一个 AI 不够用?OpenClaw 多工作区配置完全指南

💡 本文是「OpenClaw 实战」系列的第四篇。前三篇我们聊了 Skill（操作手册）、Soul 配置（人格设定）和定时系统（主动行动），这篇解决一个很实际的问题——一个 AI 分身不够用，怎么办？

你大概遇到过这种情况：

微信上，你让 AI 帮你记账、管日程、回复朋友消息。飞书上，你让同一个 AI 帮忙写代码、查 API 文档、跑数据分析。结果呢？飞书工作群里混着"周末去哪吃"的上下文，微信聊天里突然蹦出一段 Python 代码。

更麻烦的是，你给工作 AI 配的 SOUL.md 写着"你是一个严谨的技术顾问"，但你在微信家庭群里聊天时，它也用同样的语气回复——你妈问它今天吃什么，它说"根据营养学文献分析，建议摄入……"

一个 AI 身份，应付所有场景，迟早会精神分裂。

OpenClaw 的解决方案是：别让一个 AI 硬撑，直接分身。每个分身有自己的工作区、自己的人格、自己的记忆，互不干扰。微信归微信，飞书归飞书，甚至飞书里不同的群都可以分配给不同的 AI 分身。

一、先搞清楚"工作区"到底是什么

在讲多工作区之前，先理解一个核心概念：在 OpenClaw 里，工作区就是 AI 的家。

工作区是一个文件夹，默认在 ~/.openclaw/workspace。里面放着 AI 的所有"个人物品"：

文件	干什么的
`SOUL.md`	人格设定——AI 是谁、说话什么风格
`USER.md`	用户信息——你是谁、怎么称呼你
`AGENTS.md`	操作规则——AI 该遵循什么流程
`MEMORY.md`	长期记忆——你们之间的重要约定
`memory/`	每日记忆日志——今天发生了什么
`skills/`	技能包——这个 AI 会哪些特殊技能

上一篇文章讲过的 HEARTBEAT.md 也在这里——AI 每次"巡逻值班"都会读它。

关键来了：不同的工作区 = 不同的 AI 分身。 每个工作区有自己的 SOUL.md、自己的 MEMORY.md、自己的技能包。它们之间完全隔离——工作 AI 的记忆不会泄露到生活 AI 那里，反过来也一样。

二、单 Agent 模式：大多数人的起点

如果你什么都不配置，OpenClaw 默认就是单 Agent 模式。一个 AI，一个工作区，所有消息都发给它。

默认的样子长这样：

{"agents":{"defaults":{"workspace":"~/.openclaw/workspace"}}}

Agent ID 默认是 main
工作区在 ~/.openclaw/workspace
所有渠道（微信、飞书、Telegram 等）的消息都往这一个 Agent 发

对大多数刚上手的人来说，单 Agent 够用。但一旦你开始在多个场景下重度使用——微信聊生活、飞书干工作、不同飞书群负责不同项目——单 Agent 就会开始打架。

打架的症状很明显：

AI 的语气在不同场景下不统一（飞书上太随意 or 微信上太严肃）
对话上下文互相污染（飞书聊技术聊到一半突然扯到微信里的生活话题）
技能包冲突（你不想让微信家庭群的 AI 有执行命令的权限）

这时候就该上多 Agent 了。

三、多 Agent 模式：一号多能

多 Agent 的核心思路是：在一个 OpenClaw 网关下，跑多个完全隔离的 AI 分身。

每个分身有独立的：

工作区（文件、人格、记忆）
会话存储（聊天记录互不可见）
认证配置（API Key 可以不同）
技能和工具权限（可以限制某个分身能做什么）

最小配置

在 ~/.openclaw/openclaw.json 里加一段 agents.list：

{"agents":{"list":[{"id":"work","default":true,"workspace":"~/.openclaw/workspace-work"},{"id":"life","workspace":"~/.openclaw/workspace-life"}]}}

就这样。两个 Agent——work 和 life，各自有独立的工作区。default: true 表示没匹配到任何路由规则的消息默认发给 work。

工作区初始化

每个工作区创建后，跑一下 openclaw setup 就会自动生成引导文件（SOUL.md、USER.md 等）。然后你按自己的需求改就行。

比如 workspace-work 里的 SOUL.md：

# 人格设定你是一个高效、严谨的技术助手。回答问题直奔主题，不废话。代码要有注释，分析要有数据支撑，建议要有理由。

而 workspace-life 里的 SOUL.md：

# 人格设定你是一个轻松、有趣的生活助手。说话像朋友聊天，偶尔来点幽默。不需要太正式，重点是实用和好玩。

同一个 OpenClaw，两个完全不同性格的 AI。

四、绑定规则：消息该发给谁？

有了多个 Agent，下一个问题是：一条消息进来，怎么知道该发给哪个 Agent？

这就是 绑定（Bindings） 要干的事。

按渠道路由

最简单的方式——不同平台发给不同 Agent：

{"bindings":[{"agentId":"work","match":{"channel":"feishu"}},{"agentId":"life","match":{"channel":"wechat"}}]}

