越来越多人开始搭建多Agent系统也看到sub-agent的用法困惑于• 要不要直接配多个长期 agent• 还是保留一个主 agent再用 sub-agent 做任务拆解• 这两种模式到底差在哪• 哪种更适合个人使用哪种更适合长期体系化这篇文章结合 OpenClaw 官方文档来分享Multi-Agent 到底是什么主 agent sub-agent 到底是什么实际该怎么选、怎么落地先给结论Multi-Agent 解决的是“长期分工与隔离”。主 agent sub-agent 解决的是“任务拆解与调度”。如果把这两个问题分清很多架构选择就不难了。一、Multi-Agent多个独立 AgentOpenClaw 官方文档对 agent 的定义非常明确一个 agent 不是一句 prompt也不是一个会话皮肤而是一个完整隔离的大脑。它有自己的• workspace•agentDir• auth profiles• session store• persona / SOUL / AGENTS 规则• skills一个 agent 是 fully scoped brain。它有独立的 workspace、状态目录、认证和会话存储。也就是说多 agent 并不是“一个 agent 换几套 prompt”而是多个独立工作单元并存。按官方文档Multi-Agent Routing 的目标是• 在一个 Gateway 进程里运行多个隔离 agent• 每个 agent 有独立 workspace auth sessions• 通过 bindings把不同入口的消息路由到不同 agent关于路由很多人不理解。路由的意思就是十字路口、分发规则把一条消息分配给哪个 agent 来处理。可以把 OpenClaw 想成一个总机。消息进来之后它先不急着回答而是先判断这条消息来自哪里、是谁发的、在哪个群/私聊/线程里、应该交给哪个 agent这一步判断过程就叫 routing。• 可以按 channel 路由比如飞书来的交给 work-agentTelegram 来的交给 personal-agent• 可以按 accountId 路由同一个平台里你可以接多个账号例如两个飞书 bot不同 bot 收到的消息交给不同 agent• 可以按 peer / group / DM / guild / thread 路由也就是说按聊天对象或聊天场景分流peer某个具体的人group某个具体群DM私聊这种会话形态相对于群聊而言guild服务器/组织空间常见于 Discord 一类thread某个具体讨论串同一个平台、同一个账号下不同聊天上下文还能继续分配给不同 agent• 绑定规则是 deterministic且 most-specific wins。意思是路由结果是确定的不会一会儿这样一会儿那样同样的输入条件永远命中同一条规则当规则冲突时更具体的那条优先例如你同时配了“所有飞书消息 - agent A”、“飞书里某个群 - agent B”那么这个群里的消息会走 agent B因为“某个群”比“所有飞书消息”更具体。实用Tips:OpenClaw 可以把不同来源的消息自动送进不同 agent。比如飞书接文档处理agent、discord接运营agent…或者飞书里创建多个不同的群分别对应不同的agent这是更常用的做法毕竟我们常用的 IM 只有一两个。二、主 agent sub-agent一个总控 多个任务执行器OpenClaw 里对 sub-agent 的定位和多 agent 很不一样。在 slash commandsTUI中的斜杠命令里官方支持•/subagents list|kill|log|info|send|steer|spawn在 ACP 文档里官方还专门对比了• ACP session• OpenClaw native sub-agent run这说明 sub-agent 不是“长期存在的 agent”而是由当前会话拉起的 delegated run临时委派办个事。• 主 agent总控、接需求、做判断• sub-agent临时被拉起来去干一件具体的事典型工作方式是主 agent 接收用户需求判断这件事是否适合拆分拉起一个或多个 sub-agentsub-agent 各自执行主 agent 回收结果并汇总所以 sub-agent 更像• 临时工• 分包线程• 并行执行单元• 一次性委托执行器而不是长期角色。三、最核心的区别组织方式不同很多人误以为• 多 agent 多个 agent• 主 sub-agent 也是多个 agent只是叫法不同。