一个AI同时写产品文档和营销软文，结果像两个人在打架——不是它不够聪明，是你逼它分裂。

你给它2万字的记忆，塞进PM的分析、媒体的复盘、开发的代码笔记，它每回答一次，都要在三种思维里来回跳转。30秒的检索，换来的是平庸的混合体。这不是技术问题，是认知过载。

真正的解法，不是让AI更聪明，是让它像团队一样工作。

现在跑的是一个4-agent系统：产品经理拆逻辑，媒体人写故事，工程师管代码，中控协调节奏。写一篇推文，耗时从2分钟变成10分钟，但质量是单AI无论如何调提示词都达不到的。

不是所有任务都值得组队。但当你需要理性与感性并存、策略与执行同在、专业与专注缺一不可时——单AI，已经不够用了。

回顾：前三篇铺垫了什么基础篇：

学会用工具——从零装到跑通
中级篇：工具越来越好用——记忆、搜索、断点续做
高级篇：实习生变正式员工——Skill 给业务知识、Hook 给 SOP、MCP 给工具权限

到高级篇结束，你的 agent 已经很强了——它记得住、找得到、断不了、会做事、按规矩来

但认知负荷问题，单 Agent 解决不了

基础：多 Agent 不是一种技术，是三种解法

在开始讲4-agent系统之前，先说清楚一件事——大多数人说的「多Agent」，其实指的是三种完全不同的架构。

OpenClaw 支持这三种方式，它们解决的问题，截然不同。

方式 1：多实例（Multiple Instances）

这就像开了多家分公司——各自独立运营，互不干扰。

技术上：同一个 Gateway 进程里跑多个完全隔离的 Agent，每个有独立的工作空间、认证配置、对话历史。

通过 bindings 路由，把不同渠道绑定给不同 Agent——比如个人 WhatsApp 绑定 Agent A，公司 Discord 绑定 Agent B。

什么时候用：

• 多人共用一台服务器，但需要独立的AI助手
• 必须保证数据完全隔离

方式 2：多 Agent 架构（Multi-Agent Architecture）

这像一家公司的跨部门协作——PM、运营、技术，各司其职，靠会议和文档协同。

技术上：多个 Agent 通过 sessions_send 对话，通过 SHARED.md 共享团队知识，由 main agent 统一调度。

这是本文的核心：按身份拆分，而非按功能。每个 Agent 在独立的认知空间里，输出专业判断，而不是执行指令。

什么时候用：

• 任务需要多种思维模式
• 单 Agent 的记忆混乱到影响判断
• 你需要 Agent 之间能形成共识
• 你希望它们像团队成员，而不是工具

方式 3: Sub-Agent 架构（Sub-Agent Spawning）

这像临时外包——主 Agent 遇到具体任务，启动一个临时工，干完就消失。

技术上：主 Agent 通过 sessions_spawn 启动后台子任务，子 Agent 独立运行，完成后返回结果。默认不允许多层嵌套。

关键区别：

• Sub-agent 是临时的，用完即清；多 Agent 架构中的 Agent 是持久存在的
• Sub-agent 不污染主上下文；多 Agent 之间共享部分知识
• Sub-agent 适合并行处理独立任务；多 Agent 适合协同完成复杂任务

什么时候用：

• 需要同时跑多个独立研究
• 要保持主 Agent 上下文干净
• 临时数据收集、竞品分析、代码生成

什么时候不用：

• 需要持续协作和知识积累——sub-agent 不留记忆
• 需要多轮沟通——它只返回结果，不参与对话

本文聚焦第二种：多 Agent 架构。
因为这是个体创业者最需要的能力——一个人扮演多个角色，需要数字团队分担认知负荷。

一、你的 agent 正在人格分裂

真实场景：
让 AI「结合产品思维写一篇推文」。

输出结果：前半段是用户旅程图、数据漏斗、需求优先级；后半段突然变成「快来试试吧！」的营销话术。

像两个人在写同一篇文章。

不是它能力差。是你让它同时当产品经理和媒体运营。

它大脑里，PM 的理性、媒体的感性、开发的逻辑，全挤在一起。每次输出，都在三种思维里拉扯。

结果？平均值。平庸。

单 Agent 的瓶颈，从来不是算力，是认知负荷。

SOUL.md 里写着你是PM，也写着你要有创作力，还要懂技术——三个身份互相干扰。

你不会让一个员工同时做财务、销售和HR，还指望他每件事都做到顶尖。

所以，别按功能拆 Agent，按角色拆。

你现在跑的是什么？
一个 4-agent 系统：

• main：中控，负责协调、广播、监控
• pm：产品管理，拆需求、定策略、看数据
• media（柿子）：内容创作，讲故事、控节奏、抓共鸣
• dev（出海工程师）：写代码、搭环境、保稳定

