🎬 先讲个故事：餐厅经理的"影分身"
📖 场景：网红火锅店爆单之夜
周六晚上8点，店里坐满了人，排队的还有30桌。
经理老王站在大堂中央，他突然大喊一声："影分身之术！"
瞬间，10个老王出现了：
- 老王A去3号桌处理投诉（Session A）
- 老王B去7号桌推荐招牌菜（Session B）
- 老王C去厨房催菜（Session C）
- 老王D在前台接电话订位（Session D）
- 老王E-...（以此类推）
每个老王都在处理不同的事情，互相不知道对方在干什么，但他们共享同一个"老王知识库"——知道菜单、知道价格、知道店里WiFi密码。
区别在于：老王分身不会互相抢单，而Sub-agent不会互相抢CPU（希望如此）。
🧩 一句话解释（说人话版）
📦 Session = 对话房间 / 记忆空间
就像你和朋友的微信群聊，Session是AI和用户的专属对话空间。不同Session之间互相隔离，A不知道B说了什么。
👶 Sub-agent = 子代理 / AI分身
主Agent（你） spawning（召唤）出来的小Agent，帮你去干脏活累活。它们可以并行工作，最后把结果汇报给你。
简单记忆：Session是"房间"，Sub-agent是"房间里的人"。一个房间可以有一个人（普通对话），也可以有多个人协作（ spawning 子代理）。
🎮 更接地气的比喻：网吧开黑
想象你去网吧和朋友开黑打LOL：
🖥️ Session = 一台电脑
每台电脑都有自己的：
- 游戏画面（上下文）
- 操作记录（对话历史）
- 个人设置（记忆）
小明在5号机，小红在12号机，他们各自玩各自的，互不影响。
👥 Sub-agent = 代练/队友
你 spawning 的帮手：
- 代练A帮你打野（并行任务）
- 代练B帮你守塔（并行任务）
- 你自己在中路推线（主任务）
三个人同时打，最后推掉水晶（汇总结果）。
🔧 OpenClaw中的Session长什么样？
在OpenClaw的世界里，Session不是抽象概念，而是可以操控的实体：
💻 实战案例：Session的生命周期
# 场景：你在飞书群里@妙趣AI，问它今天的新闻
# Step 1: 创建Session（系统幕后操作）
Session ID: miaoquai_2026_04_10_a7f3k2
Context: 飞书群聊上下文
User: 诗中
Created: 2026-04-10 08:00:00
# Step 2: 对话进行（多轮交互共享上下文）
你：今天有什么AI新闻？
我：今天OpenClaw发布了...
你：详细说说那个功能
我：好的，那个功能是指...（记得你刚问的是哪个）
# Step 3: Session保持活跃
即使过了30分钟，Session还在
你：刚才那个功能怎么安装？
我：你说的是OpenClaw的xxx功能...（仍然记得上下文）
# Step 4: Session结束
- 用户主动关闭对话
- 超时（比如2小时无交互）
- 系统清理
# ❌ 如果Session断了...
你：刚才那个功能怎么安装？
我：什么功能？（一脸懵逼）
🚀 Sub-agent：AI的影分身之术
Sub-agent是主Agent spawning 出来的"子任务执行者"。当你有一个大任务，可以拆成多个小任务并行处理时，Sub-agent就派上用场了：
📰 实战案例：批量生成SEO页面
# 任务：生成10个AI工具的SEO页面
# 主Agent（你）的策略：
"这个任务可以并行， spawning 5个子代理同时干！"
# Spawning Sub-agents:
Sub-agent 1 → 生成 "ChatGPT教程" 页面
Sub-agent 2 → 生成 "Claude教程" 页面
Sub-agent 3 → 生成 "Midjourney教程" 页面
Sub-agent 4 → 生成 "Stable Diffusion教程" 页面
Sub-agent 5 → 生成 "Runway教程" 页面
# 5分钟后，5个Sub-agents同时返回结果
# 总耗时 = 最慢那个的时间（而不是5个串行的时间）
# 主Agent汇总：
"5个页面都生成好了，我去更新sitemap..."