其实不是。官方文档能看出来这两者在设计目的上就不同。1Multi-Agent 是“组织结构”它强调• 独立 workspace• 独立 auth• 独立 sessions• 独立 identity• 独立 routing所以 Multi-Agent 更像你在一台 OpenClaw 里养了多个长期岗位。它解决的是• 谁负责哪类事• 谁接收哪个入口的消息• 谁用什么模型与权限• 谁该跟谁隔离2主 agent sub-agent 是“任务编排”它强调• 委派• 并行• 临时运行• 当前会话内调度• 执行完再回收所以它更像一个项目经理临时叫几个人去做子任务。它解决的是• 一个复杂任务怎么拆• 哪些事适合并行做• 主会话如何保持清爽• 重活怎么外包出去跑四、Multi-Agent 的优势与代价优势 1长期边界清晰Multi-Agent 最强的一点就是边界清晰很适合长期分工。比如• 写作 agent 永远只处理内容• 运维 agent 永远只处理系统• 某个 agent 只服务某个 Telegram 账号• 某个 agent 只绑定某个 Discord bot这就是结构化隔离。优势 2入口可直接路由你可以直接把入口级流量路由给不同 agent而不是所有消息都先流经一个总控再分发。这很适合• 多个账号• 多个 bot• 多个团队• 多个角色• 多个频道/群聊优势 3适合权限和认证分离官方文档反复强调 auth 是 per-agent 的不自动共享。这对长期生产环境特别重要。因为这意味着你可以做到• A agent 用这套 auth• B agent 用另一套 auth• 不同 agent 的模型、密钥、服务边界天然分开代价 1配置和维护成本更高你要维护的东西会明显增加• agent 列表• workspace• identity• bindings• accountId• auth 复制或隔离• 会话归属如果你拆得太细很容易出现• 自己都记不住谁干什么• agent 太多导致碎片化• 调试和维护变复杂代价 2不适合一开始就过度设计如果你当前其实还只有一个稳定入口、一个主要使用者、一个主要任务类型那一下子上很多长期 agent通常会过度设计。五、主 agent sub-agent 的优势与代价这套模式的优点主要来自“灵活”。优势 1先不用设计一整套组织结构你可以先只有一个主 agent。等遇到复杂任务时再决定• 要不要 spawn sub-agent• 要不要并行• 要不要长时间后台执行这比一开始就配很多长期 agent 轻得多。优势 2复杂任务更容易拆解比如你要做一篇复杂内容• 子代理 A查资料• 子代理 B整理结构• 子代理 C校对和反查主 agent 只负责• 理解目标• 分配任务• 最终汇总这类模式特别适合• 研究• 批量整理• 重型执行任务• 长上下文拆解• 并行处理优势 3主对话体验更统一对于用户来说入口通常只有一个。这意味着体验上更自然• 你永远只是在跟一个主 agent 说话• 复杂性都被隐藏在后面代价 1主 agent 会变成总控中心所有任务都先进主 agent再分发给 sub-agent。这会导致• 主 agent 变成单点中枢• 复杂任务多时调度逻辑容易变重代价 2不天然适合长期角色分工sub-agent 的强项是执行不是长期身份。如果你把所有长期角色都硬塞成 sub-agent最后会比较别扭。因为• 它们不是入口级角色• 不是天然长期驻场• 不适合承接多渠道长期绑定六、官方文档推荐到底该选哪种适合优先 Multi-Agent 的情况如果你符合下面这些特征优先多 agent1你有多个长期角色比如• writer• ops• research• assistant2你需要不同 workspace官方文档明确说 workspace 是 agent 的 home。所以当不同角色需要长期维护自己的文件、记忆、persona 和技能时天然适合拆 agent。3你需要不同入口直接进不同 agent比如• 某个 Telegram 账号永远进 writer• 某个 Discord bot 永远进 coding• 某些 WhatsApp DM 永远进某个 agent4你需要认证与权限隔离不同 agent 各自持有不同 auth profiles这就是多 agent 的强项。适合优先主 agent sub-agent 的情况如果你更像下面这样优先主 sub1你目前主要只有一个统一入口比如你主要就自己在 TUI 里用或者一个主聊天入口。