OpenClaw 多 Agent 搭建指南：让 AI 团队协作起来

~/.openclaw/agents/<agentId>/
├── agent/                    # 身份层
│   ├── auth-profiles.json    # API 密钥配置
│   └── models.json           # 模型选择
└── sessions/                 # 状态层
    ├── <session-id>.jsonl    # 独立聊天记录
    └── sessions.json         # 会话索引

~/.openclaw/workspace-<agentId>/
├── SOUL.md                   # 人格定义
├── AGENTS.md                 # 行为规则
├── USER.md                   # 用户画像
├── PROMPT.md                 # 提示词模板
├── IDENTITY.md               # 身份定义
└── memory/                   # 记忆存储

优先级 1: 精确 peer 匹配（私聊/群组 ID）
优先级 2: 父级 peer 匹配（话题继承）
优先级 3: guildId + 角色（Discord 专用）
优先级 4: guildId 匹配
优先级 5: teamId（Slack 专用）
优先级 6: accountId 匹配
优先级 7: 频道级别匹配
优先级 8: 默认 Agent 兜底

# 创建写作 Agent，使用 DeepSeek（性价比高）
openclaw agents add writer \
  --model deepseek/deepseek-chat \
  --workspace ~/.openclaw/workspace-writer

# 创建研究 Agent，使用 GPT-4o（擅长联网搜索和信息综合）
openclaw agents add researcher \
  --model openai/gpt-4o \
  --workspace ~/.openclaw/workspace-researcher

# 创建编码 Agent，使用 Claude（代码理解最强）
openclaw agents add coder \
  --model anthropic/claude-sonnet-4-6 \
  --workspace ~/.openclaw/workspace-coder

# Writer Agent

## 角色
你是一名资深技术内容写手。你的专长是把复杂的技术话题
变成清晰、有吸引力的文章。

## 风格
- 每篇文章用一个贴近生活的场景或反直觉的观点开头
- 段落要短——适合手机阅读
- 用类比解释复杂概念
- 结尾有明确的行动号召

## 边界
- 不用"不言而喻""众所周知"之类的废话
- 每个技术术语首次出现时解释清楚
- 守好自己的领地——不写代码，不做调研

# 工作标准

## 输出格式
- 所有文章用 Markdown
- 标题层级：H2 > H3 > H4，最多三级
- 代码块必须标明语言

## 工作流程
1. 先写大纲，获得确认后再写正文
2. 每段不超过 150 字
3. 提交前自查 SEO 要素

# 用户画像

## 身份
专注 AI 工具和开发者效率的技术博主。

## 偏好
- 语气：专业但不死板
- 受众：对 AI 感兴趣的开发者和产品经理
- 发布平台：个人博客 + 社交媒体

openclaw agents set-identity --agent writer --name "Writer" --emoji "pen"
openclaw agents set-identity --agent researcher --name "Researcher" --emoji "mag"
openclaw agents set-identity --agent coder --name "Coder" --emoji "zap"

{
  "bindings": [
    {
      "agentId": "writer",
      "match": {
        "channel": "telegram",
        "peer": {
          "kind": "group",
          "id": "-1001234567890"
        }
      }
    },
    {
      "agentId": "researcher",
      "match": {
        "channel": "telegram",
        "peer": {
          "kind": "group",
          "id": "-1009876543210"
        }
      }
    },
    {
      "agentId": "coder",
      "match": {
        "channel": "telegram",
        "peer": {
          "kind": "group",
          "id": "-1005551234567"
        }
      }
    }
  ]
}

{
  "channels": {
    "telegram": {
      "enabled": true,
      "botToken": "123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11"
    }
  }
}

{
  "bindings": [
    {
      "agentId": "writer",
      "match": {
        "channel": "feishu",
        "peer": {
          "kind": "group",
          "id": "oc_abc123def456"
        }
      }
    }
  ],
  "channels": {
    "feishu": {
      "enabled": true,
      "appId": "cli_a9f21xxxxx89bcd",
      "appSecret": "w6cPunaxxxxBl1HHtdF",
      "groups": {
        "oc_abc123def456": { "requireMention": false }
      }
    }
  }
}

