OpenClaw多Agent实操：一个人指挥一支AI军队

上一篇文章聊了怎么省Token，结果评论区风向完全变了——大家最关心的不是省钱，而是那个多Agent到底怎么配出来的。飞书不同群对应不同人格是怎么实现的？说白了，省钱只是基础需求，搞一个AI团队才是真爱。既然大家最感兴趣，那今天就聊聊实操逻辑。

为什么需要Multi Agent？

很多人在使用OpenClaw时，都是“一号通吃”：写文案、改代码、生图全在一个主Agent里搞定。这么做的问题其实挺明显的：

1. 记忆负担
   ：时间一长，主Agent的记忆文件（USER.md、memory/等）会变得极其臃肿。

2. 神经错乱
   ：当你让它写公众号时，它可能联想到你昨天改过的代码逻辑。上下文污染会导致AI响应变慢，甚至逻辑打架。

3. 成本高昂
   ：每次对话，它都要读取大量无关的背景资料。

所以，解决方案是：单Gateway模式 + 同一个Bot + 不同飞书群组 = 物理隔离的专家团队。这相当于给大龙虾设置了无限的分身。

这并不是简单地把同一个机器人拉进不同的群，而是让每个群里的Bot虽然看起来是同一个，但底层连接着不同的Agent、独立的工作区，甚至不同的模型。

比如：头脑风暴助手群可以配glm-4.7，利用它强大的中文创意能力；而公众号写手群可以配DeepSeek，追求极致的性价比和逻辑输出。同一个机器人，在不同群里，换个脑子干活。

每个Agent都有自己的办公室、记忆和会话，完全隔离。但它们又能通过“内线电话”互相协作——这就是OpenClaw多Agent模式的魅力所在。

两种流派：分身术 vs 独立团

有硬核网友评论说这其实就是分身术。没错，OpenClaw的灵活性就在这里。

那么到底是搞一个机器人好，还是搞一堆机器人好？

• 分身流（重点）
  ：飞书里就一个Bot，但把它拉进不同的群，通过bindings路由，自动变成不同的“大脑”。优点：配置简单，适合追求效率的个人用户。

• 独立团（硬核方案）
  ：为调研、设计、代码分别创建独立的飞书机器人。优点：角色感极强，每个机器人的头像、名字在所有群里都是固定的，完全符合多实体协作的直观感受。

无论选哪种，底层都是OpenClaw的多Agent隔离机制。本文以飞书为例演示，但Telegram、Discord同样可以接入，玩法完全相通。

今天先拆解最适合个人、门槛最低的单Bot路由模式。

核心思路：单Gateway模式

对于个人日常使用，单Gateway模式就够了。利用bindings功能实现“一号多用”，体验最丝滑，管理也最简单。

在动手配置前，先同步一个概念：在OpenClaw中，一个Agent不只是一个名字，它是一个独立的“虚拟员工”，拥有自己的：

• Workspace（工作区）
  ：个人办公室（文件、SOUL.md、提示词）。

• AgentDir（状态目录）
  ：身份证（认证信息、模型配置）。

• Sessions（会话存储）
  ：私人记忆（独立的聊天记录，不跟别人串味）。

这种隔离，才是能把任务“拆包”给不同人做、从而节省Token并防止“大脑宕机”的根本原因。

# OpenClaw Agent 配置目录
~/.openclaw/agents/video_image_creator/
├── agent/                          # Agent 配置文件夹
│   ├── auth-profiles.json          # 认证配置
│   └── models.json                 # 模型配置
└── sessions/                       # 会话记录
    ├── 40ce6280-0a92-4...128976da10e.jsonl
    ├── 69812592-0515-4...fdcc1f228c0d.jsonl
    └── sessions.json

# Agent 工作目录(workspace)
~/.openclaw/workspace-video_image_creator/
├── .git/
├── AGENTS.md                       # Agent 文档
├── BOOTSTRAP.md                    # 启动文档
├── HEARTBEAT.md                    # 心跳监控文档
├── IDENTITY.md                     # Agent 身份定义
├── PROMPT.md                       # 提示词模板
├── SOUL.md                         # Agent 灵魂/个性定义
├── TOOLS.md                        # 工具使用文档
├── USER.md                         # 用户信息
└── memory/                         # 记忆存储

实操配置

Step 1. 通过命令行添加新Agent

最简单的方法。使用内置向导创建一个隔离的Agent：

openclaw agents add work 
    --model zai/glm-4.7 
    --workspace ~/.openclaw/workspace-work

这会自动在配置文件中创建一个名为work的新Agent。

员工招募进来了，办公室（Workspace）也分好了，接下来得给它发一张显眼的“工牌”，好让我们在飞书群里一眼认出它：

openclaw agents set-identity --agent work --name "全能小秘书" --emoji "?"

