首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >OpenClaw 多 Agent 协作研发:5 个 AI 员工,从需求到代码自动流转

OpenClaw 多 Agent 协作研发:5 个 AI 员工,从需求到代码自动流转

作者头像
运维有术
发布2026-04-01 19:36:22
发布2026-04-01 19:36:22
5430
举报
文章被收录于专栏:运维有术运维有术

🚩 2026 年「术哥无界」系列实战文档 X 篇原创计划 第 47 篇,OpenClaw 最佳实战「2026」系列第 18 篇 大家好,欢迎来到 术哥无界 | ShugeX | 运维有术

我是术哥,一名专注于 AI 编程、AI 智能体、Agent Skills、MCP、云原生、Milvus 向量数据库的技术实践者与开源布道者Talk is cheap, let's explore。无界探索,有术而行。

信息图封面:OpenClaw 多 Agent 协作核心概念
信息图封面:OpenClaw 多 Agent 协作核心概念

图 1:OpenClaw 多 Agent 协作核心概念

假设你是一个独立开发者,正在开发一个新功能。传统流程是这样的:先理解需求,然后设计架构,接着写代码,写完后自测,最后发布。

一个人要切换 5 个角色,来回跳跃,脑子容易乱。

如果每个环节都有专门的人负责呢?需求分析师专门写需求文档,架构师专门设计方案,开发者专注写代码,测试工程师负责验证,代码审查员把控质量。

OpenClaw 的多 Agent 协作系统,就是让 AI 来扮演这 5 个角色。

1. 这是什么?

OpenClaw 是一个开源的 AI Agent 框架,核心能力是多 Agent 协作。你可以创建多个 Agent,每个 Agent 扮演不同的角色,通过任务派发和结果回调,实现自动化的工作流。

关键概念:

  • Agent:一个完全独立的大脑,拥有自己的工作空间、记忆、配置
  • Multi-Agent Routing:多个 Agent 并行存在,通过路由规则隔离
  • Sub-Agents:一个 Agent 可以调用另一个 Agent,形成主从关系
  • Skills:每个 Agent 可以配置专属技能(执行脚本、调用 API)
  • Bindings:定义消息路由规则(哪个群组/用户对应哪个 Agent)

这套系统特别适合需要多角色协作的场景:内容生产流水线、代码研发流程、数据分析管道等。

2. 两种协作模式对比

OpenClaw 提供了两种多 Agent 模式,适用场景不同。

模式一:Multi-Agent Routing(隔离路由)

核心机制:消息路由

工作方式:多个 Agent 完全独立运行,通过 Bindings 规则将消息路由到不同的 Agent

典型场景

  • 家庭 Agent vs 工作 Agent(同一平台不同账号)
  • 不同客户的专属 Agent(同一平台不同群组)
  • 不同业务的隔离 Agent(Discord 不同服务器)

示例配置

代码语言:javascript
复制
{
  agents: {
    list: [
      { id: "home", workspace: "~/.openclaw/workspace-home" },
      { id: "work", workspace: "~/.openclaw/workspace-work" }
    ]
  },
  bindings: [
    { agentId: "home", match: { channel: "feishu", accountId: "personal" } },
    { agentId: "work", match: { channel: "feishu", accountId: "company" } }
  ]
}

特点:Agent 之间完全隔离,不会互相调用

模式二:Sub-Agents(协作调用)

核心机制:任务派发和回调

工作方式:一个主 Agent(Director)通过 sessions_spawn 工具调用其他 Agent,等待结果返回

典型场景

  • Director + 采集员 + 创作者(内容生产流水线)
  • 项目经理 + 需求分析师 + 开发者(研发流程)
  • 数据分析师 + 数据采集员(数据处理管道)

示例配置

代码语言:javascript
复制
{
  "task": "分析这个需求并生成技术方案",
  "agentId": "analyst",
  "mode": "run",
  "runTimeoutSeconds": 600
}

特点:Agent 之间有协作关系,可以嵌套调用(最多 2 层)

什么时候用哪种?

