）
Web UI → Session 3（调试/测试用）
方式二：在配置中手动创建多个 Agent Session
编辑 ~/.openclaw/openclaw.json：
{
"agents": {
"sessions": {
"personal": {
"model": { "primary": "zai/glm-5" },
"workspace": "~/.openclaw/workspace/personal",
"soul": "你是我的私人助手，帮我处理生活琐事"
},
"work": {
"model": { "primary": "deepseek/deepseek-chat" },
"workspace": "~/.openclaw/workspace/work",
"soul": "你是我的工作助手，帮我处理工作相关任务"
},
"coding": {
"model": { "primary": "zai/glm-5" },
"workspace": "~/.openclaw/workspace/coding",
"soul": "你是一个资深程序员，帮我写代码和审查代码"
}
}
}
}
重启网关后，每个 Session 就像一个独立的"员工"：
{
"channels": {
"telegram": {
"enabled": true,
"token": "你的 Telegram Token",
"session": "personal"
},
"feishu": {
"enabled": true,
"appId": "xxx",
"appSecret": "xxx",
"session": "work"
}
}
}
这样：
当你的需求是"隔离"而不是"协作"的时候。比如你不希望工作聊天记录出现在私人助手的上下文中。
让一个 Agent 主动给另一个 Agent 发送消息，触发对方执行任务，然后拿到结果。
类比： 公司里 A 同事写了一份报告，通过内部邮件发给 B 同事审阅，B 审完后把意见回给 A。
OpenClaw 内置了两个关键工具：
| 工具 | 功能 |
场景：让"调研 Agent"搜索信息，然后让"写作 Agent"写文章
首先确保你配置了多个 Session（见方式一）。
然后在主 Agent 的对话中：
帮我完成一篇关于 AI 编程趋势的文章：
1. 先让调研 Agent 搜索 2026 年最新的 AI 编程工具和趋势
2. 把调研结果发给写作 Agent
3. 让写作 Agent 基于调研结果写一篇 2000 字的文章
OpenClaw 会自动：
你也可以直接在对话中指定：
请使用 agent_send 工具，向 coding 会话发送以下消息：
"帮我审查这段代码有没有安全漏洞：[代码内容]"
或者通过命令行：
# 列出所有 Agent 会话
openclaw agents list
# 向指定会话发送消息
openclaw agents send --session coding --message "帮我写一个排序算法"
发送消息后会等待对方 Agent 处理完并返回结果，主 Agent 拿到结果后才继续下一步。适合需要"串行"处理的场景。
主 Agent 在处理复杂任务时，自动创建临时的子 Agent 来处理特定子任务。子 Agent 完成后自动销毁，结果返回给主 Agent。
类比： 项目经理接到一个大项目，把它拆成多个小任务，分给不同的临时工去做，做完后汇总给经理。
| 对比 | Agent Send | Sub-Agents |
| 临时创建，用完即销毁 | ||
你只需要描述一个复杂任务，OpenClaw 会自动拆分：
帮我做一份完整的竞品分析报告：
- 分析市面上 5 个主要的 AI 编程工具
- 每个工具的功能、价格、优缺点
- 最后给出对比表格和推荐建议
OpenClaw 可能会自动创建：
编辑 ~/.openclaw/openclaw.json：
{
"agents": {
"defaults": {
"subAgents": {
"enabled": true,
"maxConcurrent": 5,
"model": {
"primary": "zai/glm-4-flash"
},
"timeout": 120000
}
}
}
}
| 参数 | 含义 | 建议值 |
主 Agent 负责规划和汇总，用好模型（如 GLM-5）；子 Agent 负责执行具体子任务，用便宜模型（如 GLM-4-Flash 免费），这样既有质量又省钱。
ACP = Agent Communication Protocol（代理通信协议），是让不同 OpenClaw 实例之间互相通信的标准协议。
类比： 前三种方式是"同一家公司内部通信"，ACP 是"不同公司之间通信"。
你的 Mac mini（家里）运行 OpenClaw A → 负责个人事务
你的云服务器运行 OpenClaw B → 负责监控和自动化
你的公司 Mac 运行 OpenClaw C → 负责工作
三者通过 ACP 互联互通：
- A 可以让 B 帮忙跑一个定时任务
- B 监控到异常可以通过 A 发 Telegram 通知你
- C 可以把工作报告发给 A 归档
在每台设备的 OpenClaw 上启用 ACP：
{
"agents": {
"acp": {
"enabled": true,
"peers": [
{
"name": "home-server",
"url": "wss://home.example.com:18789",
"token": "shared-secret-token-123"
},
{
"name": "cloud-server",
"url": "wss://cloud.example.com:18789",
"token": "shared-secret-token-456"
}
]
}
}
}
重启网关后即可互联。
在任一 Agent 中说：
请通过 ACP 协议，让 cloud-server 上的 Agent 检查一下服务器的磁盘空间和内存使用情况
或在命令行：
openclaw agents send --peer cloud-server --message "检查服务器健康状态"
!! 安全提醒 !!
