🤝 OpenClaw 多Agent协作模式详解

子Agent编排、会话管理与工作流实战 — 让多个Agent像团队一样协作

📋 目录

🏗️ 架构总览

OpenClaw的多Agent架构基于会话（Session）模型。每个Agent运行在独立的会话中，通过消息传递进行协作。

核心API

🚀 子Agent生成

基础用法

// 生成一个子Agent执行搜索任务
sessions_spawn({
  task: "搜索最新的AI Agent框架对比文章，总结前5篇的核心观点",
  taskName: "ai-agent-search",
  mode: "run",           // 一次性执行
  runtime: "subagent"
})

// 等待子Agent完成
sessions_yield({
  message: "等待搜索结果..."
})

高级参数

// 带模型指定和超时控制的子Agent
sessions_spawn({
  task: "分析网站SEO数据并生成报告",
  taskName: "seo-analysis",
  mode: "run",
  runtime: "subagent",
  model: "gpt-4o",              // 指定模型
  runTimeoutSeconds: 300,       // 5分钟超时
  context: "fork",              // 继承父会话上下文
  label: "seo-analyzer"         // 便于后续定位
})

🎯 五大协作模式

// 并行执行三个搜索任务
const tasks = [
  "搜索OpenClaw最新版本特性",
  "搜索ClawHub热门Skills排行",
  "搜索AI Agent安全最佳实践"
]

// 同时生成三个子Agent
tasks.forEach((task, i) => {
  sessions_spawn({
    task: task,
    taskName: `search-${i}`,
    mode: "run"
  })
})

// 等待所有完成
sessions_yield({ message: "等待三个搜索任务完成..." })

// 流水线：每个步骤依赖上一步的输出
// Step 1: 采集
sessions_spawn({
  task: "采集目标网站的页面数据，输出JSON格式",
  taskName: "pipeline-step1-crawl"
})
sessions_yield({ message: "等待采集完成..." })

// Step 2: 分析（从session history获取Step 1的结果）
const crawlResult = sessions_history({ sessionKey: "pipeline-step1-crawl" })
sessions_spawn({
  task: `基于以下数据进行SEO分析：${crawlResult}`,
  taskName: "pipeline-step2-analyze"
})
sessions_yield({ message: "等待分析完成..." })

// 监督者模式：主Agent审核子Agent的输出
sessions_spawn({
  task: "生成一篇关于AI Agent安全的文章草稿",
  taskName: "writer-agent",
  mode: "run"
})
sessions_yield({ message: "等待草稿..." })

// 主Agent审核草稿
const draft = sessions_history({ sessionKey: "writer-agent" })
// 如果质量不达标，派新的子Agent修改
if (needsRevision(draft)) {
  sessions_spawn({
    task: `修改以下文章，加强安全部分的论述：${draft}`,
    taskName: "revision-agent",
    mode: "run"
  })
}

// 让两个Agent从不同角度分析
sessions_spawn({
  task: "从技术可行性角度分析：OpenClaw是否适合企业级部署？给出支持论据",
  taskName: "debate-pro",
  mode: "run"
})
sessions_spawn({
  task: "从风险和挑战角度分析：OpenClaw企业级部署的潜在问题。给出反对论据",
  taskName: "debate-con",
  mode: "run"
})
sessions_yield({ message: "等待双方论证完成..." })

// 综合双方观点，生成平衡的分析报告

// 专家委员会：不同领域专家共同评估
const experts = [
  { task: "从SEO角度评估这个网站优化方案", name: "seo-expert" },
  { task: "从性能角度评估这个网站优化方案", name: "perf-expert" },
  { task: "从用户体验角度评估这个网站优化方案", name: "ux-expert" }
]

experts.forEach(e => sessions_spawn({ task: e.task, taskName: e.name, mode: "run" }))
sessions_yield({ message: "等待专家评审..." })

📡 会话管理与通信

查看活跃会话

// 列出所有活跃会话
sessions_list({
  kinds: ["subagent"],
  activeMinutes: 30,      // 最近30分钟活跃的
  includeLastMessage: true
})

跨会话通信

// 向特定会话发送消息
sessions_send({
  sessionKey: "seo-analyzer",
  message: "请额外检查移动端适配情况",
  timeoutSeconds: 60
})

使用subagents工具监控

// 查看当前子Agent状态
subagents({
  action: "list",
  recentMinutes: 60
})

🔥 实战案例：自动化SEO工作流

以下是一个完整的多Agent SEO工作流，从竞品分析到内容生成全自动化：

// 完整的多Agent SEO工作流
// 主Agent作为编排者

// Phase 1: 并行数据采集
sessions_spawn({
  task: "爬取竞品网站 futuretools.io 的前20个页面，提取标题、描述、关键词",
  taskName: "crawl-competitor-1",
  mode: "run"
})
sessions_spawn({
  task: "爬取竞品网站 thereisanaiforthat.com 的前20个页面，提取标题、描述、关键词",
  taskName: "crawl-competitor-2",
  mode: "run"
})
sessions_spawn({
  task: "搜索本周AI Agent领域的热门关键词和趋势",
  taskName: "keyword-research",
  mode: "run"
})

sessions_yield({ message: "等待数据采集完成..." })

// Phase 2: 分析与策略
const [comp1, comp2, keywords] = [
  sessions_history({ sessionKey: "crawl-competitor-1" }),
  sessions_history({ sessionKey: "crawl-competitor-2" }),
  sessions_history({ sessionKey: "keyword-research" })
]

sessions_spawn({
  task: `基于以下数据，制定SEO内容策略：
竞品1数据：${comp1}
竞品2数据：${comp2}
关键词数据：${keywords}
输出：10个文章主题+目标关键词+内容大纲`,
  taskName: "seo-strategy",
  mode: "run"
})

sessions_yield({ message: "等待策略制定..." })

// Phase 3: 批量内容生成
const strategy = sessions_history({ sessionKey: "seo-strategy" })
// 根据策略生成内容...

⚡ 性能优化