场景

推荐模式

原因

多用户隔离

Multi-Agent Routing

每个用户需要独立的记忆和配置

多账号管理

Multi-Agent Routing

不同账号完全隔离,互不影响

任务流水线

Sub-Agents

需要上下游协作,结果传递

角色分工

Sub-Agents

不同角色完成不同环节,主 Agent 协调

简单分流

Multi-Agent Routing

只需要按来源分流,不需要协作

对于研发流程,推荐使用 Sub-Agents 模式,因为需要角色之间的协作和结果传递。

协作模式对比图:Multi-Agent Routing vs Sub-Agents
协作模式对比图:Multi-Agent Routing vs Sub-Agents

图 2:Multi-Agent Routing vs Sub-Agents 协作模式对比

3. 实战:搭建研发协作系统

接下来演示如何搭建一个完整的研发协作系统,包含 5 个 Agent:Director(项目调度)、Requirement Analyst(需求分析)、Developer(代码开发)、Code Reviewer(代码审查)、Tester(测试工程师)。

架构设计

采用三层架构

  • 交互层:飞书群组(用户与系统交互的入口)
  • 调度层:Director(主 Agent,负责任务分发和结果汇总)
  • 执行层:4 个专业 Agent(各司其职,专注单一任务)

工作流

代码语言:javascript
复制
用户提出需求
  ↓
Director 接收并分析
  ↓
调用 Requirement Analyst → 生成需求文档
  ↓
调用 Developer → 生成代码
  ↓
调用 Code Reviewer → 审查代码
  ↓
调用 Tester → 执行测试
  ↓
Director 汇总结果 → 返回给用户
系统架构图:三层协作架构
系统架构图:三层协作架构

图 3:三层协作架构(交互层、调度层、执行层)

配置文件结构

代码语言:javascript
复制
~/.openclaw/
├── openclaw.json              # 主配置文件
├── skills/                    # 共享 Skills
│   ├── code-analyzer/
│   │   ├── SKILL.md
│   │   └── scripts/
│   └── test-runner/
│       ├── SKILL.md
│       └── scripts/
└── agents/                    # 各 Agent 的状态目录
    ├── director/
    │   └── agent/
    │       └── auth-profiles.json
    ├── analyst/
    │   └── agent/
    ├── developer/
    │   └── agent/
    ├── reviewer/
    │   └── agent/
    └── tester/
        └── agent/

~/.openclaw/workspace-director/  # Director 的工作空间
├── SOUL.md
├── AGENTS.md
├── memory/
└── skills/

~/.openclaw/workspace-analyst/   # Analyst 的工作空间
├── SOUL.md
└── memory/

...(其他 Agent 类似)

步骤 1:创建 Agent 工作空间

代码语言:javascript
复制
# 使用 OpenClaw 命令创建 5 个 Agent
openclaw agents add director
openclaw agents add analyst
openclaw agents add developer
openclaw agents add reviewer
openclaw agents add tester

每个 Agent 会自动获得:

  • 独立的 workspace(工作空间)
  • 独立的 agentDir(状态目录)
  • 独立的 sessions(会话存储)

步骤 2:配置 openclaw.json

代码语言:javascript
复制
// ~/.openclaw/openclaw.json
{
  agents: {
    list: [
      {
        id: "director",
        name: "项目调度",
        default: true,
        workspace: "~/.openclaw/workspace-director",
        agentDir: "~/.openclaw/agents/director/agent"
      },
      {
        id: "analyst",
        name: "需求分析师",
        workspace: "~/.openclaw/workspace-analyst",
        agentDir: "~/.openclaw/agents/analyst/agent"
      },
      {
        id: "developer",
        name: "开发者",
        workspace: "~/.openclaw/workspace-developer",
        agentDir: "~/.openclaw/agents/developer/agent"
      },
      {
        id: "reviewer",
        name: "代码审查员",
        workspace: "~/.openclaw/workspace-reviewer",
        agentDir: "~/.openclaw/agents/reviewer/agent"
      },
      {
        id: "tester",
        name: "测试工程师",
        workspace: "~/.openclaw/workspace-tester",
        agentDir: "~/.openclaw/agents/tester/agent"
      }
    ],
    defaults: {
      subagents: {
        maxSpawnDepth: 2,              // 允许嵌套调用(编排器模式)
        maxChildrenPerAgent: 5,        // 每个 Agent 最多 5 个子任务
        maxConcurrent: 8,              // 全局并发上限
        model: "anthropic/claude-sonnet-4-5",  // sub-agents 使用更便宜的模型
        runTimeoutSeconds: 900         // 单个任务最多 15 分钟
      }
    }
  },

