OpenClaw 多 Agent 配置指南:构建专业级 AI 助手团队

配置日期: 2026-07-31
配置文件: /root/.openclaw/openclaw.json
当前 Agent 数量: 5
最后更新: 2026-08-02

引言

在构建专业级 AI 助手系统时，单一的通用助手往往难以满足复杂场景下的专业化需求。OpenClaw 通过多 Agent 架构巧妙地解决了这一挑战——通过创建专门化的 Agent 团队，每个 Agent 负责特定领域，同时通过中央网关实现协调与路由。本文档详细介绍了 OpenClaw 多 Agent 系统的架构设计、五种专业 Agent 的配置细节以及它们之间的协作机制。

一、架构概览

OpenClaw 多 Agent 系统采用中心化网关架构，所有外部请求首先到达网关，然后根据预定义的路由规则分发到相应的专业 Agent。这种设计既保证了系统的统一入口，又实现了专业分工。

核心设计原则

最小权限原则：每个 Agent 仅获得完成其职责所需的最小工具集
独立工作空间：Finance、Dev 和 Study Agent 拥有独立工作空间，避免相互干扰
通过 Primary 协调：所有外部请求通过 Primary Agent 路由，需要时可调用专业 Agent
Docs 共享工作区：Docs Agent 与 Primary 共享工作区，便于访问项目文件生成文档

二、五专业 Agent 配置详解

2.1 Primary — 主力 Agent

默认 Agent，全功能助手。所有未匹配到其他 Agent 的会话都会路由到这里。

{  ”id”: ”primary”,  ”default”: true,  ”name”: ”主力 Agent”,  ”description”: ”全方位助手...具备跨 agent 协调能力”,  ”workspace”: ”/root/OpenClawWorkspace”,  ”tools”: {    ”profile”: ”coding”,    ”allow”: [”exec”, ”process”, ”read”, ”write”, ”edit”, ”apply_patch”,              ”sessions_list”, ”sessions_history”, ”sessions_send”,              ”sessions_spawn”, ”session_status”, ”browser”, ”canvas”, ”cron”, ”image”, ”pdf”]  },  ”sandbox”: { ”mode”: ”off” },  ”subagents”: { ”allowAgents”: [”*”] }}

核心特点：

拥有最完整的工具权限（编码配置文件 + 浏览器 + Cron + 图像处理）
可以调用所有其他 Agent（allowAgents: ["*"]）
工作区是主工作区，所有文件都在这里

💡 架构洞察：Primary Agent 作为系统的“大管家”，不仅处理日常对话，还具备调度其他专业 Agent 的能力，是多 Agent 协作的枢纽。

2.2 Finance — 理财助理

金融分析专家：基金估值、股票分析、投资组合管理

{  ”id”: ”finance”,  ”name”: ”理财助理”,  ”description”: ”金融分析专家：基金估值、股票分析、投资组合管理”,  ”workspace”: ”/root/OpenClawWorkspace/finance-workspace”,  ”tools”: {    ”profile”: ”minimal”,    ”allow”: [”read”, ”write”, ”edit”, ”sessions_list”, ”sessions_history”,              ”sessions_send”, ”session_status”, ”web_search”, ”web_fetch”, ”weather”],    ”deny”: [”exec”, ”process”, ”browser”, ”canvas”, ”cron”]  },  ”sandbox”: { ”mode”: ”off” }}

核心特点：

独立工作空间（finance-workspace/）
禁止执行系统命令（拒绝 exec, process）
可以搜索和抓取网页数据
保守型设计——读取数据可以，但不能直接操作系统

💡 使用场景：适合进行金融数据分析、投资建议生成、市场趋势分析等需要网络数据但不需要系统操作的场景。

2.3 Dev — 开发助理

全栈开发工程师：需求分析、架构设计、代码实现、Code Review

{  ”id”: ”dev”,  ”name”: ”开发助理”,  ”description”: ”全栈开发工程师：需求分析、架构设计、代码实现、Code Review”,  ”workspace”: ”/root/OpenClawWorkspace/dev-workspace”,  ”tools”: {    ”profile”: ”coding”,    ”allow”: [”exec”, ”process”, ”read”, ”write”, ”edit”, ”apply_patch”,              ”sessions_list”, ”sessions_history”, ”sessions_send”,              ”sessions_spawn”, ”session_status”, ”browser”, ”canvas”],    ”deny”: []  },  ”sandbox”: { ”mode”: ”off” },  ”subagents”: { ”allowAgents”: [”*”] }}

