夜雨聆风一、为什么需要多智能体协作？单 Agent 的三大痛点
单个 AI Agent 虽然强大，但在实际场景中往往力不从心。很多用户在使用 OpenClaw 时，习惯于在一个主 Agent 中完成所有任务，但随着使用时间增长，记忆文件冗余会导致 Agent 出现"神经错乱"或响应偏差。
| 痛点 | 具体表现 | 影响 |
|---|---|---|
| 上下文频繁切换 | ||
| 话术风格混乱 | ||
| 任务类型混杂 |
二、核心概念：OpenClaw 的三种 Agent 类型
🎯 理解 Agent 类型是搭建多智能体系统的第一步
| 类型 | 生命周期 | 适用场景 | 典型例子 |
|---|---|---|---|
| Persistent Agent | |||
| Sub-Agent | |||
| ACP Agent |
本文重点讲前两种，这是最常用的场景。
三、第一步：配置多个 Persistent Agent
📝 基础配置：在 openclaw.json 中定义多个 Agent
"agents": {
"list": [
{
"id": "coordinator",
"name": "协调员",
"workspace": "~/.openclaw/workspace-coordinator",
"model": "claude-opus-4",
"systemPrompt": "你是团队协调员，负责分配任务和汇总结果。"
},
{
"id": "coder",
"name": "程序员",
"workspace": "~/.openclaw/workspace-coder",
"model": "claude-sonnet-4",
"systemPrompt": "你是一个高效的程序员，专注于代码实现和 Bug 修复。"
},
{
"id": "researcher",
"name": "研究员",
"workspace": "~/.openclaw/workspace-researcher",
"model": "openai/gpt-5.4-mini",
"systemPrompt": "你是一个信息研究员，擅长搜索、对比和总结信息。"
}
]
}
}
🔗 为 Agent 绑定频道
"agents": {
"bindings": [
{
"agentId": "coordinator",
"channelType": "slack",
"channelId": "#general"
},
{
"agentId": "coder",
"channelType": "slack",
"channelId": "#dev"
},
{
"agentId": "researcher",
"channelType": "discord",
"channelId": "research-channel"
}
]
}
}
🛠️ CLI 快速管理命令
openclaw agents add --id "writer" \
--workspace "~/.openclaw/workspace-writer" \
--model "claude-sonnet-4" \
--system-prompt "你是技术写手，擅长把复杂概念讲得简单易懂。"
# 查看所有 Agent
openclaw agents list
# 修改 Agent 配置
openclaw agents config set coder model gpt-5.4
四、第二步：配置 Sub-Agent 子智能体（核心精髓）
⚙️ 全局配置参数
"agents": {
"defaults": {
"subagents": {
"maxConcurrent": 8, // 最大并发子 Agent 数
"maxSpawnDepth": 2, // 允许的嵌套深度
"maxChildrenPerAgent": 5, // 每个 Agent 最多创建的子 Agent 数
"runTimeoutSeconds": 600, // 超时自动终止（秒）
"thinking": "medium", // 子 Agent 的思考级别
"cleanup": "delete" // 任务完成后处理方式
}
}
}
}
📊 参数详解
| 参数 | 默认值 | 说明 |
|---|---|---|
| maxConcurrent | ||
| maxSpawnDepth | ||
| maxChildrenPerAgent | ||
| runTimeoutSeconds | ||
| thinking | ||
| cleanup |
🔒 层级限制：避免无限递归
💬 手动触发子 Agent 命令
/subagents spawn "搜索最近一周关于 Claude Opus 4 的评测文章，整理成表格"
# 查看所有子 Agent 状态
/subagents list
# 查看某个子 Agent 的日志
/subagents log <agent-id>
# 向运行中的子 Agent 发送消息
/subagents send <agent-id> "重点关注性能对比数据"
# 停止子 Agent
/subagents stop <agent-id>
五、第三步：为不同 Agent 分配最优模型（成本优化关键）
🎯 模型分配策略示例
"agents": {
"list": [
{
"id": "architect",
"model": "claude-opus-4",
"description": "系统架构设计，需要最强推理能力"
},
{
"id": "coder",
"model": "claude-sonnet-4",
"description": "日常编码，速度与质量的平衡"
},
{