用户发送请求 → 主 Agent 接收
                  ↓
            分析任务类型
            ↙     ↓      ↘
     researcher  writer   coder
            ↘     ↓      ↙
            汇总结果
                  ↓
            主 Agent 回复用户

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

# Main Agent - SOUL.md

## 角色
你是团队协调人。你的职责：

1. **接收**：理解用户的请求
2. **路由**：识别任务类型，分配给合适的专家
3. **审核**：检查专家的输出质量
4. **汇报**：汇总结果，回复用户

## 路由规则
- 调研、事实核查、数据收集 → @researcher
- 写文章、内容编辑 → @writer
- 写代码、调试、技术实现 → @coder
- 简单问题、日常闲聊 → 自己处理

## 通信格式
分派任务时，始终包含：
- 清晰的任务描述
- 期望的输出格式
- 用户请求中的相关上下文

# 通过 ClawHub 安装（注意：命令是 clawdhub，带 d）
clawdhub install tavily-search

# 添加到 shell 配置文件或 .env
export TAVILY_API_KEY="tvly-xxxxxxxxxxxxxxxx"

{
  "agents": {
    "list": [
      {
        "id": "researcher",
        "tools": {
          "allow": ["tavily-search", "browser", "read"],
          "deny": ["exec", "write"]
        }
      },
      {
        "id": "writer",
        "tools": {
          "allow": ["read"],
          "deny": ["tavily-search", "exec"]
        }
      },
      {
        "id": "coder",
        "tools": {
          "allow": ["exec", "read", "write"],
          "deny": ["tavily-search", "browser"]
        }
      }
    ]
  }
}

# 安装 proactive-agent（已从 proactive-agent-1-2-4 更名）
clawdhub install proactive-agent

用户请求
    ↓
┌──────────┐    ┌──────────┐    ┌──────────┐
│ Researcher│ →  │  Writer  │ →  │ Reviewer │
└──────────┘    └──────────┘    └──────────┘
                                      ↓
                                 最终输出

第 1 步: @researcher "查找 Claude 4.6 vs GPT-4o 最新基准测试"
第 2 步: @writer "根据这些调研写一篇对比文章: {researcher_output}"
第 3 步: @reviewer "检查这篇草稿的准确性和可读性: {writer_output}"
第 4 步: Supervisor 汇总并交付最终结果

         用户请求
              ↓
       ┌──────────────┐
       │  Task Splitter │
       └──┬────┬────┬──┘
          ↓    ↓    ↓      ← 同时执行
       ┌───┐ ┌───┐ ┌───┐
       │ A │ │ B │ │ C │
       └─┬─┘ └─┬─┘ └─┬─┘
         ↓     ↓     ↓
       ┌──────────────┐
       │  Aggregator   │
       └──────────────┘

         用户请求
              ↓
      ┌───────────────┐
      │  Supervisor    │
      │  (main agent)  │
      └──┬─────┬───┬──┘
         ↓     ↓   ↓
      ┌───┐ ┌───┐ ┌───┐
      │ A │ │ B │ │ C │
      └───┘ └───┘ └───┘
         ↓     ↓   ↓
      ┌───────────────┐
      │  审核 & 输出    │
      └───────────────┘

{
  "agents": {
    "list": [
      {
        "id": "main",
        "workspace": "~/.openclaw/workspace-main",
        "model": "anthropic/claude-sonnet-4-6"
      },
      {
        "id": "writer",
        "workspace": "~/.openclaw/workspace-writer",
        "model": "deepseek/deepseek-chat"
      },
      {
        "id": "researcher",
        "workspace": "~/.openclaw/workspace-researcher",
        "model": "openai/gpt-4o"
      },
      {
        "id": "coder",
        "workspace": "~/.openclaw/workspace-coder",
        "model": "anthropic/claude-sonnet-4-6"
      }
    ]
  },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["main", "writer", "researcher", "coder"]
    }
  },
  "bindings": [
    {
      "agentId": "main",
      "match": {
        "channel": "telegram",
        "peer": { "kind": "group", "id": "-1001234567890" }
      }
    }
  ]
}