飞书的消息全走 work，微信的消息全走 life。

适合这种场景：你习惯用飞书处理工作，微信聊生活。一条配置，两个世界。

按账号路由

如果你同一个平台有多个账号（比如两个微信号），可以按账号区分：

{"agents":{"list":[{"id":"home","workspace":"~/.openclaw/workspace-home"},{"id":"work","workspace":"~/.openclaw/workspace-work"}]},"bindings":[{"agentId":"home","match":{"channel":"wechat","accountId":"personal"}},{"agentId":"work","match":{"channel":"wechat","accountId":"biz"}}],"channels":{"wechat":{"accounts":{"personal":{},"biz":{}}}}}

个人微信的消息走 home Agent，企业微信的消息走 work Agent。

按联系人路由

更细粒度的——某个特定联系人的消息路由到高性能 Agent：

{"bindings":[{"agentId":"opus","match":{"channel":"wechat","peer":{"kind":"direct","id":"wxid_boss123"}}},{"agentId":"chat","match":{"channel":"wechat"}}]}

跟老板的聊天走 opus（高性能模型），其他人走普通 chat。注意绑定规则的顺序：更具体的规则要写在前面，OpenClaw 是从上到下匹配的。

按飞书群组路由

这个才是重点——飞书里不同的群，绑定不同的 Agent。

比如你公司有前端组群、后端组群、产品群，每个群需要不同专长的 AI：

{"bindings":[{"agentId":"frontend","match":{"channel":"feishu","peer":{"kind":"group","id":"oc_frontend_dev_group_id"}}},{"agentId":"backend","match":{"channel":"feishu","peer":{"kind":"group","id":"oc_backend_dev_group_id"}}},{"agentId":"product","match":{"channel":"feishu","peer":{"kind":"group","id":"oc_product_group_id"}}}]}

前端群里的 AI 精通 React/Vue/CSS，回答偏前端视角。后端群里的 AI 专注 Go/Java/数据库，给的建议都是后端最佳实践。产品群里的 AI 擅长需求分析和竞品调研，说话更贴近产品经理的思维。

三个群，三个 AI，各有各的 SOUL.md 和技能包，互不干扰。

路由优先级

如果你配了好几条规则，OpenClaw 按这个优先级从高到低匹配：

peer（精确到某个人或某个群）
parentPeer（线程继承）
guildId + roles（Discord 角色）
guildId（Discord 服务器）
teamId（Slack 团队）
accountId（某个账号）
channel（某个平台）
默认 Agent（兜底）

原则就是：越具体的规则越优先。 如果配了 peer 级别的绑定，它一定会覆盖 channel 级别的。

五、每个 Agent 独立配模型和工具

多 Agent 不只是换个皮肤——你可以给每个 Agent 配完全不同的"大脑"和"权限"。

不同的模型

工作 Agent 用强推理模型，生活 Agent 用便宜快速的模型：

{"agents":{"list":[{"id":"work","model":{"primary":"anthropic/claude-sonnet-4-6"}},{"id":"life","model":{"primary":"openai/gpt-4o-mini"}}]}}

工作场景需要更强的分析能力，用贵一点的模型。日常闲聊用便宜的就够了，Token 费用能省不少。

不同的工具权限

这个更关键——你可能不想让家庭 Agent 有执行终端命令的能力：

{"agents":{"list":[{"id":"work","sandbox":{"mode":"off"}},{"id":"family","sandbox":{"mode":"all","scope":"agent"},"tools":{"allow":["read"],"deny":["exec","write","edit"]}}]}}

work Agent 没有沙箱限制，可以执行任何操作。family Agent 被严格限制：完全沙箱化运行，只能读文件，不能执行命令、不能写文件、不能编辑。

这在家庭群场景特别有用——你不想让小朋友随口跟 AI 说一句"帮我删个文件"就真删了。

六、OPENCLAW_PROFILE：更轻量的多环境方案

如果你不想配多 Agent 路由那一整套，只是想在不同场景下快速切换工作区，有个更简单的办法：环境变量 OPENCLAW_PROFILE。

# 默认环境openclaw gateway# 工作环境OPENCLAW_PROFILE=work openclaw gateway --port 18789# 测试环境OPENCLAW_PROFILE=test openclaw gateway --port 19001

设了 OPENCLAW_PROFILE=work 之后，默认工作区自动变成 ~/.openclaw/workspace-work，不用去改配置文件。

这个方案适合一台机器跑多个 OpenClaw 实例的场景。每个实例用不同的 Profile，工作区、配置、会话全部自动隔离。

不过要注意：多个实例必须用不同的端口。 端口之间建议至少间隔 20 个号，因为 OpenClaw 会用到一些衍生端口（浏览器控制、Canvas 等），间隔太小会撞。

七、多网关：终极隔离方案

如果你想要最彻底的隔离——连配置文件、状态目录都完全分开——可以跑多个网关实例。

用 `--profile` 快速搭建

# 主网关openclaw --profile main setupopenclaw --profile main gateway --port 18789# 救援网关（或第二个场景）openclaw --profile rescue setupopenclaw --profile rescue gateway --port 19001

