多 Agent 配置实战

我的 Telegram 里最近多了好多群。一个群跟 OpenClaw 聊日常事务，一个群专门让写作助手润色文章，还有一个群让资讯助手收集行业信息。这些群背后是同一个 Bot，只是按任务拆成了不同的 Agent。

之前所有事情都堆在一个 session 里，写文章的对话和日常闲聊混在一起，聊着聊着上下文就串了，记忆也越来越臃肿。拆开之后各管各的，干净多了。

多实例 vs 多 Agent：先搞清楚区别

这是两个层面的方案，不互斥。

维度	多实例	单实例多 Agent
容灾能力	强，一个挂了其他照跑	进程挂了所有 Agent 一起挂
资源占用	每个实例独立进程、端口	一个进程、一个端口
配置管理	分散，各自维护	集中，openclaw.json 统管
适用场景	完全独立的业务线	同一业务线的角色细分

建议的架构：保留多实例做容灾基础，在单个实例内部再用多 Agent 做任务细分。两层叠加，既有韧性又有灵活性。

多实例 vs 单实例多 Agent 架构对比

Agent 隔离机制

在 OpenClaw 里，一个 Agent 不只是一段 prompt。每个 Agent 有：

自己的工作目录（SOUL.md、USER.md、skills 都在这里）
自己的状态目录（session 数据、记忆文件，按 agentId 自动隔离）
自己的对话历史

即使两个 Agent 在同一个 Telegram bot 下运行，它们的记忆也是完全分开的——不同 Agent 的记忆存储在不同的目录和数据库文件里，物理级别隔离，不会互相污染。

实操：全部让 OpenClaw 帮你配

以一个专门负责内容营销的实例为例，目标是拆出三个 Agent：

主 Agent：日常沟通、任务协调
写作助手：公众号写作和润色
资讯助手：行业信息收集和整理

操作步骤：

在 Telegram 里建好对应的群组
把 bot 拉进每个群
把群 ID 告诉主 Agent，描述每个 Agent 的职责

OpenClaw 会自动完成剩下的工作：

为每个 Agent 创建独立的工作目录
写入各自的 SOUL.md（写作助手专注润色，资讯助手专注信息收集）
在 openclaw.json 里注册 Agent 列表和路由规则（bindings）
把群组加入白名单并设置响应策略

让 OpenClaw 配置多 Agent

也可以用命令行向导 openclaw agents add 自己做，不过让 OpenClaw 来的好处是它能根据你的描述把 SOUL.md 和路由规则一步到位写好。

踩坑：Telegram Group Privacy 模式

默认开启的情况下，bot 在群里只能看到 @ 它的消息，普通消息收不到。

解决方法（选一种）：

去 @BotFather 发 /setprivacy，选 Disable 关掉。改完之后要把 bot 从群里移除再重新拉进来，Telegram 要求重新入群才能让新设置生效
或者直接把 bot 设为群管理员——管理员不受 Privacy 模式限制，省去移除再拉回的操作

BotFather Privacy 设置

另外：从 Telegram Web 地址栏拿到的群 ID 可以直接用，注意普通群和超级群的 ID 格式不同（超级群会带 -100 前缀）。

Workspace：共享还是独立？

推荐方案：workspace 共享，记忆独立。

共享 workspace 的好处：写作助手能读到主 Agent 的 SOUL.md、USER.md、写作风格偏好、素材文件，不用重复维护。

而写作助手的对话历史和 session 记忆不会污染主 Agent——状态目录（agentDir）始终按 agentId 自动隔离。

这样写作助手既了解你的风格和上下文，又不会因为写了 10 篇文章把主 Agent 的记忆撑爆。

例外情况：如果某个 Agent 会大量创建文件（比如生成很多草稿），给它独立 workspace，避免文件操作干扰其他 Agent。

{
  agents: {
    list: [
      {
        id: "main",
        default: true,
        workspace: "~/.openclaw/workspace",  // 共享
      },
      {
        id: "writer",
        workspace: "~/.openclaw/workspace",  // 共享，读同样的上下文文件
      },
      {
        id: "draft-generator",
        workspace: "~/.openclaw/workspace-drafts",  // 独立，避免大量文件干扰
      },
    ],
  },
}

Workspace 共享策略示意

两种交互方式

方式一：直接去对应群里聊

适合长时间协作场景，比如花一个小时跟写作助手打磨一篇文章。群组保留完整的对话上下文，方便反复迭代。

方式二：通过主 Agent 委派（sessions_spawn）

主 Agent 把任务派给子 Agent，完成后把结果回传。适合临时小任务，比如"帮我把这段口述润色一下"。

注意：目前委派层级是平的，子 Agent 不能再往下派任务，所有任务拆分都要由主 Agent 来做。

两种方式可以并存，按场景选：日常写作协作走群组直聊，临时任务走主 Agent 委派。

模型分配与扩编节奏

多 Agent 的另一个好处：按任务分配模型，节省成本。

Agent 角色	推荐模型	原因
写作、复杂分析	Claude Opus	需要深度思考
信息查询、格式转换	Sonnet 或更便宜的模型	跑腿任务，不需要重炮
定时任务、数据汇总	Haiku 等轻量模型	高频低复杂度

扩编建议：不用上来就设计 10 个 Agent。先用一个实例，哪个场景觉得该拆了就拆出来，每次加一个。一般 3-5 个 Agent 就能覆盖日常需求。

从"一人公司"到"专家团队"是个自然的过程。如果你还没试过多 Agent，从拆一个写作助手开始——这是最容易看到效果的场景。

配置语法速查配置语法速查参见 Agent 配置

PreviousAgent 配置

Next渠道概览