      ┌───┐  ←→  ┌───┐
      │ A │       │ B │
      └─┬─┘      └─┬─┘
        ↕    ←→    ↕
      ┌───┐  ←→  ┌───┐
      │ C │       │ D │
      └───┘       └───┘

单 Agent + 工具
    ↓ (上下文开始污染)
单 Agent + 技能
    ↓ (记忆膨胀、成本爆炸)
Supervisor + 2-3 个专家 Agent
    ↓ (需要更复杂的协作)
Pipeline / Parallel 混合
    ↓ (需要自主协调)
Swarm（高级）

开发者推送代码 → main Agent 收到通知
    ↓
@coder: "审查这个 PR，找 bug、安全问题和风格违规"
    ↓
@researcher: "检查是否有依赖包存在已知漏洞"
    ↓
main Agent 汇总审查结果 → 发送摘要到 Telegram 群
    ↓
如果通过 → 通过 coder Agent 触发部署脚本

用户: "写一篇关于最新 MCP 协议更新的文章"
    ↓
@researcher: 用 Tavily 搜索最新 MCP 新闻，阅读官方文档
    ↓
@writer: "根据这些调研写一篇文章: {research_output}"
    ↓
main Agent 审核草稿 → 需要修改就打回 → 交付最终版本

定时任务每 30 分钟触发:
    ↓
@researcher: "检查 OpenClaw、Claude Code、Cursor 的 GitHub 发布"
    ↓
如果发现新版本 → @writer: "整理变更日志摘要"
    ↓
main Agent 将预警和摘要发送到 Telegram

{
  "agentToAgent": {
    "maxContextTokens": 4000,
    "summaryMode": "auto"
  }
}

{
  "agents": {
    "list": [
      { "id": "main", "model": "anthropic/claude-sonnet-4-6" },
      { "id": "formatter", "model": "deepseek/deepseek-chat" },
      { "id": "translator", "model": "deepseek/deepseek-chat" }
    ]
  }
}

{
  "agents": {
    "list": [
      {
        "id": "writer",
        "dmScope": "agent"
      }
    ]
  }
}

## Agent 间通信格式

收到其他 Agent 的任务时，期望以下结构：
- **task**: 做什么（一句话）
- **context**: 相关背景（要点列表）
- **format**: 期望的输出格式
- **deadline**: 优先级（立即/正常/低）

返回结果时，使用：
- **status**: 完成/部分完成/失败
- **result**: 实际输出
- **notes**: 注意事项或后续跟进

{
  "channels": {
    "telegram": {
      "enabled": true,
      "botToken": "YOUR_BOT_TOKEN"
    }
  },
  "agents": {
    "defaultAgent": "main",
    "list": [
      {
        "id": "main",
        "workspace": "~/.openclaw/workspace-main",
        "model": "anthropic/claude-sonnet-4-6"
      },
      {
        "id": "writer",
        "workspace": "~/.openclaw/workspace-writer",
        "model": "deepseek/deepseek-chat",
        "dmScope": "agent"
      },
      {
        "id": "coder",
        "workspace": "~/.openclaw/workspace-coder",
        "model": "anthropic/claude-sonnet-4-6",
        "dmScope": "agent"
      }
    ]
  },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["main", "writer", "coder"]
    }
  },
  "bindings": [
    {
      "agentId": "main",
      "match": {
        "channel": "telegram",
        "peer": { "kind": "group", "id": "YOUR_MAIN_GROUP_ID" }
      }
    },
    {
      "agentId": "writer",
      "match": {
        "channel": "telegram",
        "peer": { "kind": "group", "id": "YOUR_WRITER_GROUP_ID" }
      }
    },
    {
      "agentId": "coder",
      "match": {
        "channel": "telegram",
        "peer": { "kind": "group", "id": "YOUR_CODER_GROUP_ID" }
      }
    }
  ]
}