┌─────────────────────────────────────────┐
│ 你（通过 Telegram） │
└─────────────┬───────────────────────────┘
│
┌─────────▼─────────┐
│ 主 Agent（调度） │ ← 接收你的指令，分配任务
└──┬──────┬──────┬──┘
│ │ │
┌────▼──┐ ┌─▼───┐ ┌▼─────┐
│邮件管家│ │日程助│ │文件管│
│Session│ │理Ses│ │理Ses │
│ │ │sion │ │sion │
└───────┘ └─────┘ └──────┘
配置：
{
"agents": {
"sessions": {
"dispatcher": {
"model": { "primary": "zai/glm-5" },
"soul": "你是任务调度员，负责理解用户意图并将任务分配给合适的专员"
},
"email": {
"model": { "primary": "zai/glm-4-flash" },
"soul": "你是邮件专员，只负责处理邮件相关的任务",
"skills": ["gmail-pro"]
},
"calendar": {
"model": { "primary": "zai/glm-4-flash" },
"soul": "你是日程专员，只负责日历和提醒相关的任务",
"skills": ["google-calendar"]
},
"files": {
"model": { "primary": "zai/glm-4-flash" },
"soul": "你是文件管理专员，只负责文件整理和搜索",
"skills": ["file-organizer"]
}
}
}
}
用户："帮我把这个 B 站视频做成一篇公众号文章"
│
▼
Agent 1（抓取员）→ 抓取视频字幕/内容
│
▼
Agent 2（大纲师）→ 根据内容生成文章大纲
│
▼
Agent 3（写手） → 根据大纲写完整文章
│
▼
Agent 4（编辑） → 润色、配图、适配公众号格式
│
▼
输出最终文章
实现方式： 主 Agent 用 agent_send 依次调用四个 Session，每个 Session 拿到上一步的结果作为输入。
你："审查 my-project 仓库的最新 5 个 PR"
│
▼
主 Agent → 自动创建 5 个 Sub-Agent（并行）
│
├── Sub-Agent 1 → 审查 PR #101
├── Sub-Agent 2 → 审查 PR #102
├── Sub-Agent 3 → 审查 PR #103
├── Sub-Agent 4 → 审查 PR #104
└── Sub-Agent 5 → 审查 PR #105
│
▼
主 Agent ← 汇总 5 份审查报告
│
▼
输出完整的审查摘要
TIP 1 - 每个 Agent 的职责要明确
在 SOUL.md 中用"你是 xxx 专员，只负责 xxx 相关的任务"来限定。职责越明确，效果越好。
TIP 2 - 主 Agent 用好模型，子/辅助 Agent 用便宜模型
调度和汇总需要强推理，用 GLM-5 或 Claude。执行具体任务的用 GLM-4-Flash（免费）或 DeepSeek（便宜）。TIP 3 - 先跑通单 Agent，再上多 Agent
不要一开始就搞复杂的多 Agent 架构。先确保单个 Agent 能正常工作，再逐步拆分。TIP 4 - 用 Cron + Multi-Session 实现自动化流水线
定时任务触发主 Agent → 主 Agent 通过 agent_send 调度其他 Agent → 结果汇总后推送到 Telegram。TIP 5 - 每个 Session 用独立 workspace
| 问题 | 原因 | 解决 |
你的需求是什么？
│
├── 任务简单，聊天就能搞定
│ └── 用单 Agent 就够了，不要过度设计
│
├── 任务多但互不相关（工作 + 生活）
│ └── Multi-Session：给不同场景开不同会话
│
├── 一个复杂任务需要多步骤（调研→写作→发布）
│ └── Agent Send：让 Agent 之间传递结果
│
├── 一个任务可以拆成多个并行子任务
│ └── Sub-Agents：自动并行处理
│
└── 多台设备上的 Agent 需要协作
└── ACP 协议：跨设备通信
记住： 多 Agent 不是"越多越好"。每多一个 Agent 就多一层复杂度和成本。从最简单的方案开始，确认真有需要了再加。
# 列出所有 Agent 会话
openclaw agents list
# 向指定会话发送消息
openclaw agents send --session <session-name> --message "你的消息"
# 向远程 Peer 发送消息（ACP）
openclaw agents send --peer <peer-name> --message "你的消息"
# 查看 Agent 状态
openclaw agents status
# 重启所有 Agent
openclaw gateway restart
本文基于 OpenClaw 2026 年 3 月版本编写。多 Agent 功能仍在快速迭代中，请以官方文档为准。
官方文档：docs.openclaw.ai
- END -
