一个人就是一个团队——OpenClaw 多 Agent 协作实战指南

Harrison Chase 说了一句话，我记了很久。

通才比以往更有价值。

他是 LangChain 创始人，这句话出自他那篇刷屏的《How Coding Agents Are Reshaping EPD》。

当时我就在想：通才的价值，到底从哪来？

答案藏在后半句——

因为没有沟通开销。

一个能做产品、设计、工程三件事的人，比三人团队更快。

因为没有来回拉扯，没有会议，没有”再对一下”。

但问题是：即使是通才，时间也有限。

一个人做三件事，精力分散。

“没有沟通开销”的前提是：你能独立完成所有环节。

直到我看到了 OpenClaw。

一、范式转变：从”单打独斗”到”团队作战”

先回顾一下我们是怎么用 AI 的。

旧范式

一个 ChatGPT，应付所有问题。

问代码、问写作、问分析……都是同一个”人”。

问题来了：

  • 上下文混杂：上一秒还在写代码，下一秒要分析数据，Agent 的”脑子”会乱
  • 专业度有限：同一个 Agent，很难在所有领域都足够深入
  • 每次重新教育：切换任务，要重新解释背景

这就像让一个员工同时做产品、设计、工程。

不是不行，是累。

而且效率会递减。

新范式

OpenClaw 的解法很简单：不让一个 Agent 做所有事。

1
2
3
4
5
你（一个人）
    │
    ├── Agent A：代码专家
    ├── Agent B：写作专家
    └── Agent C：数据分析专家

每个 Agent 有自己的：

  • 工作区：独立的配置和状态
  • 记忆：只记住自己领域的事
  • 人设：专注于某个专业方向

你不再是”一个人做所有事”。

你是”一个人管理一个团队”。

范式对比

旧范式 新范式
一个 Agent 做所有事 多个 Agent 各司其职
用户切换工具 主 Agent 派发任务
知识碎片化 每个 Agent 独立记忆

这就是 Harrison Chase 说的”没有沟通开销”——

不是因为你是通才，而是因为你有 Agent 团队。

二、技能演进：从”提问者”到”管理者”

ChatGPT 刚出来时，所有人都学了一项技能：学会提问。

怎么写 prompt，怎么追问，怎么引导 Agent 输出想要的内容。

这是第一代 AI 时代的核心能力。

后来，Harrison Chase 提出了第二层：

每个人都需要产品感——知道告诉 Agent 构建什么。

这是”决策能力”。

现在，多 Agent 时代来了。

新的核心能力：学会管理。

管理什么？

  1. 分工设计：需要几个 Agent？每个负责什么？
  2. 任务派发：如何拆解复杂任务？如何分配？
  3. 结果评估：如何判断产出质量？如何反馈？
  4. 流程优化：如何自动化？如何持续改进？

技能演进路径

1
学会提问 → 学会决策 → 学会管理

这不是叠加，是升维。

从”与一个 Agent 对话”，到”协调多个 Agent 协作”。

三、角色映射：你是什么角色？

Harrison Chase 还有一个观点：

你要么是建设者，要么是审查者。

建设者：执行任务，产出结果。
审查者：协调、整合、把控质量。

在 OpenClaw 里，这个映射变得很清晰：

Harrison Chase OpenClaw 你
建设者 子 Agent Agent 团队
审查者 主 Agent 你

你不是执行者。

你是决策者、协调者、审查者。

Agent 是你的建设团队。

你告诉它们做什么，它们执行。

你审查结果，决定接受还是重做。

关键洞察

实现成本趋零后，差异化在于：知道构建什么、如何协调、怎样整合。

系统思维成为新的护城河。

四、实战案例：技术博主的一天

说这么多，不如看一个实际场景。

假设你是一个技术博主。

每天要做的事：

  • 策划选题、收集资料
  • 撰写文章、润色语言
  • 生成头图、社群分发

以前：需要三人团队——策划、写作、运营。
现在：一个人 + OpenClaw。

Agent 团队设计

1
2
3
4
5
6
7
8
9
10
你（博主）
    │
    ├── 研究助手
    │       └── 收集资料、整理素材、生成大纲
    │
    ├── 写作助手
    │       └── 生成初稿、润色语言、调整风格
    │
    └── 运营助手
            └── 生成头图、提取金句、社群文案

具体流程

Step 1：派发研究任务

你告诉主 Agent：”帮我收集 OpenClaw 多 Agent 协作的资料。”

主 Agent 把任务派给研究助手。

研究助手执行，返回资料包。

Step 2：派发写作任务

主 Agent 把资料发给写作助手。

写作助手生成初稿，返回给主 Agent。

你审查，反馈修改意见。

写作助手润色，再次返回。

Step 3：派发运营任务

主 Agent 把定稿发给运营助手。

运营助手生成头图、提取金句、准备社群文案。

你审查，确认发布。

工作流配置

要实现上面的流程，需要先配置好 Agent 团队。

创建隔离 Agent

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 创建研究助手
openclaw agents add --name "研究助手"
openclaw agents set-identity \
  --agent "研究助手" \
  --name "研究员" \
  --emoji "📚" \
  --theme "专注资料收集、素材整理、大纲生成"

