夜雨聆风在OpenClaw中，一个Agent就是一个拥有独立“大脑”的智能体，它拥有自己的工作空间（workspace）、人格设定（SOUL.md）、独立的会话存储和工具权限。通过部署多个Agent，你可以实现：
提升执行效率
默认情况下，一个Agent单session内是串行处理任务的，一个请求处理完后才能处理下一个，当执行耗时任务（比如循环处理、长轮询、大文件分析等）时，会阻塞这个session的响应，连续发送多条消息时后续消息会排队等待。虽然sessions_spawn创建子代理或设置exec的background=true能在一定程度上缓解阻塞问题，但并非最优方案。配置多个Agent，主Agent负责任务拆解和分配以保持响应及时性，多个子Agent并行处理特定任务，可以大大提升执行效率。
实现专业分工
不同的Agent可以专注于各自擅长的领域，实现专业化分工。每个子Agent可以配置不同的模型，比如程序开发的Agent配置qwen3-coder-plus模型（擅长写代码），图像处理的Agent配置kimi-2.5模型（擅长深度思考、视觉理解），视频生成的Agent配置wan2.6-I2V（擅长图生视频、智能分镜）。另外，把简单的任务如天气查询、日常问答等任务分配给价格较低廉、性能要求不那么高的模型进行处理，复杂的任务如文档分析、代码编写等分配给高性能的模型来完成，能避免所有任务都调用高成本的模型，从而减少整体的Token使用量和费用支出。这种专业分工可以提高输出质量，避免功能冗余，降低Token成本。
精细化权限控制
可以为每个子Agent配置不同的权限和工具，提升系统的安全性。例如，可仅为某个Agent开放飞书云文档编辑权限，而不授予系统命令执行权限，防止因权限过大而导致的安全风险。同时，可按任务类型分组工具，或通过`allowedTools`配置项限制可用工具集，带来的收益是Schema相关Token消耗减少80%-90%。
避免记忆过载
所有任务共享同一上下文，历史对话、工具输出等不断累积，导致每次交互需加载冗长记忆，（如MEMORY.md文件可能达数十万Token），消耗大量Token。多Agent情况下每个Agent拥有独立工作空间，仅加载当前任务相关上下文，上下文长度减少60%-90%，单次交互Token消耗降低50%以上。
便于扩展与迭代
可以根据实际需求新增或删除Agent，调整协作规则，以适配不同的业务场景和发展阶段。比如在内容创作场景中，可配置主Agent、公众号文案Agent、小红书文案Agent、配图Agent等协同完成“选题→创作→配图→发布”全流程。随着业务的发展，可从内容创作团队扩展为项目管理团队，只需按需添加相应的Agent并调整协作规则即可，可配置主Agent、需求分析Agent、开发规划Agent、进度跟踪Agent等协同推进项目落地。
多Agent配置流程
手动备份Openclaw配置文件（必要）
配置新增Agent：
openclaw agents add --workspace [work space] [agent name] --model [model name]
openclaw agents add --workspace /root/.openclaw/workspace-designer designer --model bailian/qwen3.5-plus
openclaw agents add --workspace /root/.openclaw/workspace-developer developer --model bailian/qwen3-coder-plus
openclaw agents add --workspace /root/.openclaw/workspace-test test --model bailian/qwen3-max-2026-01-23
为每个Agent创建一个飞书群组，获取机器人ID和群组会话ID。机器人ID可以通过机器人发送消息，从OpenClaw的日志中查看，群组ID可以飞书群组设置页面最下方获取。
配置飞书群组与新Agent的绑定关系
openclaw config set bindings
'[
{
"agentId": "designer",
"match": {
"channel": "feishu",
"peer": {
"kind": "group",
"id": "oc_58d6462cd5a40ad6432e4888b1667868"
}
}
},
{
"agentId": "developer",
"match": {
"channel": "feishu",
"peer": {
"kind": "group",
"id": "oc_94a9ed3375330a1a381886889bd3b506"
}
}
},
{
"agentId": "test",
"match": {
"channel": "feishu",
"peer": {
"kind": "group",
"id": "oc_f1016d1ec1f6fb1bac1ff744d52e0662"
}
}
},
]'
配置飞书群组允许列表
openclaw config set channels.feishu.groupPolicy allowlist
openclaw config set --json channels.feishu.groupAllowFrom '["ou_70f068540b94d20a3f8a3db49474a94a", "oc_58d6462cd5a40ad6432e4888b1667868",
"oc_94a9ed3375330a1a381886889bd3b506",
"oc_f1016d1ec1f6fb1bac1ff744d52e0662"]'
设置不用提及，使聊天更便捷，不用每次mention机器人。
"channels": {
"feishu": {
"appId": "cli_a92a48714d385bdb",
"appSecret": "__OPENCLAW_REDACTED__",
"enabled": true,
"connectionMode": "websocket",
"groupPolicy": "allowlist",
"groupAllowFrom": [
"ou_70f068540b94d20a3f8a3db49474a94a",
"oc_58d6462cd5a40ad6432e4888b1667868",
"oc_94a9ed3375330a1a381886889bd3b506",
"oc_f1016d1ec1f6fb1bac1ff744d52e0662"
],
"requireMention": false,
"groups": {
"*": {
"requireMention": false
}
}
}
},
将飞书机器人添加到每个群组中。
重启Gateway，配置完成。
openclaw gateway restart
本文演示了使用match peer方式实现的OpenClaw+飞书多Agent的配置流程。使用这种配置方式，每个Agent都是独立一个飞书群，不能把所有Agent加到一个统一的群里进行消息群发或同时mention多个Agent等操作，带来许多不便。下一章小编继续介绍match accountId的配置方式，敬请期待。