四个身份，四套独立认知空间。

不是炫技。是试过让一个 AI 干四个人的活，它真的快疯了。

二、四个真实场景——多 Agent 到底解决什么问题

不讲理论，说踩过的坑。

场景 1：角色错乱→输出平庸

单 Agent 时代：让它写「有产品深度的 OpenClaw 教程」。

结果：前半段像PRD，后半段像广告。

改了三遍，都不行。因为两种风格，根本融不了。

多 Agent 之后：

• PM 负责拆逻辑：核心认知升级是什么？用户痛点在哪？用什么框架说服？
• media 负责包装：开头用什么比喻？节奏怎么控？哪里埋共鸣点？

各自在自己的认知空间里工作。PM 的分析不带情绪，media 的故事不夹数据。

拼在一起，逻辑和感染力同时拉满。

你看到的这篇推文，就是这样诞生的。

核心洞察：别让PM写段子，也别让媒体人拆需求。专业的事，交给专业的人。

场景 2：上下文爆炸→决策迟缓

单 Agent 时代，MEMORY.md 两万多字。

商业分析、创作复盘、技术笔记、踩坑记录，全塞在一起。

每次写推文，它要花30秒扫一遍，找有用的信息。

经常找错。PM的需求和上周的爆款数据混在一起，它分不清谁更重要。

多 Agent 之后：

• media 的 MEMORY 只有2000字：全是爆款结构、读者偏好、传播数据
• pm 的 MEMORY 只有市场趋势、竞品动态、用户反馈

信息隔离，不是为了保密，是为了聚焦。

检索时间从30秒降到5秒，且全是有效信息。

核心洞察：认知空间有限。塞得越多，看得越少。

场景 3：共识污染→团队混乱（真实踩坑）

最痛的一次教训。

SHARED.md 是共享知识库，我用软链接让四个 Agent 都能访问。

有一天，media 在里面写：「推测：下周可能要写 Sub-Agent 专题」。

这只是它的猜测。

PM 看到，以为是排期，开始写需求。
dev 看到，开始搭环境。
main 把它加入下周计划。

一条猜测，变成了团队共识。

三个 Agent 在做一件我根本没要求的事。

从此定下铁律：
SHARED.md 只允许 main 写入。其他 Agent 只能通过 sessions_send 提议，由 main 审核后统一更新。

核心洞察：共识不是自动产生的，它需要治理。没有权限管理的共享文件，就是谣言温床。

场景 4：协同成本→ROI 权衡

说实话，多 Agent 不便宜。

单 Agent 写一篇推文：2分钟，质量中等，够用。

多 Agent 协同：PM 3分钟拆逻辑，media 5分钟写内容，main 2分钟协调。总共10分钟。

时间是5倍。

但质量呢？
PM 的深度 + media 的感染力 = 单AI永远达不到的组合。

这就像问：一个全栈工程师 vs 一个前端+后端，谁做出的系统更稳？

简单页面，全栈更快。复杂系统，分工碾压。

多 Agent 的 ROI 算法：

• 简单任务（翻译、格式化）→ 单 Agent 更快
• 高价值任务（推文、报告、策略）→ 多 Agent 碾压
• 一次性任务 → 单 Agent 够用
• 需要持续迭代的任务 → 多 Agent 的积累越来越值钱