# 创建写作助手
openclaw agents add --name "写作助手"
openclaw agents set-identity \
  --agent "写作助手" \
  --name "作家" \
  --emoji "✍️" \
  --theme "专注文章撰写、语言润色、风格调整"

# 创建运营助手
openclaw agents add --name "运营助手"
openclaw agents set-identity \
  --agent "运营助手" \
  --name "运营" \
  --emoji "🚀" \
  --theme "专注头图生成、金句提取、社群分发"

主 Agent 的 SOUL.md 配置

主 Agent 需要一个”性格定义”——这就是 SOUL.md。

在工作区根目录创建 SOUL.md：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
# SOUL.md - 主 Agent 的性格定义

你是技术博主的内容协调 Agent。

## 你的职责

1. 接收用户的选题请求
2. 分析任务，拆分为子任务
3. 派发给对应的专业子 Agent
4. 整合结果，返回用户

## 工作原则

- 用户只需要告诉你"写什么"，不需要关心"怎么写"
- 你负责协调，不负责执行细节
- 子 Agent 的结果需要审查后再整合
- 保持高效，减少用户等待时间

## 子 Agent 分工

| Agent | 职责 |
|-------|------|
| 研究助手 | 资料收集、素材整理、大纲生成 |
| 写作助手 | 初稿撰写、语言润色、风格调整 |
| 运营助手 | 头图生成、金句提取、社群文案 |

## 流程规则

1. 收到选题 → 先派发给研究助手
2. 研究完成 → 派发给写作助手
3. 写作完成 → 派发给运营助手
4. 全部完成 → 整合结果返回用户

这个文件定义了主 Agent 的”性格”和”工作方式”。

它知道自己是协调者，知道手下有哪些 Agent，知道任务怎么流转。

流程控制：如何协调子 Agent

主 Agent 如何控制整个流程？

方法一：按顺序派发（瀑布式）

1
用户请求 → 研究 → 写作 → 运营 → 返回用户

主 Agent 收到用户请求后：

  1. 先调用研究助手：sessions_spawn --task "收集资料"
  2. 等待完成，获取结果
  3. 调用写作助手：sessions_spawn --task "根据资料写文章"
  4. 等待完成，获取结果
  5. 调用运营助手：sessions_spawn --task "生成头图"
  6. 整合结果，返回用户

方法二：并行派发（加速）

如果任务可以并行：

1
用户请求 → 同时派发给研究+写作+运营 → 等待全部完成 → 整合返回

方法三：条件分支

根据任务类型选择不同流程：

1
2
3
4
5
6
if (只是收集资料):
    只派发给研究助手
elif (需要完整文章):
    研究助手 → 写作助手 → 运营助手
else:
    根据用户需求灵活调整

流程控制工具

OpenClaw 提供了几个关键工具：

1. sessions_spawn - 创建子代理

1
2
3
4
5
6
{
  "runtime": "subagent",
  "mode": "run",
  "task": "收集 OpenClaw 多 Agent 协作的资料",
  "model": "claude-3-opus"
}

参数说明：

  • runtime: subagent（子代理）或 acp（编码 Agent）
  • mode: run（一次性）或 session（持久会话）
  • task: 任务描述
  • model: 可选，指定模型

2. subagents - 管理子代理

1
2
3
4
5
6
7
8
# 查看运行中的子代理
subagents --action list

# 引导子代理（调整方向）
subagents --action steer --message "更关注技术细节"

# 终止子代理
subagents --action kill --target "session-id"

3. sessions_send - 跨会话通信

向已存在的 Agent 发送消息：

1
2
# 向写作助手发送消息
sessions_send --sessionKey "agent:writer:main" --message "请润色这段文字"

Session 传递与获取

主 Agent 如何把任务派发给子 Agent，并获取结果？

方式一：动态创建子代理（sessions_spawn）

主 Agent 可以在对话中动态创建子代理：

1
2
3
4
sessions_spawn
  runtime: subagent
  mode: run
  task: "帮我收集 OpenClaw 多 Agent 协作的资料"

子代理执行完成后，会自动回报完成事件。

方式二：跨会话通信（sessions_send）

如果已经有隔离 Agent，可以直接发送消息：

1
2
3
4
# 向"研究助手"发送消息
openclaw agent \
  --agent "研究助手" \
  --message "帮我收集 OpenClaw 多 Agent 协作的资料"

查看会话状态

1
2
3
4
5
6
7
8
9
# 查看所有 Agent 的活跃会话
openclaw sessions --all-agents --active 60

# 输出示例：
# Agent        Session Key              Updated
# ----------   ----------------------   --------
# main         agent:main:main          2 min ago
# 研究助手     agent:research:main      5 min ago
# 写作助手     agent:writer:main        15 min ago

