电影《睡衣晚会大屠杀2》剧情说明
2026-08-04 3439678
2026-08-04 0
在 AI 应用的进阶阶段，单一的全能型 Bot 往往难以满足复杂场景的需求。通过 OpenClaw 配置多 Agent，你可以将“一个人”拆解为一支分工明确的 AI 团队。本指南将带你从架构选择到实战配置，完成多 Agent 的部署。
在开始配置前，你需要根据需求选择合适的部署模式。OpenClaw 主要支持两种方案：
| 部署模式 | 核心逻辑 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|---|
| 单 Gateway 多 Agent | 在同一配置文件中定义多个 Agent，共享一个网关进程和文件系统。 | 资源占用低，配置简单，Agent 间文件共享与通信便捷。 | 故障隔离性差，一个 Agent 崩溃可能影响整体；安全性相对较低。 | 个人使用、小团队，需要 Agent 协作的轻量级场景。 |
| 双 Gateway 独立部署 | 启动多个独立的 OpenClaw 进程，拥有完全隔离的配置和文件系统。 | 完全隔离，安全性高，单点故障不影响全局。 | 资源占用高（内存），配置复杂，端口易冲突，数据互通困难。 | 多团队共用服务器、处理敏感数据或需要极致隔离的场景。 |
建议：新手及大多数协作场景推荐使用“单 Gateway”模式。
我们将以“单 Gateway”模式为例，搭建一个包含“博客写作”和“代码开发”的 AI 团队。
1. 创建 Agent
首先，通过命令行创建具有独立工作空间的 Agent。这将自动在配置文件中注册 Agent 信息。
# 创建博客助手 Agent，指定独立的工作目录openclaw agents add blog --workspace ~/.openclaw/workspace-blog# 创建开发助手 Agentopenclaw agents add coding --workspace ~/.openclaw/workspace-coding# 验证创建结果openclaw agents list
2. 配置模型与角色
设置模型：为不同 Agent 分配适合其任务的模型。注意使用模型别名而非带日期的完整 ID，以确保自动更新。
# 为 blog Agent 配置高性能模型openclaw config patch agents.list.1.model "anthropic/claude-sonnet-4-5"
定义角色（SOUL.md）：进入对应 Agent 的工作空间，编写 SOUL.md 文件，明确其身份。
~/.openclaw/workspace-blog/SOUL.md
# SOUL.md - 博客助手## 角色定位- 专注于技术博客写作，风格专业且通俗易懂。- 熟悉 Markdown 格式与博客发布流程。- 不得执行系统命令或访问非授权目录。
~/.openclaw/workspace-coding/SOUL.md
# SOUL.md - 开发助手## 角色定位- 专注于代码生成、调试与优化。- 熟悉主流编程语言与 Git 工作流。- 可以在指定项目目录下执行代码操作。
3. 踩坑避雷
严禁手动创建 BOOTSTRAP.md：该文件是 Agent 的初始化任务清单，由系统自动生成和删除。若手动创建且内容不完整，Agent 会卡在初始化状态无法启动。若发生卡顿，请检查并删除该文件后重启网关。
开启会话可见性：这是 Agent 协同的最关键一步。若不开启，Agent 之间将无法“看见”彼此，协作无从谈起。需在 openclaw.json 中配置：
{ "tools": { "sessions": { "visibility": "all" } }}当配置好多个 Agent 后，你可以通过“主 Agent”调度“子 Agent”来完成复杂任务。
1. 配置通信白名单
允许特定 Agent 进行跨会话通信，确保安全。
{ "tools": { "agentToAgent": { "enabled": true, "allow": ["main", "blog", "coding"], // 允许这些 Agent 相互通信 "historyLimit": 50 } }}2. 协同实战示例
假设用户指令：“写一篇关于 Kubernetes 的技术博客，并附带演示代码。”
1.主 Agent（main） 接收指令，分析任务需要“内容创作”和“代码生成”。
2.调度写作：主 Agent 调用 sessions_send 指令，将写作任务发送给 blog Agent。
指令：sessions_send --agent blog --message "撰写一篇关于 Kubernetes 核心概念的文章，要求通俗易懂..."
3.调度开发：主 Agent 同时将代码需求发送给 coding Agent。
指令：sessions_send --agent coding --message "生成一个简单的 Kubernetes Deployment YAML 示例..."
4.结果汇总：blog 和 coding Agent 并行工作完成后，将结果返回给主 Agent，由主 Agent 整合最终回复给用户。
通过这种模式，你可以将复杂的任务拆解，让专业的 Agent 处理专业的事情，从而构建一个 24 小时在线的高效 AI 团队。
搞定配置后，需要我再写个自动化的 Shell 脚本来一键部署这套环境吗？