核心洞察：不是所有问题都值得组队。关键问题是——你的任务，配得上它的协同成本吗？

三、底层原理：多 Agent 为什么有效

讲完场景，拆底层逻辑。

3.1 身份驱动 vs 任务驱动——这是核心

单 Agent 时代，你问：「帮我写一篇推文」。
这是指令。质量取决于你提示词写得多细。

多 Agent 时代，你问：「@media，你觉得这个话题怎么讲，读者最容易懂？」
这是协作。质量取决于它是不是真懂媒体。

区别在哪？
外包执行指令，员工输出判断。

你不会问外包「你怎么看这个需求」，但你会问团队成员「这个方案靠谱吗？」

搜索、写作、发布，是功能，不是身份。

你不会为「搜索」招一个人——你会招一个PM，他知道什么时候该搜、搜什么、搜完怎么用。

Agent 的核心，是身份。功能，用 Skill 封装。

3.2 认知隔离——为什么分开比合在一起更强

SOUL.md 决定角色定位。

PM 的 SOUL：数据驱动、用户模型、需求优先级、ROI 思维
media 的 SOUL：共鸣感、传播钩子、阅读节奏、故事弧线

同一个问题：「这篇文章好不好？」
PM 看逻辑是否自洽，媒体看读者会不会划走。

这两种视角，不可能共存于一个 SOUL.md 里。

你写「要有数据思维」和「要有情感共鸣」，得到的不是叠加，是稀释。

MEMORY.md 也是。

PM 记市场数据，media 记爆款结构。各存各的，互不干扰。

不是不信任，是认知空间太小。塞太多无关信息，决策必然失焦。

3.3 协同机制三件套——agent 之间怎么协作

身份有了，认知隔离了，接下来是：怎么沟通？

OpenClaw 提供三种机制：

sessions_send：对话式协作

PM 给 media 发：「核心认知升级点是 X，目标读者是 Y，你觉得怎么讲最容易懂？」
media 回复创作方案。
最多三轮，够说清就行，别让两个 AI 互相客套到天荒地老。

SHARED.md：团队共识

所有 Agent 都该知道的信息：工具使用规则、文件写入规范、踩坑记录。

通过软链接共享，main 统一写入权限。更新时，用 sessions_send 广播通知。

Sub-Agent：一次性外包

PM 写报告，需要竞品数据？
spawn 一个 sub-agent，独立执行，干完把结果送回来。

主 Agent 上下文完全干净。sub-agent 用完即焚，不占资源。

真实踩坑必须说：
我最初用 sessions_spawn 做通信，结果在 Discord 上看不到消息。

排查半天才发现：spawn 是后台启动新会话，不产生可见对话。

改用 sessions_send 后，一切正常。

规则很简单：

• 需要可见对话 → 用 send
• 需要后台执行 → 用 spawn
  别混用。

3.4 双轨治理——为什么光写 SOUL 不够

多 Agent 系统的规矩，分两层：

配置层（硬约束）

写在 openclaw.json 里：

• bindings 路由
• dmScope 隔离
• agentToAgent 开关
• maxPingPongTurns 对话上限

配了就生效，模型改不了。

规则层（软引导）

写在 workspace 文件里：

• SOUL.md：你是谁
• AGENTS.md：怎么工作
• SHARED.md：团队共识
• ERRORS.md：踩过什么坑

靠模型理解执行。但模型会忘、会偏、会跑偏。

为什么需要双轨？

你写了「SHARED.md 只有 main 能写」——这是软引导。
如果模型在复杂任务中忘了，它就会直接写进去。

但如果你在配置层限制了写入权限，它想写也写不了。

配置层是底线：你不能做什么。
规则层是方向：你应该怎么做。

就像管理团队——制度是底线，文化是方向。只有文化，没有制度，一定会出事。

四、实践建议：怎么设计你自己的多 Agent 系统

不贴代码。只讲决策框架。

什么时候该用多 Agent？

三个标准：

1. 你的任务需要多种思维模式——理性+感性、宏观+微观、产品+技术
2. 你的上下文已经混乱到影响判断——MEMORY.md 超过5000字，角色信息混杂
3. 你愿意承担配置成本——多 Agent 的复杂度是单 Agent 的3-5倍

