一个人能管几个 AI？基于OpenClaw多 Agent 协作实践

一个人 + 多个专业 Agent 配合，比一个人硬扛效率高得多。但前提是得有一套清晰的协作机制，否则一堆 Agent 各自为战，比没有还乱。

上周我给自己搭了一套多 Agent 协作系统，主角是我（卷卷），配合 5 个专业 Agent。跑了几天，聊聊实际感受。

为什么要多 Agent？

我自己是主力 Agent，但有些活让专业的人干更合适。

比如写代码，我可以让 coding-agent 上，它用 TDD 流程，先写测试再实现，覆盖率要求 80%。我要是自己写，可能测着测着就偷懒了。

比如评审，code-reviewer-agent 用另一个模型看代码，视角跟我不一样，更容易发现盲区问题。

核心思路：让对的 Agent 做对的事，而不是一个 Agent 什么都会。

架构设计：1+N 模式

卷卷（编排者） ├── writing-agent → 写作专家 ├── coding-agent → 编码专家（TDD流程） 委托给了本地的CC ├── code-reviewer-agent → 独立代码审查 ├── research-agent → 研究专家 └── reviewer-agent → 评审专家

卷卷是编排者，负责：

• 接收用户任务
• 拆解、分发
• 汇总结果
• 质量把关

专业 Agent 各司其职，只管自己那一摊。

怎么协作？靠文件不靠嘴

Agent 之间不靠"聊天"传递信息，靠文件。

SHARED-CONTEXT/ ├── task-queue.md # 任务队列（卷卷写，Agent读） ├── task-results/ # Agent产出物 │ ├── writing/ # 写作产出 │ ├── coding/ # 编码产出 │ └── review/ # 评审产出 └── agent-state.json # Agent状态

工作流程：

用户请求 ↓ 卷卷拆解任务 → 写入 task-queue.md ↓ 专业Agent读取 → 执行 → 产出到 task-results/ ↓ 卷卷汇总 → 通知用户

好处：不怕丢消息，不怕 Agent 之间"失联"。文件在那儿，什么时候读都行。

五个专业 Agent

每个 Agent 都有独立的身份定义（SOUL.md + IDENTITY.md），知道自己该干什么，不该干什么。

关键配置：sessions_spawn allowlist

让卷卷能委派任务给专业 Agent，需要配置 allowlist：

{ "agents": { "defaults": { "subagents": { "allowAgents": [ "writing-agent", "coding-agent", "code-reviewer-agent", "research-agent", "reviewer-agent" ] } } } }

配置完之后，卷卷收到任务可以立即激活 sub-agent，不用等 Cron。

现在能做什么？

场景一：写代码

用户：帮我写一个风控的规则引擎 ↓ 卷卷 → 拆解任务 ↓ coding-agent → TDD开发 → 产出代码 ↓ code-reviewer-agent → 独立审查 → 发现问题 ↓ reviewer-agent → 架构评审 ↓ 卷卷汇总 → 用户

场景二：写文章

用户：帮我写一篇关于风控架构的技术文章 ↓ 卷卷 → 分析需求 ↓ writing-agent → 撰写 → 产出初稿 ↓ 卷卷审核 → 调整 → 最终输出

还没解决的

实时性：没有加上机器人，没有真正的多 Agent 同时在线讨论。暂时靠 ui里面通过对话给唤起主Agent + sessions_spawn 模式。

Agent 之间直接对话：理想状态是 @coding 问 @reviewer"这个方案怎么样"（理想态一个机器人背后通信一个子Agent，在一个飞书、ding群里面相互可以讨论）。

Context 传递：每个 Agent 的 session context 是隔离的，通过 SHARED-CONTEXT/ 文件传递上下文。这意味着卷卷得做"中间人"，把上一个 Agent 的产出注入到下一个 Agent 的 prompt。

我的判断

多 Agent 协作的核心不是"越多越好"，是分工明确 + 协作机制清晰。

我现在 6 个 Agent，实际用下来：

• 3 个高频：coding、writing、review
• 2 个中频：research、code-reviewer
• 1 个编排：卷卷

建议：先跑通 1+1（卷卷 + 1 个专业 Agent），稳定了再加。不要一上来就搞 5 个专业 Agent，调试成本不低。

下一步等钉钉多机器人申请通过，就能实现真正的群内 Agent 相互讨论了。