  bindings: [
    {
      agentId: "director",
      match: { channel: "feishu", accountId: "dev-team" }
    }
  ],

  channels: {
    feishu: {
      enabled: true,
      dmPolicy: "pairing",  // 私聊需要配对
      accounts: {
        dev-team: {
          appId: "cli_xxx",
          appSecret: "xxx",
          botName: "AI 研发助手"
        }
      }
    }
  }
}

关键配置说明

  • maxSpawnDepth: 2:允许 Director 调用 Agent,Agent 还可以再调用其他工具(2 层嵌套)
  • maxChildrenPerAgent: 5:控制并发,避免资源耗尽
  • model: "anthropic/claude-sonnet-4-5":sub-agents 用便宜的模型,Director 用高质量模型
  • bindings:飞书账号绑定到 Director,其他 Agent 不直接与用户交互

步骤 3:配置飞书集成

3.1 安装飞书插件

代码语言:javascript
复制
openclaw plugins install @openclaw/feishu

3.2 创建飞书应用

访问飞书开放平台:https://open.feishu.cn/app

  1. 创建企业自建应用
  2. 复制 App ID 和 App Secret
  3. 配置权限(批量导入):
代码语言:javascript
复制
{
  "scopes": {
    "tenant": [
      "aily:file:read",
      "aily:file:write",
      "im:message",
      "im:message.group_at_msg:readonly",
      "im:message.p2p_msg:readonly",
      "im:message:readonly",
      "im:message:send_as_bot"
    ]
  }
}
  1. 启用机器人能力
  2. 配置事件订阅:选择「使用长连接接收事件」(WebSocket,无需公网 URL)
  3. 添加事件:im.message.receive_v1
  4. 发布应用并等待审核通过

3.3 配置环境变量

代码语言:javascript
复制
export FEISHU_APP_ID="cli_xxx"
export FEISHU_APP_SECRET="xxx"

3.4 获取群组 ID

在飞书群组中 @机器人,然后查看日志:

代码语言:javascript
复制
openclaw logs --follow

日志会显示群组 ID(格式:oc_xxx),将其填入 bindings 配置。

步骤 4:编写 Director 的 SOUL.md

代码语言:javascript
复制
# Director - 项目调度

你是项目调度专家,负责协调 Analyst、Developer、Reviewer、Tester 完成研发任务。

## 核心职责

1. **接收需求**:理解用户的自然语言需求
2. **任务拆解**:将需求分解为可执行的子任务
3. **资源调度**:调用合适的 Agent 完成子任务
4. **进度追踪**:监控任务执行状态
5. **结果汇总**:整合所有子任务结果,向用户汇报

## 可调用的 Agent

### Analyst(需求分析师)
- **ID**: `analyst`
- **能力**: 分析需求、生成 PRD、设计 API 接口
- **输出**: Markdown 格式的需求文档

### Developer(开发者)
- **ID**: `developer`
- **能力**: 根据需求文档编写代码
- **输出**: 完整的代码文件

### Reviewer(代码审查员)
- **ID**: `reviewer`
- **能力**: 审查代码质量、发现潜在问题
- **输出**: 审查报告和改进建议

### Tester(测试工程师)
- **ID**: `tester`
- **能力**: 编写测试用例、执行测试
- **输出**: 测试报告

## 标准工作流程

### 流程 1:新功能开发
用户:"开发一个用户登录功能"

1. 调用 Analyst:
   {
     "task": "分析用户登录功能的需求,生成 PRD 和 API 设计",
     "agentId": "analyst",
     "mode": "run"
   }

2. 调用 Developer:
   {
     "task": "根据 Analyst 的输出,实现用户登录功能代码",
     "agentId": "developer",
     "mode": "run"
   }

3. 调用 Reviewer:
   {
     "task": "审查 Developer 的代码,检查安全性和代码质量",
     "agentId": "reviewer",
     "mode": "run"
   }

