OpenClaw 多 Agent 协作:从单打独斗到特种部队

先说一个很多人没意识到的问题：单个 Agent 用久了，会越来越笨。 上下文越堆越长、角色越来越混乱、Token 消耗越来越大，到最后它又慢又贵还答非所问。多 Agent 架构就是为了解决这个问题而生的，不是让 AI 更聪明，而是让它分工更合理。

先建立一个认知：你是指挥官，不是提问者

传统用 AI 的方式是线性的：你问 → 它答 → 你再问 → 它再答。遇到复杂任务，比如写一份行业白皮书、策划一次营销活动，这种模式就彻底崩了，上下文丢失、角色冲突、效率低下。

OpenClaw的多Agent架构把这个模式翻转了：

主Agent（Main Agent）：你的参谋长，负责拆解任务、分配角色、汇总结果

子Agent（Sub-agent）：各路专家，每个只做一件事，互不干扰，可以并行运转

每个子Agent拥有独立的人格（SOUL.md）、独立的任务目标、独立的上下文、甚至独立的模型配置。它们之间互不污染，各司其职。

两种多Agent玩法，选对了事半功倍

OpenClaw提供两种截然不同的多Agent方案，适用场景完全不同，搞清楚这两种再动手配置。

玩法一：agents add+ bindings — 静态独立Agent

这是预先部署的思路。你提前创建好几个独立Agent，每个绑定到不同的聊天渠道或群组，长期驻守、各管一摊。

创建独立 Agent，可以指定不同模型

openclaw agents add coder --model claude-sonnet-4

openclaw agents add writer --model gpt-4

# 绑定到不同渠道

openclaw bindings add whatsapp:daily main # WhatsApp 日常对话 → 主 Agent

openclaw bindings add telegram:work coder # Telegram 工作群 → 代码 Agent

什么时候用这个？多人共用一个OpenClaw实例、不同渠道需要不同风格的Agent、或者需要长期稳定运行的专属助手（比如飞书某个群专属的AI助理）。

每个Agent有完全独立的运行环境：独立的工作空间、独立的状态目录、独立的会话存储，路径格式是 ~/.openclaw/agents/<agentId>/，认证信息也是各自隔离的，不会自动共享。

玩法二：sessions_spawn，动态子Agent（推荐日常使用）

这是按需召唤的思路。主Agent在执行任务过程中，动态创建临时子Agent，任务完成后自动销毁，结果自动返回。

不需要预先配置，不需要openclaw agents add，直接调用sessions_spawn就能用。

什么时候用这个？临时性的任务分工、需要并行处理多个子任务、一次性的协作场景。比如你说帮我同时调研三个竞品，主Agent就spawn三个子Agent并行去搜，最后汇总结果，速度是串行的三倍。

Agent之间怎么说话：三种通信机制

多个Agent跑起来了，它们之间怎么传递信息？OpenClaw提供三种协同通信方式。

机制一：sessions_send— 点对点消息传递

最直接的方式，一个Agent给另一个Agent发消息，可以等待回复，也可以即发即忘。

sessions_send 参数：- sessionKey：目标Agent的会话标识- message：发送的消息内容- timeoutSeconds：等待超时时间（0 = 即发即忘）

timeoutSeconds > 0：等待回复，返回{status: ok, reply}

timeoutSeconds = 0：不等回复，返回{status: accepted}，后台继续跑

这是多 Agent 协作的核心通信原语，主 Agent 分配任务、子 Agent 汇报结果，都靠它。

机制二：共享文件系统— 通过文件交接棒

多个Agent可以通过读写同一个文件来传递数据。比如研究员Agent把调研结果写到 ~/.openclaw/workspace/project/research.md，写手Agent再去读取这个文件开始写作。

这里有个超级容易踩的坑：必须用绝对路径，不能用相对路径！

# ✅ 正确：绝对路径，所有Agent都能找到

~/.openclaw/workspace/project/outline.md

# ❌ 错误：相对路径，不同 Agent 解析出来路径不一样

workspace/project/outline.md

有人就踩过这个坑：研究员Agent说大纲已保存，写手Agent说找不到文件，查日志发现路径里多了个嵌套的workspace/workspace，活生生翻车。

机制三：sessions_history— 异步查询结果

当你用即发即忘模式发出任务后，可以用sessions_history在稍后查询子Agent的执行结果。适合那些耗时较长、不需要实时等待的任务。

⚙️ 三个必须配对的关键配置

光知道命令还不够，有几个配置项不设对，多Agent根本跑不起来。这是很多人卡住的地方。

配置一：开启跨Agent通信权限

默认情况下，Agent只能看到自己的会话，看不到其他Agent。必须在openclaw.json里加这一行：

tools: {

    sessions: {

        visibility: all

    }

}

没有这个，主Agent会说好的，我去协调团队，然后就没有然后了，其他Agent完全没有收到任何消息。这是最隐蔽、最容易被忽略的坑。

配置二：agentToAgent通信白名单

如果需要Agent之间直接互发消息（而不是通过主Agent中转），需要配置 agentToAgent.allow。注意字段名拼写，配错了直接不生效：

agentToAgent: {

    allow: [writer, researcher, reviewer]}

配置三：subagents.allowlist（常见误区）

很多人以为用sessions_spawn动态创建子Agent需要配置allowlist，其实不需要。allowlist是用来限制哪些Agent可以创建子Agent的权限控制，默认主Agent可以创建任意子Agent，不需要额外配置。

一个完整的实战案例：AI写作团队

把上面所有知识串起来，看一个真实的多Agent协作场景——搭建一个4人AI写作团队：

角色：运营主管阿强（主Agent）、研究员阿亮、写手阿文、审核员阿严

工作流程：

你只跟阿强说话：帮我写一篇关于AI Agent趋势的深度文章

阿强用sessions_send 给阿亮发任务：调研 2026年AI Agent最新动态，结果保存到 ~/.openclaw/workspace/article/research.md

阿亮完成调研，写入共享文件，回复阿强完成

阿强用sessions_send 给阿文发任务：读取 research.md，写一篇 3000 字文章，保存到 article_draft.md

阿文写完，阿强再把草稿转给阿严审核润色

最终阿强把成品发给你

整个过程你只说了一句话，四个Agent流水线协作，每个人只做自己最擅长的事。 

避坑清单：血泪经验总结

多Agent不是越多越好。任务足够简单，单Agent就够用；任务需要并行、需要角色分离、需要上下文隔离，才值得上多Agent。架构的核心原则永远是：用最简单的方式解决问题。

从极客玩具到企业数字员工网关，OpenClaw的多Agent体系正是这条路上最值得深挖的能力。