核心特点：

独立工作空间（dev-workspace/）
完整开发权限（编码配置文件 + 所有开发工具）
无 Cron 权限（不能定时调度）
可以调度其他 Agent

💡 使用场景：适合进行代码审查、功能开发、技术架构设计等需要完整开发工具链的场景。

2.4 Study — 学习监督员

学习科学专家：目标拆解、学习计划、进度追踪

{  ”id”: ”study”,  ”name”: ”学习监督员”,  ”description”: ”学习科学专家：目标拆解、学习计划、进度追踪”,  ”workspace”: ”/root/OpenClawWorkspace/study-workspace”,  ”tools”: {    ”profile”: ”minimal”,    ”allow”: [”read”, ”write”, ”edit”, ”sessions_list”, ”sessions_history”,              ”sessions_send”, ”sessions_spawn”, ”session_status”, ”web_search”, ”weather”],    ”deny”: [”exec”, ”process”, ”browser”, ”canvas”]  },  ”subagents”: { ”allowAgents”: [”*”] }}

核心特点：

独立工作空间（study-workspace/）
拥有 sessions_spawn 权限（可以派发子任务给其他 Agent）
无执行权限、无法浏览网页

💡 使用场景：适合制定学习路径、跟踪学习进度、拆解复杂学习目标等教育辅助场景。

2.5 Docs — 文档资料专家

技术文档与知识管理：需求文档、API 文档、架构设计

{  ”id”: ”docs”,  ”name”: ”文档资料专家”,  ”description”: ”技术文档与知识管理：需求文档、API 文档、架构设计”,  ”workspace”: ”/root/OpenClawWorkspace”,  ”tools”: {    ”profile”: ”minimal”,    ”allow”: [”read”, ”write”, ”edit”, ”sessions_list”, ”sessions_history”,              ”sessions_send”, ”sessions_spawn”, ”session_status”, ”web_search”, ”web_fetch”],    ”deny”: [”exec”, ”process”, ”browser”, ”canvas”, ”cron”]  }}

核心特点：

共享工作区（与 Primary 相同），便于读取项目文件生成文档
只读为主的工具权限
可以搜索和抓取网页

💡 使用场景：适合生成技术文档、API 说明、架构设计说明等需要访问代码库的文档工作。

三、Agent 间调用机制

3.1 通过 sessions_spawn 调用

Primary Agent 可以通过 sessions_spawn 工具调用其他 Agent：

// 调用 Dev Agent 进行代码审查sessions_spawn({  task: ”Review the fund_report.py for security issues”,  taskName: ”code-review-fund-report”,  agentId: ”dev”})// 调用 Docs Agent 生成 API 文档sessions_spawn({  task: ”Generate API documentation for the crontab_tool.py”,  taskName: ”generate-crontab-api-docs”,  agentId: ”docs”})

3.2 子 Agent 工具权限

Agent	可调度的 Agent	说明
Primary	所有 Agent	完全协调权限
Dev	所有 Agent	开发任务中的协作能力
Study	所有 Agent	学习任务中的协作能力
Finance	无	专注于金融分析，无需协调
Docs	无	专注于文档生成，无需协调

四、会话管理策略

{  ”session”: {    ”dmScope”: ”per-channel-peer”,    ”scope”: ”per-sender”,    ”maintenance”: {      ”mode”: ”enforce”,      ”pruneAfter”: ”30d”,      ”maxEntries”: 500    }  }}

关键特性：

per-channel-peer：同一频道同一联系人共享会话上下文
per-sender：按发送者区分会话历史
30 天自动清理：超过 30 天的会话记录自动删除
单会话上限 500 条：防止历史过长影响性能

五、架构对比总结

Agent	权限等级	独立工作空间	可调度其他 Agent	典型场景
Primary	最高	否（主工作区）	✅ 全部	日常对话、Agent 协调
Finance	最低	✅	❌	金融分析、投资建议
Dev	最高	✅	✅ 全部	代码开发、技术架构设计
Study	中等	✅	✅ 全部	学习规划、进度追踪
Docs	最低	❌（共享）	❌	技术文档生成、知识管理

六、最佳实践建议

权限最小化：始终遵循最小权限原则，为每个 Agent 配置仅完成其职责所需的工具集
工作空间隔离：为需要独立操作的 Agent（如 Finance、Dev）分配独立工作空间
协调通过 Primary：将复杂的跨 Agent 任务委派给 Primary Agent 进行协调
定期维护：利用会话机制的自动清理功能，保持系统性能
文档共享：利用 Docs Agent 与 Primary 共享工作区的特性，确保文档与代码同步更新

七、结论

OpenClaw 的多 Agent 架构通过专业化分层设计，成功地将通用 AI 助手的能力扩展到多个专业领域。每个 Agent 都有明确的职责边界和工具权限，同时通过统一的网关和协调机制实现无缝协作。这种架构不仅提升了系统的专业能力，还保持了操作的安全性和可维护性。

无论是进行金融分析、软件开发、学习辅助还是文档生成，OpenClaw 多 Agent 系统都能提供专业化的 AI 助手服务，帮助用户在各个领域提高效率和决策质量。

文档由 OpenClaw Docs Agent 生成