4. 调用 Tester:
   {
     "task": "为登录功能编写测试用例并执行测试",
     "agentId": "tester",
     "mode": "run"
   }

5. 汇总结果并汇报


### 流程 2:Bug 修复
用户:"修复登录页面的报错"

1. 调用 Analyst:
   {
     "task": "分析登录页面报错的原因,定位问题",
     "agentId": "analyst",
     "mode": "run"
   }

2. 调用 Developer:
   {
     "task": "根据 Analyst 的问题定位,修复代码",
     "agentId": "developer",
     "mode": "run"
   }

3. 调用 Tester:
   {
     "task": "验证修复是否有效,执行回归测试",
     "agentId": "tester",
     "mode": "run"
   }

4. 汇总结果并汇报

## 调用方式

使用 `sessions_spawn` 工具调用子 Agent:

```json
{
  "task": "任务描述",
  "agentId": "analyst",
  "mode": "run",
  "runTimeoutSeconds": 600
}

## 汇报格式
✅ 任务完成

📋 需求分析:
- PRD 文档:已生成
- API 设计:已完成

💻 代码开发:
- 文件数:3 个
- 代码行数:150 行

🔍 代码审查:
- 审查结果:通过
- 改进建议:2 条

✅ 测试验证:
- 测试用例:10 个
- 通过率:100%

⏱️ 总耗时:8 分钟
💰 成本:$0.15

## 注意事项

1. **并发控制**:最多同时运行 5 个子任务
2. **超时管理**:单个任务最多 15 分钟
3. **错误处理**:如果某个子任务失败,继续执行其他任务,最后汇总错误信息
4. **结果验证**:检查子任务的输出是否完整,必要时重新执行

步骤 5:编写其他 Agent 的 SOUL.md

下面是其他 4 个 Agent 的 SOUL.md 配置内容,保存到对应的 workspace 目录中。

Analyst(需求分析师)

文件路径:~/.openclaw/workspace-analyst/SOUL.md

核心职责:分析需求、生成 PRD、设计 API 接口

主要输出格式:

  • PRD 文档(包含需求背景、功能描述、用户故事、功能清单、API 设计)
  • API 设计(RESTful 接口规范)
  • 技术方案评估

关键要求:

  • 需求明确:避免模糊表述,每个需求都应该是可测试的
  • 技术可行:评估技术实现难度,给出合理建议
  • 边界情况:考虑异常情况和错误处理

Developer(开发者)

文件路径:~/.openclaw/workspace-developer/SOUL.md

核心职责:根据 PRD 实现功能代码

技术栈:

  • 语言:Python / JavaScript / Go
  • 框架:FastAPI / Express / Gin
  • 数据库:PostgreSQL / MongoDB

代码规范:

  1. 命名规范:使用有意义的变量名和函数名
  2. 代码结构:模块化、单一职责
  3. 注释规范:函数注释、复杂逻辑注释
  4. 错误处理:不捕获泛型异常,记录详细日志

输出格式:代码文件清单(包含文件路径、行数、功能说明)

关键要求:

  • 安全性:防止 SQL 注入、XSS 攻击
  • 性能:避免 N+1 查询、使用索引
  • 可测试性:代码应该易于单元测试

Reviewer(代码审查员)

文件路径:~/.openclaw/workspace-reviewer/SOUL.md

核心职责:审查代码质量和安全性

审查清单:

  • 安全性:SQL 注入、XSS 攻击、CSRF 保护、敏感信息泄露、权限控制
  • 代码质量:可读性、命名规范、注释完整性、错误处理、代码复用
  • 性能:数据库查询优化、缓存使用、异步处理、资源泄漏

输出格式:代码审查报告(包含审查结果、问题清单、改进建议、总体评价)

问题分级:

  • 🔴 严重问题(必须修复)
  • 🟡 中等问题(建议修复)
  • 🟢 轻微问题(可选修复)

关键要求:

  • 客观公正:基于事实和标准进行审查
  • 建设性:不仅指出问题,还要给出解决方案
  • 优先级:区分严重、中等、轻微问题

Tester(测试工程师)

文件路径:~/.openclaw/workspace-tester/SOUL.md

核心职责:编写测试用例并执行测试

测试类型:

  1. 单元测试:测试单个函数或模块
  2. 集成测试:测试模块之间的协作
  3. API 测试:测试 API 接口的正确性
  4. 边界测试:测试边界条件和异常情况

输出格式:测试报告(包含测试概览、通过的用例、失败的用例、建议)

测试用例模板:

  • 前置条件
  • 测试步骤
  • 预期结果
  • 实际结果

关键要求:

  • 覆盖率:确保测试覆盖主要功能路径
  • 独立性:测试用例之间应该相互独立
  • 可重复:测试结果应该可重复执行

完整的 SOUL.md 配置文件内容较长,请参考 Director 的 SOUL.md 格式,根据上述核心要点编写每个 Agent 的详细配置。

步骤 6:配置 Skills(可选)

如果需要 Agent 执行脚本(如代码分析、测试运行),可以配置 Skills。

示例:代码分析 Skill

代码语言:javascript
复制
~/.openclaw/skills/code-analyzer/
├── SKILL.md
└── scripts/
    └── analyze.py

SKILL.md

代码语言:javascript
复制
---
name: code-analyzer
description: Analyze code quality and complexity
metadata:
  {
    "openclaw":
      {
        "requires": { "bins": ["python3"], "env": [] }
      }
  }
---

# 代码分析工具

## 功能
- 分析代码复杂度
- 检查代码规范
- 生成质量报告

## 使用方法