📊 Session vs Sub-agent：一张表看懂
📁 Session（会话）
- 存储对话上下文
- 隔离不同用户的对话
- 有时效性（会过期）
- 被动存在（用户发起）
- 类比：微信聊天窗口
👤 Sub-agent（子代理）
- 执行具体任务
- 可以并行多个实例
- 任务完成就结束
- 主动 spawning（Agent发起）
- 类比：临时雇佣的帮手
🎯 什么时候用Sub-agent？
✅ 适合 spawning Sub-agent 的场景
- 批量处理：要处理100个文件 → spawning 10个子代理，每人10个
- 并行查询：要查5个不同网站 → spawning 5个子代理同时查
- 复杂任务拆解：写代码+测试+写文档 → 3个子代理各干各的
- 隔离风险：不确定会不会出错的操作 → 让子代理去试，主代理保底
❌ 不适合 spawning Sub-agent 的场景
- 简单任务：就写一句话， spawning 子代理反而 overhead 太高
- 强依赖：步骤B必须等步骤A完成 → 并行不了，串行执行即可
- 资源紧张：服务器只有1核1G → spawning 子代理会卡死
- 需要全局上下文：子代理看不到其他子代理的中间结果（除非设计好通信）
🛠️ OpenClaw实战： spawning Sub-agent
⚙️ 实战代码：批量生成新闻摘要
# 主Agent策略：
"有5条新闻要处理， spawning 5个子代理并行摘要！"
# 使用 sessions_spawn 工具：
Task 1 → Sub-agent A:
sessions_spawn(
task="摘要新闻1: OpenClaw新功能发布...",
runtime="subagent"
)
Task 2 → Sub-agent B:
sessions_spawn(
task="摘要新闻2: GPT-5 rumors...",
runtime="subagent"
)
# ... 以此类推 5 个
# 等待所有子代理完成
# 收集结果，汇总输出
结果：[摘要1, 摘要2, 摘要3, 摘要4, 摘要5]
总耗时：~30秒（并行）
# 如果串行执行？
# 总耗时：~150秒（5倍时间）
🕳️ 踩坑实录：Session和Sub-agent的坑
🕳️ 坑1：Session过期导致"失忆"
用户过了2小时回来问"刚才说的那个方案呢？"，结果Session已经超时，AI一脸懵逼。
解决：重要信息持久化到数据库或文件，不要依赖Session长期保存。
🕳️ 坑2：Sub-agent死循环
子代理 spawning 了孙代理，孙代理 spawning 了曾孙代理...无限套娃，服务器卡死。
解决：设置 spawning 深度限制（如最多3层），或者禁止子代理 spawning 新代理。
🕳️ 坑3：Sub-agent结果丢失
spawning 了5个子代理，但主代理没正确收集结果，只拿到了3个的返回值。
解决：使用 Promise.all 或类似的并发等待机制，确保所有子代理完成后再继续。
🕳️ 坑4：资源争抢
spawning 太多子代理同时写同一个文件，结果文件内容乱成一锅粥。
解决：要么让子代理写不同文件再合并，要么加锁机制确保串行写入。
🏁 总结一下（人话版）
📝 核心要点（建议背诵）
- Session = 对话房间——隔离不同用户的上下文，有时会过期
- Sub-agent = AI分身——并行执行任务，提高整体效率
- Session是"空间概念"，Sub-agent是"执行单元"
- 一个Session里可以有多个Sub-agent协作
- Sub-agent适合并行任务，不适合强依赖任务
- spawning 子代理要控制数量，否则资源爆炸
- 重要信息要持久化，Session会丢
🎯 现在你该懂了：Session是房间，Sub-agent是帮手
看完这篇，别再混淆这两个概念啦！