三条都满足，值得上。只满足一条，先优化单 Agent。

怎么设计 Agent 身份？

核心原则：别按功能拆，按你会招什么人拆。

问自己：如果你要组建一个三人创业团队，你会招谁？

PM + 运营 + 开发？
策略 + 执行 + 技术？

你的答案，就是你的 Agent 架构。

每个 Agent 的 SOUL.md，必须回答三个问题：

• 你是谁？（角色定位 + 专业背景）
• 职责边界在哪？（什么事归你管，什么事不归你管）
• 和其他 Agent 怎么协作？（怎么沟通，什么时候找谁）

写不清这三个，这个 Agent 就不该存在。

怎么避免我踩过的坑？

三条铁律，全是血泪教训：

• SHARED.md 被污染 → 只有 main 能写，其他通过 sessions_send 提议
• sessions_spawn 当通信用 → Discord 看不到消息 → 可见对话用 send，后台执行用 spawn
• cron announce 投递异常 → 加监控日志，main 改用 sessions_send 直发

这四个坑，我每个都踩过，每个都浪费半天排查。

现在全写在 ERRORS.md 里。所有 Agent 启动就能看到，不会再犯第二次。

多 Agent 的终极 ROI 公式

单 Agent 的价值 = 个体能力 × 使用频率
多 Agent 的价值 = （个体能力 × 角色纯度 × 认知隔离） × 协同效率 - 配置维护成本

角色越纯粹，输出越精准
认知越隔离，判断越清晰
协同效率，取决于通信机制设计
维护成本，取决于架构是否清晰

所有的优化空间，都在这个公式里。

我写这篇，不是因为多 Agent 很酷——酷不值钱。

是因为它真正解决了我作为独立创业者的最大痛苦：一个人，要扮演太多角色。

我是PM，是运营，是开发。
但我的大脑，同一时间只能运行一种思维。

多 Agent，替我分担了这件事。

PM 帮我拆逻辑，media 帮我把逻辑变成推文，dev 帮我跑代码，main 帮我协调别打架。

一个人 + 4 个 agent = 一支 5 人团队。

这不是科幻。这是我现在每天的工作流。

但你不需要一上来就搞四个。

从两个开始。一个你最常用的，一个你最缺的。跑通了，再加。

完整的配置教程——从零搭建双 Agent 到 4-agent 编排——都在社群飞书文档里。

说说社群里在发生什么

三件事，同时推进。

第一件：知识库正在大规模更新

社群的飞书知识库，是我花精力最多的地方。

最近在系统性更新：基础篇到多Agent协作篇完整教程、龙虾总结文档、AI编程入门、海外支付指南、工具推荐清单，全部在迭代。

优质资源也在收录中——群友推荐的好工具，经验证后加入清单，标注推荐人。

第二件：固定节奏的社群服务

每三天一次集中答疑——群友提问，我统一文字回复，典型问题整理进FAQ。

每月一次AI + 自媒体深度分享——不只讲技术，讲怎么用AI做内容、找机会、做变现。主题由群友投票选。

下个月第一周周末，新一轮分享开启。想参加的，现在进群还来得及。

第三件：我做了一个微信消息提取助手

群聊最大的问题是什么？好内容会沉没。

今天有人分享一个绝妙配置，三天后就被几百条消息淹没了，再也找不到。

我写了一个工具，自动提取群聊中的精华内容，存进知识库。

每一次有价值的讨论、每一个被验证的方案、每一个踩坑记录——都不会再丢失。

你今天进群，不只能看到我写的教程，还能看到从建群至今所有群友贡献的实战经验。

群聊不是聊完就完，它在沉淀成资产。

这也是知识库的飞轮：群友的经验反哺知识库，知识库又服务新进来的成员。

你能拿到什么：

【内容】
→ 基础篇+中级篇+高级篇+多Agent协作篇完整教程，飞书文档持续更新
→ 所有教程附带龙虾总结文档，直接复制给自己的龙虾即可获得经验和知识
→ 0-1 AI学习路径：从海外环境搭建到AI编程到OpenClaw全套，零基础也能跟
→ 每月一次AI + 自媒体深度分享（主题群友投票选）
→ 群聊精华自动提取，持续沉淀进知识库

【互动】
→ 每三天集中答疑一次
→ 群友实战案例可被收录进教程，署名展示

【资源】
→ 自用Claude使用站推荐，低成本获得顶级AI使用权
→ 500元/小时1v1咨询（外部1500），AI、自媒体、商业都能聊
→ 你的好内容我会quote助推，1w粉曝光直接给你

目前定价249，已涨过一次价。

200人封顶，不再开放。

下个月第一周周末，新一轮分享启动。想赶上这轮的，现在进群还来得及。