"id": "reviewer",
"model": "openai/gpt-5.4-mini",
"description": "代码审查，快速定位问题"
},
{
"id": "translator",
"model": "gemini-3-pro",
"description": "多语言翻译，Google 模型多语言表现更好"
},
{
"id": "data-analyst",
"model": "deepseek-v4",
"description": "数据分析，性价比最高"
}
]
}
}
📊 成本对比：多模型分层策略
| 任务类型 | 推荐模型 | 价格参考 | 说明 |
|---|---|---|---|
六、实战演练：搭建一个 3 人研发团队
🚀 完整配置文件 + 工作流演示
📄 完整配置文件
"providers": {
"ofox": {
"type": "openai",
"baseUrl": "https://api.ofox.ai/v1",
"apiKey": "sk-your-ofox-api-key"
}
},
"agents": {
"defaults": {
"provider": "ofox",
"subagents": {
"maxConcurrent": 6,
"maxSpawnDepth": 2,
"runTimeoutSeconds": 300,
"thinking": "medium"
}
},
"list": [
{
"id": "pm",
"name": "产品经理",
"model": "anthropic/claude-opus-4",
"workspace": "~/.openclaw/team/pm",
"systemPrompt": "你是产品经理。收到需求后，拆解为具体的技术任务，分配给 coder 和 tester。",
"subagents": {
"allowAgents": ["coder", "tester"]
}
},
{
"id": "coder",
"name": "开发工程师",
"model": "anthropic/claude-sonnet-4",
"workspace": "~/.openclaw/team/coder",
"systemPrompt": "你是全栈开发工程师。接到任务后直接编码实现，代码写完后通知 pm。",
"subagents": {
"allowAgents": ["pm"]
},
"tools": ["bash", "read", "write", "edit", "glob", "grep"]
},
{
"id": "tester",
"name": "测试工程师",
"model": "openai/gpt-5.4-mini",
"workspace": "~/.openclaw/team/tester",
"systemPrompt": "你是测试工程师。收到代码后编写测试用例并执行，发现 Bug 直接反馈给 coder。",
"subagents": {
"allowAgents": ["pm", "coder"]
},
"tools": ["bash", "read", "glob", "grep"]
}
],
"bindings": [
{
"agentId": "pm",
"channelType": "slack",
"channelId": "#product"
},
{
"agentId": "coder",
"channelType": "slack",
"channelId": "#dev"
},
{
"agentId": "tester",
"channelType": "slack",
"channelId": "#qa"
}
]
}
}
🔄 工作流演示
开发一个用户注册 API，要求：POST /api/register，接收 email 和 password，密码至少 8 位...→ [PM] 任务已拆解，正在分配给开发...→ [PM → Coder Sub-Agent] 实现用户注册 API（附详细规格）→ [PM → Tester Sub-Agent] 准备注册 API 的测试用例（附验收标准）七、常见问题排查
❌ 问题 1：Sub-Agent 权限拒绝
原因：目标 Agent 的 allowAgents 没有包含请求者。
解决：在目标 Agent 的配置中添加授权：
"id": "coder",
"subagents": {
"allowAgents": ["pm", "coordinator"]
}
}
❌ 问题 2：子 Agent 超时被杀
解决：增大超时时间，或在 spawn 时单独指定：
❌ 问题 3：内存不足
建议：
8GB 内存：最多 3-5 个 Persistent Agent
16GB 内存：可支撑 8-10 个 Agent
及时清理不需要的子 Agent：
/subagents stop --all
❌ 问题 4：Agent 之间消息丢失
sessions_spawn：创建新的子 Agent 会话sessions_send：向已存在的 Agent 会话发送消息/subagents send <agent-id> "你的消息"
# 创建新的子 Agent（新会话）
/subagents spawn "任务描述"
八、总结：OpenClaw 多智能体的三个核心能力
🎯 核心能力总结
Persistent Agent：常驻不同场景，各司其职
Sub-Agent：自主拆解任务，并行执行
跨 Agent 派生：让 Agent 之间互相调用对方的能力
配合多模型分配，每个 Agent 用最合适的模型而不是最贵的。
通过这套架构，你的 AI 团队可以从"单兵作战"真正升级为"团队协作"，效率提升 300% 不是梦想！