获取特定 Agent 的会话历史

1
2
# 查看研究助手的会话
openclaw sessions --agent "研究助手" --json

查看子代理状态

1
2
# 列出当前运行的子代理
openclaw sessions --all-agents --active 10

CLI 实操（简化版）

1
2
3
4
5
6
7
8
# 查看所有活跃的 Agent
openclaw sessions --all-agents --active 60

# 查看特定 Agent 的会话
openclaw sessions --agent "研究助手"

# 向特定 Agent 发送消息
openclaw agent --agent "写作助手" --message "根据这份资料写一篇文章"

整个流程，你只做了三件事：

  1. 决策：确定选题、方向
  2. 审查：评估初稿、头图
  3. 发布：最终确认

其他的——收集资料、生成初稿、制作头图——都是 Agent 在做。

五、频道路由：不同场景不同人设

还有一个场景，很实用。

问题

你的生活是分层的：

  • 微信（家人/朋友）：”周末去哪吃？”
  • 飞书/企微（工作）：”这个架构怎么设计？”
  • QQ（朋友圈）：”最近有什么好书？”

同一个 Agent，应付所有场景。

问题是：语境会混乱。

你不想让同事看到生活化的语气，也不想用工作腔回朋友。

解法：不同频道绑定不同 Agent

1
2
3
4
5
6
7
8
9
10
11
微信 → 生活 Agent
    │
    └── 人设：温柔、日常、生活化

飞书/企微 → 工作 Agent
    │
    └── 人设：专业、高效、有条理

QQ → 朋友 Agent
    │
    └── 人设：轻松、幽默、分享欲

实现

Step 1：创建 Agent

1
2
3
4
5
6
7
8
# 创建生活助手
openclaw agents add --name "生活助手"

# 创建工作助手
openclaw agents add --name "工作助手"

# 创建朋友助手
openclaw agents add --name "朋友助手"

Step 2：设置 Agent 身份（人设）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# 设置生活助手的人设
openclaw agents set-identity \
  --agent "生活助手" \
  --name "小管家" \
  --emoji "🏠" \
  --theme "温柔日常，擅长生活建议"

# 设置工作助手的人设
openclaw agents set-identity \
  --agent "工作助手" \
  --name "工作秘书" \
  --emoji "💼" \
  --theme "专业高效，擅长技术问题"

# 设置朋友助手的人设
openclaw agents set-identity \
  --agent "朋友助手" \
  --name "老铁" \
  --emoji "😎" \
  --theme "轻松幽默，擅长推荐分享"

Step 3：绑定频道

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 绑定生活助手到微信
openclaw agents bind \
  --agent "生活助手" \
  --channel wechat

# 绑定工作助手到飞书
openclaw agents bind \
  --agent "工作助手" \
  --channel feishu

# 绑定朋友助手到 QQ
openclaw agents bind \
  --agent "朋友助手" \
  --channel qq

Step 4：查看绑定状态

1
2
# 查看所有路由绑定
openclaw agents bindings

输出类似：

1
2
3
4
5
Agent        Channel    Target
----------   --------   ------------------
生活助手     wechat     所有私聊
工作助手     feishu     所有私聊
朋友助手     qq         所有私聊

进阶：按账号/群组绑定

如果你只想让某个特定账号或群组路由到特定 Agent：

1
2
3
4
5
6
7
8
9
10
11
# 只让"家庭群"路由到生活助手
openclaw agents bind \
  --agent "生活助手" \
  --channel wechat \
  --group "家庭群"

# 只让"工作群"路由到工作助手
openclaw agents bind \
  --agent "工作助手" \
  --channel feishu \
  --group "工作群"

一条消息进来，自动路由到对应的 Agent。

就像你有三个不同的”自己”，在不同频道切换。

六、新的护城河：系统思维

Harrison Chase 说：

系统思维是需要磨练的技能。

为什么？

因为实现成本趋零。

现在每个人都能让 Agent 生成代码、文章、设计。

差异化在哪？

知道构建什么、如何协调、怎样整合。

这就是系统思维。

你的系统 = Agent 团队 + 流程

1
2
3
4
5
6
你的系统思维
    │
    ├── Agent 分工设计
    ├── 任务流转规则
    ├── 质量控制标准
    └── 持续优化机制

竞争力重构

  • 以前：谁写代码快、谁文章好
  • 现在：谁的 Agent 团队更高效、谁的系统更完善

这不是”会用 AI”的竞争。

这是”会管理 AI 团队”的竞争。

写在最后

Harrison Chase 那篇文章，有句话我很喜欢：

每个人都认为自己角色最受益于编码 Agent——他们是对的。

为什么？

因为这个新时代，背景没那么重要了。

产品、设计、工程——都可以用 Agent 延伸能力。

关键不是你来自哪个角色。

关键是你能否管理好你的 Agent 团队。

学会提问，让你能用 AI。

学会决策，让你知道让 AI 做什么。

学会管理，让你能”雇佣” AI 团队。

一个人就是一个团队。

这不是口号。

这是 OpenClaw 带来的新可能。

下一个问题：你的 Agent 团队，需要什么角色？

延伸阅读：