单 Agent 能干的活，为什么要拆成多个？因为有些任务天生就该分工：一个 Agent 又是写代码又是查资料又是发消息，上下文被搅成一锅粥，效率反而更低。OpenClaw 原生支持多 Agent 编排——主代理把任务拆下去，子代理各干各的，结果再收回来。
但多 Agent 不是加了就变快。配得不好，Agent 之间互相打架、重复劳动、上下文互相污染，比单 Agent 还慢。这篇讲 OpenClaw 多 Agent 的正确配置姿势：子代理怎么建、任务怎么分、上下文怎么隔离、结果怎么合。
先搞明白：OpenClaw 的多 Agent 模型长什么样
OpenClaw 的多 Agent 是「主代理（Main Agent）+ 子代理（Subagents）」的分层模型：主代理负责理解用户目标、拆解任务、调度；子代理是专用的小代理，每个负责一块具体工作——比如「代码审查代理」「资料检索代理」「消息发送代理」。主代理把任务派给子代理，子代理干完把结果交回来。
这个模型的本质，就是 OpenClaw 创始人说的 Graph Engineering 思路：从编程单个智能体到设计智能体组织。别把多 Agent 想得多玄乎，它就是「组织分工」——每个子代理是组织里的一个岗位。
子代理怎么建：一个任务、一个代理、一份职责
子代理的核心是「小而专」。建子代理时想清楚三件事：
一是职责边界——这个代理只干一件事，比如「只负责查知识库」「只负责生成周报」，别让它什么都干；二是工具权限——子代理只配它需要的工具，查资料的别给它发消息的权限，这跟 AI Agent 权限管理 的最小权限原则完全一致；三是系统提示——把它的角色、工作流程、输出格式写清楚，输出格式尤其重要，结构化输出主代理才接得住。
OpenClaw 里配置子代理，可以在配置文件中定义 subagent，指定模型、工具、提示词。建好后主代理会根据任务性质自动选择子代理——前提是你把子代理的「能力描述」写清楚，它才知道什么任务该派给谁。
任务编排：拆得开，还要交得清
多 Agent 翻车的第一大原因：任务拆得含糊。主代理把「帮我搞定周报」拆给子代理，子代理根本不知道要干什么。
正确的拆法遵循三个原则：可独立完成（每块任务子代理能自己跑完，不依赖外部等待）、结果可验证（每块任务有明确的验收标准，干完没干完一目了然）、上下文最小化（派任务时只带必要信息，别把整个会话历史塞给子代理）。任务拆解和进度管理的完整方法，AI Agent 长时任务设计 那篇讲过，思路完全通用。
交得清的另一面是「接得住」：主代理派任务时，要说清背景、目标、交付格式、截止约束。对应到实践，就是任务描述里带上验收标准和输出模板——这跟 变更后验证清单 的哲学一样：活干完，怎么算干完，先说清楚。
上下文隔离：子代理之间别共享一切
多 Agent 最容易踩的坑，就是上下文互相污染。子代理 A 查了一堆资料，子代理 B 本来只负责写消息，结果把 A 的资料全带上了，写出来的东西就跑偏。
设计原则：子代理之间的上下文默认隔离，只在任务交接点传递必要信息。每个子代理的上下文应该是「这个任务的最小集」——它需要知道什么，就给它什么。这和上下文管理的核心思想（窗口不够用、关键信息被冲掉）同源：上下文是稀缺资源，谁都能污染它。
结果聚合与冲突处理：多份结果怎么合成一份
任务干完，主代理要收结果。这里有两个坑：
一是结果格式混乱——子代理输出五花八门，主代理合并时全靠猜。解法是开头就约定输出格式（JSON 结构、Markdown 模板），子代理按模板交活；二是结果冲突——两个子代理对同一件事给出了矛盾结论。主代理需要仲裁规则：按证据优先（引用了来源的胜出）、按时间优先（最新的胜出）、按置信度优先（模型自查分数）。这和 Anthropic 红队实测的结论一致——多 Agent 不是越多越好，45 个协作找漏洞很强，80 个一起写代码却集体摆烂，关键在于编排质量。
常见坑与排查
死循环：子代理反复重试同一件事，互相触发。解法：给每个子代理设最大迭代次数和超时，超了就按 失败升级规则 处理。
重复劳动：多个子代理干同一件事。解法：任务去重，主代理派任务前先查「这件事有没有人在干」。
结果丢失：子代理干完了，结果没传回来。解法：任务交接时显式传递结果对象，别靠「顺便说一句」。
多 Agent 协作的通用避坑清单，多 Agent 协作有哪些坑 那篇整理得很全，配置 OpenClaw 前建议先读一遍。
优缺点与适合人群
优点：任务并行、上下文干净、每个代理可独立调试、职责清晰好维护。缺点：编排复杂、推理成本上升、结果合并要处理冲突、排错难度高——一个环节出问题，整个链条要查。
最适合：任务可拆成多个独立环节的场景——研究型任务（检索 + 分析 + 输出）、内容生产（资料 + 草稿 + 校对）、运维自动化（监控 + 诊断 + 修复）。任务本身是串行依赖、高度耦合的场景，别硬上多 Agent，单 Agent 加技能（OpenClaw 自定义技能）就够。
总结
OpenClaw 多 Agent 配置，核心四件事：子代理小而专（职责 + 工具 + 提示词）、任务拆得开交得清（可独立、可验证、上下文最小）、上下文默认隔离（只在交接点传信息）、结果聚合有仲裁（格式统一 + 冲突规则）。记住一句话——多 Agent 的价值不在「数量多」，在「分工清」；配不好，两个 Agent 打一架，比一个 Agent 干到底还慢。
