夜雨聆风
昨天下午我在 OpenClaw 的 WebUI 里发了一句："帮我出 3 个关于 AI Agent 的公众号选题，挑一个最好的写成 1500 字的推文。"
然后我就去开会了。
回来的时候，WebUI 的对话框里已经躺着一篇完整的推文。但让我意外的不是文章本身，而是它前面附的一段选题分析——列了 3 个选题方向，每个都标注了"为什么这个话题现在有热度"和"目标读者是谁"，然后自动挑了得分最高的那个交给写手去写。
背后发生了什么？不是一个超级 Agent 在硬扛，而是两个 Agent 在分工：
- Planner
（内容策划）：负责分析热点、出选题、评估哪个值得写。它有自己的记忆——记得之前出过哪些选题、哪些数据表现好、哪些写过了不要重复。 - Writer
（内容创作）：负责拿到选题后写出成稿。它也有自己的记忆——记得用户喜欢什么文风、什么排版习惯、历史上哪篇稿子被夸过。
这件事之前我试过用一个 Agent 搞定。结果很糟糕：它在分析热点数据的时候，上下文里塞满了各种 URL、搜索结果和数据摘要，等它开始写稿的时候，文风被这些原始素材严重污染，写出来的东西像数据报告不像公众号推文。更头疼的是记忆问题——选题偏好和写作风格是两种完全不同的经验，全塞在一个脑子里，选题库越来越大，写作记忆就越来越容易被挤掉。
OpenClaw 的多智能体把这个问题彻底解决了。如果你已经装好了 OpenClaw，跟着下面的步骤做，十分钟就能跑出同样的效果。
一、 开始搭建
两个 Agent + 一份配置文件，一步步来。
第一步：创建两个 Agent
打开终端：
openclaw agents add planner --workspace ~/.openclaw/workspace-planner --non-interactiveopenclaw agents add writer --workspace ~/.openclaw/workspace-writer --non-interactive
⚠️ Agent ID 命名规则： 只能用小写字母、数字和连字符（a-z、0-9、-），必须以字母开头，不能以连字符结尾。planner ✅ Content_Planner ❌
第二步：给 Agent 写人设
编辑各自工作区里的 SOUL.md：
vim ~/.openclaw/workspace-planner/SOUL.mdvim ~/.openclaw/workspace-writer/SOUL.md
Planner 的 SOUL.md（主 Agent，负责选题策划和任务编排）：
## 身份你是一个敏锐的内容策划，擅长追踪行业热点、分析读者兴趣、产出高质量选题。同时你是整个内容生产流程的主编排者。## 工作流程当用户要求你"出选题并写文章"时，按以下步骤执行：1. 根据用户给的方向，结合你记忆中的热点趋势和历史选题数据，列出 3 个候选选题。2. 每个选题标注：核心角度、为什么现在有热度、目标读者画像、预估阅读量等级（高/中/低）。3. 自动挑选得分最高的选题（或让用户确认），然后整理一份写作 Brief 发给 Writer（agent id: writer），包含：- 选定的选题标题和核心角度- 目标读者是谁- 文章结构建议（可选）- 字数要求和风格要求4. 收到 Writer 的成稿后，做一次终审：检查内容是否切题、风格是否一致，必要时退回修改。5. 终审通过后，把选题分析 + 最终成稿一起输出给用户。## 记忆使用- 记住每次出过的选题、用户的选择、以及后续的数据反馈（如果用户告诉你哪篇效果好）。- 避免重复出相同或相似的选题。- 根据历史数据逐步学习用户的内容偏好。
Writer 的 SOUL.md（子 Agent，专注写稿）：
## 身份你是一个文风细腻、逻辑清晰的内容创作者，擅长公众号推文、行业分析和营销文案。## 工作方式你会收到来自 Planner 的写作 Brief，包含选题、目标读者、结构建议和风格要求。严格按照 Brief 完成创作，不要偏离选题方向。如果 Brief 信息不足以完成高质量创作，回复 Planner 说明需要补充什么信息。## 记忆使用- 记住用户的写作风格偏好（正式 vs 口语化、长段落 vs 短句、是否用 emoji 等）。- 记住用户对你稿件的修改反馈，逐步调整到用户满意的风格。- 不要记选题相关的内容，那是 Planner 的事。
关键在于两个 Agent 的记忆分工：Planner 记的是"什么选题值得写"，Writer 记的是"怎么写用户才满意"。这两种经验本质上是不同维度的知识，混在一个 Agent 的记忆里，选题库越大，写作风格记忆就越容易被挤掉——这正是我之前踩过的坑。
第三步：配置模型和协同规则
打开 openclaw.json：