2你更多是复杂任务拆解而不是长期角色拆分比如• 研究任务拆成几路并行• 写作任务拆成资料/提纲/校对• 编码任务拆成检查/修改/验证3你暂时不想维护很多长期 agent这种情况下sub-agent 的灵活性更好。4你更想保留一个统一对话体验也就是永远跟一个主 agent 交流后面的复杂性由它内部消化。另外我曾经想过什么场景下非要使用多个 sub-agent用一个 agent 不够吗因为“一个 agent 全包”在简单任务里可以但任务一复杂就会同时出现四个问题上下文混乱、步骤互相干扰、速度慢、结果不稳。一个 agent 全做时常见情况是一边让它查资料一边搭结构一边改措辞目标容易漂移不同子任务共用同一上下文垃圾信息越堆越多前面查到的弱结论会污染后面的写作和判断所有事串行做慢。以及很难局部重跑例如“只重做校对不重做检索”。而拆成多个子 agent 后每个只做一件事会更稳• 查资料 agent只负责搜集和筛选信息优化目标是覆盖率和证据质量• 结构 agent不被检索噪音干扰只负责组织逻辑• 校对/反查 agent站在“审核者”视角专门挑漏洞而不是顺着原答案一路往下写。实操下来多 sub-agent 真得很好用。• Multi-Agent 负责长期隔离与路由• sub-agent 负责当前任务的拆解与执行一个很实用的搭法是长期层•main总控 / 默认入口•writer内容创作•ops系统与运维执行层在writer或ops内部需要做重活时再拉 sub-agent。例如writer 内部• sub-agent A搜集资料• sub-agent B整理提纲• sub-agent C做事实核查ops 内部• sub-agent A查日志• sub-agent B做配置对比• sub-agent C生成修复建议这通常比“纯多 agent”或“纯主sub”都更实用。七、实操路线 AMulti-Agent第一步先加长期 agentopenclaw agents add writeropenclaw agents add ops第二步看绑定情况openclaw agents list --bindingsopenclaw agents bindings第三步把入口绑给对应 agentopenclaw agents bind --agent writer --bind telegram:writeropenclaw agents bind --agent ops --bind discord:ops第四步给各自 workspace 补齐人格和规则每个 agent 的 workspace 里都应该有自己的•AGENTS.md•SOUL.md•USER.md•IDENTITY.md这是官方 workspace 文档里最值得重视的部分。第五步重启并验证openclaw gateway restartopenclaw channels status --probeopenclaw agents list --bindings路线 B主 agent sub-agent第一步先保留一个主 agent也就是先不要拆太多长期 agent。第二步在复杂任务里使用 sub-agent 命令TUI 里官方支持•/subagents list•/subagents spawn•/subagents steer•/subagents kill这意味着你可以先从任务拆解入手而不是先做大规模组织设计。第三步区分是否用 ACP 外部 harness• ACP session是通过 ACP 这个协议去对接外部 agent/harness比如接 Codex、Claude Code、Gemini CLI这时 OpenClaw 不再只是内部自转而是在跟外部执行器通信• OpenClaw native sub-agent runtime是 OpenClaw 自己内部的“子代理执行机制”主 agent 在当前会话里临时委派一个子任务给另一个执行单元这是 OpenClaw 内部原生能力。如果你要“OpenClaw 内部自己拆任务、自己派工人”用 sub-agent如果你要“把任务交给外部 agent 系统来跑”用 ACP。sub-agent 是 OpenClaw 自己家的内部员工生命周期、上下文、权限、调度都由 OpenClaw 内部控制ACP 外部 harness 是外包接口 / 协议适配层有自己的一套运行方式、会话模型、工具能力。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】