```bash
python3 scripts/analyze.py <file_path>
```

## 输出示例
代码复杂度:中等
- 圈复杂度:8(建议 < 10)
- 代码行数:150
- 函数数量:5

代码规范:
- ✅ 命名规范符合 PEP 8
- ✅ 注释覆盖率 60%
- ⚠️ 存在过长函数(>50 行)

建议:
1. 拆分 process_user_data 函数
2. 增加单元测试

在 Agent 中启用 Skill

代码语言:javascript
复制
// ~/.openclaw/workspace-reviewer/.openclaw/skills.json
{
  "skills": [
    {
      "path": "~/.openclaw/skills/code-analyzer",
      "enabled": true
    }
  ]
}

步骤 7:启动系统

代码语言:javascript
复制
# 启动 OpenClaw Gateway
openclaw start

# 查看日志
openclaw logs --follow

# 检查状态
openclaw status

完整工作流示例

场景:用户在飞书群组中提出需求

代码语言:javascript
复制
用户 @AI 研发助手:
开发一个用户登录功能,支持邮箱密码登录和 GitHub OAuth

系统执行流程

Director 接收消息

  • 识别为「新功能开发」任务
  • 拆解为 4 个子任务

调用 Analyst

代码语言:javascript
复制
{
  "task": "分析用户登录功能需求(邮箱密码 + GitHub OAuth),生成 PRD 和 API 设计",
  "agentId": "analyst",
  "mode": "run",
  "runTimeoutSeconds": 600
}
  • Analyst 生成 PRD 文档
  • 设计 3 个 API 接口(登录、注册、OAuth 回调)

调用 Developer

代码语言:javascript
复制
{
  "task": "根据 PRD 实现用户登录功能(邮箱密码 + GitHub OAuth)",
  "agentId": "developer",
  "mode": "run",
  "runTimeoutSeconds": 900
}
  • Developer 生成 5 个代码文件
  • 包含认证逻辑、数据库模型、API 路由

调用 Reviewer

代码语言:javascript
复制
{
  "task": "审查登录功能的代码质量和安全性",
  "agentId": "reviewer",
  "mode": "run",
  "runTimeoutSeconds": 600
}
  • Reviewer 发现 2 个安全问题
  • 提供 3 条改进建议

调用 Tester

代码语言:javascript
复制
{
  "task": "为登录功能编写测试用例并执行测试",
  "agentId": "tester",
  "mode": "run",
  "runTimeoutSeconds": 600
}
  • Tester 编写 12 个测试用例
  • 执行测试,通过率 92%

Director 汇总结果

  • 生成完整报告
  • 返回给飞书群组

输出示例

代码语言:javascript
复制
✅ 任务完成

📋 需求分析:
- PRD 文档:已生成(3 个 API 接口)
- OAuth 流程:已设计

💻 代码开发:
- 文件数:5 个
  - src/api/auth.py(认证接口)
  - src/models/user.py(用户模型)
  - src/services/oauth.py(OAuth 服务)
  - src/utils/jwt.py(JWT 工具)
  - src/config.py(配置文件)

🔍 代码审查:
- 审查结果:需要修改
- 🔴 严重问题:2 个
  1. SQL 注入风险(auth.py:25)
  2. 密码明文存储(user.py:30)
- 改进建议:3 条

✅ 测试验证:
- 测试用例:12 个
- 通过:11 个
- 失败:1 个
- 通过率:92%

⚠️ 需要修复的问题:
1. 修复 SQL 注入风险(使用参数化查询)
2. 密码加密存储(使用 bcrypt)
3. 修复失败的测试用例

⏱️ 总耗时:12 分钟
💰 成本:$0.22
工作流程图:从需求到代码的完整流程
工作流程图:从需求到代码的完整流程

图 4:从需求到代码的完整工作流程(8 个步骤)

4. 技术细节