{"models":{"providers":{"gpt5-relay":{"baseUrl":"https://your-relay-api.com/v1","apiKey":"sk-your-relay-key","api":"openai-responses"}}},"agents":{"list":[{"id":"planner","default":true,"workspace":"~/.openclaw/workspace-planner","model":{"primary":"gpt5-relay/gpt-5"}},{"id":"writer","workspace":"~/.openclaw/workspace-writer","model":{"primary":"gpt5-relay/gemini-3-pro-image-preview"}}]}}
default: true，所有消息默认由它接收，它判断需要写稿时自己调 Writer。⚠️ 最容易填错的地方：模型 ID
model.primary 的格式是 Provider名/模型ID：
model not found，Agent 直接哑火。去你中转商的文档里把模型名原样复制过来，别猜。openclaw gateway restartopenclaw agents list --bindingsopenclaw models status
确认两个 Agent 都在、模型都挂上了、中转 API 连接正常。
然后在 WebUI 的对话框里发一条，就像我开头那样："帮我出 3 个关于 AI Agent 的公众号选题，挑最好的写成 1500 字推文。"
你会看到 Planner 先列出 3 个选题方案并做评估，然后自动选出最优的那个，整理成写作 Brief 传给 Writer，Writer 完成创作后交回 Planner 做终审，最后 Planner 把选题分析和成稿一并输出到对话框。
二、 为什么这个场景必须用两个 Agent？
回头看一下你刚才做了什么——每一步都在解决开头我提到的那些痛点。
分析数据的上下文污染写稿 → 两个 Agent 的上下文完全隔离
Planner 的上下文里装的是热点数据、搜索结果、历史选题对比——全是分析性的碎片信息。Writer 的上下文里只有一份干净的写作 Brief 和文章正文。两边互不干扰，Writer 不会被 Planner 的原始数据污染文风。
选题记忆和写作记忆打架 → 两套记忆物理隔离
Planner 的记忆在 workspace-planner/memory/，存的是"什么选题出过了、数据反馈如何"。Writer 的记忆在 workspace-writer/memory/，存的是"用户喜欢什么文风、上次哪里被退稿了"。两种完全不同维度的经验，各自积累、互不侵蚀。选题库再大，也不会挤掉 Writer 对写作风格的记忆。
一个 Agent 既要分析又要创作，角色切换成本高 → 专人专岗，人设写死
Planner 的 SOUL.md 让它始终以"策划者"的视角思考——追热点、评估值不值得写、给 Writer 下 Brief。Writer 的 SOUL.md 让它始终以"创作者"的视角写稿——关注文风、结构、表达。没有"先当分析师再切换成写手"的角色跳跃，输出质量稳定得多。
上面三点是"为什么不能用一个 Agent"。但更让我觉得这个拆法值得的，是下面两件一个 Agent 根本做不了的事：
Planner 可以定时自动追热点，不用你触发。
OpenClaw 支持给 Agent 配 heartbeat（定时任务）。你给 Planner 设一个每天早上 6 点的 heartbeat，让它自动去搜当天的行业热点，分析完积累到自己的选题库里。等你下午想写文章的时候，发一句"今天写什么"，Planner 不用临时去搜——它早上已经分析好了，直接从库里挑最好的丢给 Writer。一个 Agent 做不到这个，因为它定时追热点时塞满搜索结果的上下文，会直接污染后续写稿的质量。
Planner 可以用"策划视角"回审 Writer 的稿子，形成真正的闭环。
一个 Agent 自己写完自己审，本质上是用同一套认知评价自己的输出——它很难跳出来说"这篇切题但角度不够新颖，换一个切入点"。
但 Planner 审稿的时候，它的上下文里装的是选题分析、读者画像、竞品对比，它是站在"这篇文章能不能火"的角度审，不是站在"这段话写得好不好"的角度审。这种视角差是一个 Agent 装不出来的——你在 Planner 的 SOUL.md 里已经写了终审环节，这不是多余的步骤，而是整个流程质量的兜底。
好了，总结一下
一个 Agent 写出来的稿子像数据报告，而多Agent中，Planner 每天自动追热点、出选题、派 Brief、终审把关，Writer 专注写稿、逐步学会你的文风——这就是"一个脑子硬扛"和"专人专岗"之间的差距。
如果你跟着这篇文章已经跑起来了，接下来可以试试更多玩法：给 Planner 配上 heartbeat 让它每天自动积累选题库、给 Writer 加一个编辑 Agent 做交叉审稿、或者加一个配图 Agent 给成稿自动生成插画。OpenClaw 的多智能体玩法很多，而你已经迈出了最关键的第一步。