Step 2. 编写“入职材料”，把AI捏出灵魂

在每个Agent的独立工作区（Workspace）下，强烈建议配置SOUL.md、AGENTS.md和USER.md。如果说命令行给了Agent身体，那么这些文件就赋予了它大脑和记忆。这种基于文件的管理方式，不仅让AI的表现更稳定、可控，也让自动化工作流真正具备了“专业直觉”。

可以根据自己的ID来灵活调整。比如建的是coder，那SOUL.md就要写得像个资深程序员；建的是work，就是全能管家。

Step 3. 将Agent和通信渠道绑定

首先在飞书建一个群组，然后添加群机器人：

最重要的是拿到群会话ID：

打开openclaw.json追加路由，在bindings数组中添加飞书群组规则：

{
  "bindings": [
    {
      "agentId": "work",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_d46347c35dd403daad7e5df05d08a890"
        }
      }
    }
  ]
}

实际上现在就已经配置好了这个Agent分身。但现在必须在群里@这个机器人，它才会给回复。如果想和真人聊天一样，不用每次都艾特机器人，那就把requireMention设为false。这样，这个群就变成了你和该Agent的专属私人办公室。

{
  "channels":{
    "feishu":{
      "enabled":true,
      "appId":"cli_a9f21xxxxx89bcd",
      "appSecret":"w6cPunaxxxxBl1HHtdF",
      "domain":"feishu",
      "connectionMode":"websocket",
      "dmPolicy":"allowlist",
      "allowFrom":[
        "ou_f0ad95cf147949e7f30681a879a5f0d3"
      ],
      "groupPolicy":"open",
      "groups":{
        "oc_d46347c35dd403daad7e5df05d08a890":{
          "requireMention":false
        },
        "oc_598146241198039b8d9149ded5fb390b":{
          "requireMention":false
        },
        "oc_b1c331592eaa36d06a05c64ce4ecb113":{
          "requireMention":false
        }
      }
    }
  }
}

另外需要同时开放飞书权限：im:message.group_msg，两者配合才有效果。

Agent之间如何通信

很多小伙伴觉得多Agent就是各干各的，其实不然。多Agent模式的核心意义在于：安排一个Agent负责监督，当其他执行任务的Agent卡住或出错时，监督者能及时介入进行修复工作，确保流程不至于中断。

有了各司其职的专家，接下来最关键的就是让它们协作起来。在系统里，机器人首席牛马官的背后，其实是一个严密的组织架构。

首席牛马官：你的AI部门主管

设定一个名为main（首席牛马官）的主Agent。它的核心职责不是自己埋头干活，而是“接单”与“派单”：

• 接住需求
  ：直接对接所有原始指令。

• 精准调度
  ：判断任务类型，然后像主管一样喊对应的Agent起来干活。比如让brainstorm去做头脑风暴，让writer去写公众号文章，或者让coder去写代码。

• 串联全场
  ：它是整个流程的指挥官，负责把各个环节串联起来，确保任务不掉链子。

核心机制：sessions_send

Agent之间相互通信并不是靠大声喊，而是通过OpenClaw内置的sessions_send工具实现的。简单理解，这就是它们之间的“内线电话”。

硬核配置：开启agentToAgent

要让“内线电话”打得通，必须在配置文件里给它们开通权限。这涉及到agentToAgent的关键配置：

1. 必须启用
   ：首先将enabled设置为true。

2. 设置白名单
   ：在allow列表里明确规定谁能跟谁说话。

比如，想让首席牛马官（main）能够指挥专门负责生图的mulerun以及其他agent，配置如下：

{
  "tools":{
    "agentToAgent":{
      "enabled":true,
      "allow":[
        "main",
        "mulerun",
        "brainstorm",
        "writer",
        "coder"
      ]
    }
  }
}

通过这种配置，首席牛马官就获得了给mulerun下达指令的权限。复杂任务就会被拆解并在专家之间流转，而你只需要在飞书里对“首席牛马官”发号施令即可。

写在最后

搞定了多Agent架构，手里已经握着一支随时待命的AI军队了。但要让这支军队真正产生战斗力，重点不在于堆砌模型，而在于作为“架构师”的组织设计。

AI时代，一个人就是一支军队。与其强求一个AI像超人一样无所不能，不如像组建公司一样，设计出最适合的团队协作模式。

在这个设想里，“牛马团队”可以进化出几种高级阵法：

• 线性流水线
  ：前置Agent交付，后置Agent接力。比如：调研员挖深度资料 -> 写手出初稿 -> 校审官降噪纠错。

• 依赖并行
  ：复杂任务拆解，多路齐头并进。比如：架构师定大框架，后端和前端专家同时开工，最后交给质量监督统一把关。

你的牛马团队目前是怎么分工的？是打算搭建一套高效的流水线，还是设计一个复杂的并行阵法？