Sub-Agents 的工具策略

默认策略:Sub-agents 获得除会话工具外的所有工具

  • sessions_list
  • sessions_history
  • sessions_send
  • sessions_spawn

maxSpawnDepth >= 2,深度 1 的编排器额外获得:

  • sessions_spawn
  • subagents
  • sessions_list
  • sessions_history

自定义策略(限制 sub-agents 的权限):

代码语言:javascript
复制
{
  tools: {
    subagents: {
      tools: {
        deny: ["gateway", "cron", "write"]
      }
    }
  }
}

Announce 机制(结果回调)

Sub-agents 通过 announce 步骤报告结果:

  1. 深度 2 工作者完成 → 宣布给父节点(深度 1 编排器)
  2. 深度 1 编排器合成结果 → 宣布给主 Agent
  3. 主 Agent 接收并传达给用户

Announce 载荷包含

  • 源(subagentcron
  • 子会话 key/id
  • 状态(successerrortimeout
  • 结果内容
  • 运行时统计(时间、token 使用、成本)

成本优化

关键策略:为 sub-agents 使用更便宜的模型

代码语言:javascript
复制
{
  agents: {
    defaults: {
      subagents: {
        model: "anthropic/claude-sonnet-4-5"  // 比 Opus 便宜 5 倍
      }
    }
  }
}

成本对比(以生成 5 个代码文件为例):节省:80%

模型

输入 token

输出 token

成本

Claude Opus 4

50,000

10,000

$1.50

Claude Sonnet 4.5

50,000

10,000

$0.30

5. 最佳实践

1. Agent 设计原则

推荐做法

  • 每个 Agent 专注单一职责(单一职责原则)
  • SOUL.md 清晰说明职责边界和输出格式
  • 提供具体的示例和模板
  • 明确错误处理和重试逻辑

避免做法

  • 一个 Agent 承担多个不相关的职责
  • SOUL.md 写得过于笼统
  • 没有明确的输出格式
  • 忽略异常情况

2. 配置管理

推荐做法

  • 每个 Agent 使用独立的 workspace
  • 使用版本控制管理 SOUL.md
  • 配置合理的超时和并发限制
  • 为 sub-agents 设置成本较低的模型

避免做法

  • 多个 Agent 共享同一个 workspace
  • 硬编码敏感信息(使用环境变量)
  • 不设置超时限制(可能无限运行)
  • 所有 Agent 都用最贵的模型

3. 错误处理

推荐做法

  • Director 监控所有子任务状态
  • 单个子任务失败不影响其他任务
  • 记录详细错误日志
  • 提供重试机制

避免做法

  • 忽略子任务失败
  • 一个任务失败就停止整个流程
  • 错误信息不清晰
  • 没有重试机制

4. 飞书集成

推荐做法

  • 使用 WebSocket 长连接(无需公网 URL)
  • 配置完整的权限列表
  • 设置 dmPolicy: "pairing" 控制访问
  • 群聊默认启用 requireMention: true

避免做法

  • 使用 webhook 模式(需要公网 URL)
  • 权限配置不完整
  • 开放所有用户访问
  • 群聊中过度响应(打扰用户)

5. 性能优化

推荐做法

  • 批量处理相似任务
  • 使用 Prompt Caching 减少重复 token
  • 设置合理的 runTimeoutSeconds
  • 监控 token 使用和成本

避免做法

  • 逐个处理任务(效率低)
  • 频繁重复相同的 prompt
  • 不设置超时(可能无限运行)
  • 不监控成本

6. 常见问题

Q:Sub-agents 能访问主 Agent 的记忆吗?

A:不能。每个 Agent 拥有独立的 workspace 和 memory。如果需要共享数据,可以通过:

  • 飞书多维表格
  • 共享文件系统
  • Sub-agent 的 announce 结果传递

Q:如何调试 Sub-agents?

A:使用以下命令:

代码语言:javascript
复制
# 列出当前会话的 sub-agent 运行
openclaw subagents list

# 查看日志
openclaw subagents log <id>

# 停止 sub-agent
openclaw subagents kill <id>

Q:Sub-agents 的认证配置如何管理?

A:Sub-agent 认证按 agent id 解析:

  • Sub-agent 会话 key:agent:<agentId>:subagent:<uuid>
  • 认证存储从该 agent 的 agentDir 加载
  • 主 Agent 的认证配置作为回退合并(agent 配置优先)

Q:如何控制 Sub-agents 的权限?

A:使用工具策略配置:

代码语言:javascript
复制
{
  tools: {
    subagents: {
      tools: {
        deny: ["write", "exec", "gateway"]
      }
    }
  }
}

总结

OpenClaw 的多 Agent 协作系统,让一个人可以管理多个 AI "员工",实现从需求到代码的自动化流程。

核心价值

  1. 角色分工:5 个 Agent 各司其职,专注单一任务
  2. 自动流转:任务在 Agent 之间自动传递,无需人工干预
  3. 结果可控:每个环节都有明确的输出和质量检查
  4. 成本优化:Sub-agents 使用便宜模型,节省 80% 成本

适用场景

  • ✅ 独立开发者(一个人完成整个研发流程)
  • ✅ 小团队(自动化重复性工作)
  • ✅ 内容生产(多 Agent 协作生产内容)
  • ✅ 数据处理(采集、清洗、分析流水线)

关键配置

  • maxSpawnDepth: 2:支持编排器模式
  • model: "anthropic/claude-sonnet-4-5":Sub-agents 用便宜模型
  • maxChildrenPerAgent: 5:控制并发
  • 飞书 WebSocket 长连接:无需公网 URL

这套系统已经在实际项目中验证过。根据社区反馈,使用多 Agent 协作后,从需求到代码的完整流程,可以从传统的 1-2 天缩短到 15-30 分钟。

如果你也在用 OpenClaw,欢迎在评论区分享你的多 Agent 协作实践。

相关资源

OpenClaw 官方文档:https://docs.openclaw.ai/

Sub-Agents 文档:https://docs.openclaw.ai/tools/subagents

飞书集成文档:https://docs.openclaw.ai/channels/feishu

GitHub 仓库:https://github.com/openclaw/openclaw

好啦,谢谢你观看我的文章,如果喜欢可以点赞转发给需要的朋友,我们下一期再见!敬请期待!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2026-03-08,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 运维有术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. 这是什么?
  • 2. 两种协作模式对比
    • 模式一:Multi-Agent Routing(隔离路由)
    • 模式二:Sub-Agents(协作调用)
    • 什么时候用哪种?
  • 3. 实战:搭建研发协作系统
    • 架构设计
    • 配置文件结构
    • 步骤 1:创建 Agent 工作空间
    • 步骤 2:配置 openclaw.json
    • 步骤 3:配置飞书集成
    • 步骤 4:编写 Director 的 SOUL.md
    • 步骤 5:编写其他 Agent 的 SOUL.md
    • 步骤 6:配置 Skills(可选)
    • 步骤 7:启动系统
    • 完整工作流示例
  • 4. 技术细节
    • Sub-Agents 的工具策略
    • Announce 机制(结果回调)
    • 成本优化
  • 5. 最佳实践
    • 1. Agent 设计原则
    • 2. 配置管理
    • 3. 错误处理
    • 4. 飞书集成
    • 5. 性能优化
  • 6. 常见问题
  • 总结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档