OpenClaw 子代理 (Subagent) 完全指南

💻 实战代码示例

示例 1: 并行内容采集

// 场景：同时采集多个新闻源的内容
// 不使用 Subagent：串行执行，耗时 30秒
// 使用 Subagent：并行执行，耗时 8秒

// 1. 首先启动三个子代理
const newsTask1 = sessions_spawn({
  task: "搜索今天AI行业的重大新闻，整理成摘要",
  label: "news-ai",
  mode: "run",
});

const newsTask2 = sessions_spawn({
  task: "搜索今天互联网行业的重大新闻，整理成摘要", 
  label: "news-tech",
  mode: "run",
});

const newsTask3 = sessions_spawn({
  task: "搜索今天金融科技的重大新闻，整理成摘要",
  label: "news-fintech", 
  mode: "run",
});

// 2. 主代理继续处理其他任务
// 3. 等待所有子代理完成后汇总结果
// "请根据以上三个子代理的搜索结果，生成今日要闻汇总"

示例 2: 代码审查流水线

// 场景：PR代码审查，需要检查多个维度
// 主代理协调，多个子代理分工

// 启动代码审查子代理
const styleCheck = sessions_spawn({
  task: `审查代码风格和规范：
  - 检查Python代码是否符合PEP8
  - 检查命名规范
  - 检查注释是否充分
  代码路径: ${codePath}`,
  label: "pr-style-check",
  mode: "run",
});

const securityCheck = sessions_spawn({
  task: `审查安全问题：
  - 检查SQL注入风险
  - 检查XSS漏洞
  - 检查认证授权问题
  代码路径: ${codePath}`,
  label: "pr-security-check", 
  mode: "run",
});

const performanceCheck = sessions_spawn({
  task: `审查性能问题：
  - 检查数据库查询效率
  - 检查循环和递归使用
  - 检查内存泄漏风险
  代码路径: ${codePath}`,
  label: "pr-performance-check",
  mode: "run",
});

// 主代理汇总审查结果
"请综合以上三个审查结果，生成完整的PR审查报告"

示例 3: SEO 内容批量生成

// 场景：为一个网站批量生成SEO页面
// 每个子代理负责生成一个页面

const pages = [
  { keyword: "AI Agent 教程", path: "/ai-agent-tutorial.html" },
  { keyword: "OpenClaw 入门", path: "/openclaw-getting-started.html" },
  { keyword: "MCP 协议详解", path: "/mcp-protocol.html" },
  { keyword: "Agent Skills 开发", path: "/agent-skills-dev.html" },
  { keyword: "Subagent 并行处理", path: "/subagent-guide.html" },
];

// 批量创建子代理生成页面
pages.forEach((page, index) => {
  sessions_spawn({
    task: `为网站生成SEO页面：
    目标关键词: ${page.keyword}
    保存路径: /var/www/miaoquai${page.path}
    
    要求：
    1. 标题包含关键词
    2. 内容1000字以上
    3. 包含内部链接
    4. 符合SEO标准`,
    label: `seo-page-${index}`,
    mode: "run",
  });
});

示例 4: 持续会话模式

// 场景：需要多轮交互的复杂任务
// 使用 session 模式，保持会话

const researchAgent = sessions_spawn({
  task: "你是一个研究助手，负责深入研究AI Agent领域",
  label: "research-agent",
  mode: "session",  // 持续会话
  thread: true,    // 创建线程
});

// 第一轮：研究方向
researchAgent("请研究OpenClaw的Agent Skills机制，写一份详细报告");

// 第二轮：深入某个点
researchAgent("好的，现在请深入研究Skill的加载机制");

// 第三轮：获取最终结果
const report = researchAgent("请将所有研究整理成最终报告");