OpenClaw 多 Agent 配置实战：从单兵作战到团队协作
前言
当你的 AI Agent 使用场景越来越复杂——既要做自媒体写作，又要检查链上合约、分析财报、管理日常规划——单一的 Agent 就会力不从心。
OpenClaw 的多 Agent 模式，正是为了解决这个问题而生。它就像一个从”全能管家”到”专业团队”的升级，每个 Agent 各司其职，协同作战。
一、单 Agent 的四大痛点
如果使用场景单一且以对话为主，单 Agent 可能足够。但当你需要它执行多种不同类型的任务时，问题就来了：
1. 上下文窗口被填满
Agent 完成任务需要历史信息和背景知识，它会不断读取 Workspace 中的 System.md、User.md 等文件，写入大量 Memory。时间一长，回答精准度显著下降。
临时解决方案是每次任务都开新会话（/new），但这治标不治本——它依然会读写大量不相关的文件。
2. 提示词污染
每个新任务都需要详细的背景和指令。想让它写好文章，不能只说”给我写一篇”，而要提供大量上下文。每次都写详细提示词，耗费大量精力。
3. 串行工作模式
单 Agent 只能串行工作。虽然可以通过子代理并行处理，但子代理是临时的、不具备持久性，不能实时返回信息，也无法单独配置权限和模型。
4. 权限风险
单 Agent 通常是权限全开状态——既能读写文件，又能执行命令。如果被注入恶意指令，风险很高。多 Agent 可以将权限精细拆分。
二、多 Agent 模式：从管家到团队
单 Agent = 全能管家：什么都管，什么活都干
多 Agent = 专业团队：设计一个总管角色，每个具体任务安排给专门 Agent，配置不同的工具和权限，随时可加入新成员而不影响现有工作。
三大核心优势
| 优势 | 解释 |
|---|---|
| 权限隔离 | 每个 Agent 只能访问自己需要的资源，信息搜集 Agent 没必要有文件写入权限 |
| 模型个性化 | 复杂任务交给最强模型，简单任务交给快/便宜的模型，省钱又高效 |
| 专注度提升 | 每个 Agent 拥有独立的上下文、System.md、User.md、Memory，互不干扰 |
典型团队配置
| Agent | 职责 | 模型策略 | 权限 |
|---|---|---|---|
| Coordinator | 任务分配与协调 | 最强模型 | 全部 |
| Writer | 内容创作 | 中档模型 | 读写 |
| Coder | 代码开发 | 最强模型 | 执行权限 |
| Researcher | 信息搜集 | 经济模型 | 只读 |
什么时候拆，什么时候不拆？
需要拆分的场景： 需要不同的记忆和专业知识，工作流程完全独立。例如自媒体写作和 Web3 合约检查——背景完全不同，各自独立。
不需要拆分的场景： 同一项工作的不同模块。比如写一个工具的前端和后端，上下文背景一致，应该给一个 Agent 配好编程权限就够了。
三、配置实战：从零创建多 Agent
Step 1：查看当前配置
1 | openclaw dashboard |
网页 UI 左侧的”代理”页面可查看主 Agent，右侧是工作空间和设置：
- System.md / User.md 等配置文件
- 工具权限管理
- Skills 技能列表（内置 51 个）
Step 2：让 AI 推荐方案
直接和 OpenClaw 对话描述你的实际需求，例如：
我的主要工作是自媒体、副业是 Web3，此外会关注家庭资产情况、需要研读财报以及个人作息规划等
OpenClaw 会推荐多个专用 Agent，每个 Agent 的核心职责、能力要求和详细配置参考。
Step 3：命令行创建 Agent
1 | openclaw agent add Writer |
- 创建独立工作空间
Workspace_Writer - 选择从主 Agent 复制配置文件
- 配置模型（可后期修改）
- 配置渠道
Step 4：绑定 Telegram 机器人
- 在 Telegram 搜索 BotFather →
/newbot创建新 Bot → 设置名称和 UserName（必须以bot结尾） - 获得 API Token，在 OpenClaw 中配置
- 搜索 Bot 用户名 → 点击开始 → 复制配对码 → 终端中执行配对
- 完成后即可通过 Telegram Bot 给新 Agent 下达指令
Step 5：配置 Skills
OpenClaw 的 Skills 分为三层：
- 内置 Skills（51 个）— 启用后输入 API Key 即可使用
- 全局 Skills — 通过
npx openclaw skill add安装 - Agent 独立 Skills — 存放在各自 Workspace，只读取公共 Skills 和自己目录下的 Skills
新 Agent 默认只有内置 Skills，需要根据职责补充对应的工具技能。如果需要复用主 Agent 的本地 Skills，需手动复制同步。
四、Agent 日常维护
配置完成后，写入 System.md 和 User.md 是关键——可以直接让 AI 根据你的需求生成这两个文件。同时将路径命名规范等写入 Memory.md，保持一致性。
通过 Telegram 与各 Agent 沟通是最便捷的方式。每个 Agent 拥有独立的 Bot，互不干扰。
核心要点总结
- 单 Agent 四大痛点：上下文填满、提示词污染、串行工作、权限风险
- 多 Agent 三大优势：权限隔离、模型个性化、专注度提升
- 拆分原则：上下文互不干扰、工作流程独立的任务适合拆分
- Skills 分层：内置 Skills → 全局 Skills → Agent 独立 Skills
- 配置手段：Dashboard UI / 命令行 / Telegram 均可
本文内容整理自小陈同学c_z的 B站视频《OpenClaw 多 Agents 配置详细教程》，整理日期：2026-05-21。