--profile 会自动帮你隔离以下几样东西：

隔离项	说明
配置文件	每个 Profile 独立的 `openclaw.json`
状态目录	会话、凭证、缓存分开存
工作区	各自独立的文件夹
端口	必须手动指定不同端口

手动环境变量方式

不想用 --profile？也可以手动设置：

# 主网关OPENCLAW_CONFIG_PATH=~/.openclaw/main.json \OPENCLAW_STATE_DIR=~/.openclaw-main \openclaw gateway --port 18789# 第二个网关OPENCLAW_CONFIG_PATH=~/.openclaw/second.json \OPENCLAW_STATE_DIR=~/.openclaw-second \openclaw gateway --port 19001

完全手动控制每一个路径，适合对系统运维比较熟的人。

什么时候需要多网关？

老实说，大多数人不需要。多 Agent 模式（上面第三到五节讲的）已经能满足绝大多数需求了。

多网关主要是两个场景：

救援机器人——你的主网关挂了，需要一个备用的来调试和恢复
安全隔离——某些场景要求配置文件和状态目录在物理层面完全分开，不能只靠逻辑隔离

如果你不确定需不需要，答案大概率是不需要。先用多 Agent 模式跑着，不够用了再升级。

八、实战——我的三 Agent 配置

说了这么多理论，分享一下我自己在用的配置。三个 Agent，飞书干工作、微信管生活，飞书写作群单独配一个 AI 编辑。

{"agents":{"list":[{"id":"dev","default":true,"workspace":"~/.openclaw/workspace-dev","model":{"primary":"anthropic/claude-sonnet-4-6"},"sandbox":{"mode":"off"}},{"id":"life","workspace":"~/.openclaw/workspace-life","model":{"primary":"openai/gpt-4o-mini"}},{"id":"writer","workspace":"~/.openclaw/workspace-writer","model":{"primary":"anthropic/claude-sonnet-4-6"}}]},"bindings":[{"agentId":"dev","match":{"channel":"feishu"}},{"agentId":"life","match":{"channel":"wechat"}},{"agentId":"writer","match":{"channel":"feishu","peer":{"kind":"group","id":"oc_writing_group_id"}}}]}

几个设计思路：

dev（开发）——默认 Agent，走飞书。配的是 Sonnet 模型，不开沙箱。工作区里的 SOUL.md 是技术助手人设，AGENTS.md 里配了代码审查、Debug、文档撰写的流程。日常写代码、查文档、跑脚本都在飞书找它。

life（生活）——走微信，用 GPT-4o-mini。便宜，响应快，日常聊天够用了。工作区里的 SOUL.md 人设轻松随意，技能包里装了记账、日程管理、旅行规划的 Skill。

writer（写作）——也走飞书，但绑定到一个专门的"写作群"。用来写公众号文章。工作区里装了知识库检索、素材搜索、排版发布的全套 Skill。在这个群里聊天就是在"跟 AI 编辑一起改稿"，和其他飞书对话完全隔离。

三个 Agent 各司其职，记忆互不串扰，技能各有侧重。

九、备份你的工作区

既然工作区是 AI 的家，那最好给它加一道保险——用 Git 备份。

初始化很简单：

cd ~/.openclaw/workspace-devgit initgit add AGENTS.md SOUL.md TOOLS.md IDENTITY.md USER.md HEARTBEAT.md memory/git commit -m "Init agent workspace"

然后推到一个私有仓库：

gh repo create openclaw-workspace-dev --private --source . --remote origin --push

日常更新就一行：

git add . && git commit -m "Update memory" && git push

几个注意点：

一定要私有仓库。 工作区里可能有你的个人信息、偏好、聊天记录摘要
不要提交密钥。 API Key、OAuth Token 这些东西不该出现在工作区里。加个 .gitignore 把 .env、*.key、*.pem 排除掉
如果你有多个工作区，每个都要单独备份。workspace-dev、workspace-life、workspace-writer 各自一个仓库

迁移到新机器的时候，clone 下来、改一下配置指向就行了。你的 AI 就像搬了个家，记忆和人格都还在。

写在最后

回顾一下这篇文章的核心：

单 Agent 够用就别折腾，能覆盖大多数轻度使用场景。

多 Agent 是性价比最高的方案——同一个网关里跑多个分身，通过绑定规则自动路由，每个分身有独立的人格、记忆和权限。90% 的多工作区需求用这个就够了。

多网关 是终极方案，配置文件和状态在物理层面完全隔离。留给运维需求或者特殊安全场景。

四篇文章串起来，一个完整的 AI 搭档就搭好了：

第一篇 Skill：教 AI 怎么干活
第二篇 Soul 配置：告诉 AI 它是谁
第三篇定时系统：让 AI 主动干活
第四篇多工作区：让 AI 分身各司其职

到了这一步，你的 AI 助手已经不只是一个"对话窗口"了。它有稳定的人格，懂你的习惯，会自己找活干，还能在不同场景下切换不同的角色。

好的工具不只是听话，而是懂得在不同场合说不同的话。

📌 关注公众号，每周分享 AI 工具实战与效率提升。

觉得有收获？点赞 + 在看 + 转发，是对我最大的支持 🙏