一个AI不够用？OpenClaw多Agent协作系统搭建实战：从串行到并行的效率革命

你有没有遇到这种情况：给 OpenClaw 配了一堆 Skills，写好了完整工作流，满心期待它高效运转——结果盯着屏幕上那个 “Typing…” 字样，等了整整 10 分钟，最后给你输出一堆含糊其词、不知道能用来干什么的内容？

这不是你的问题，这是单 Agent 架构的天花板。

本文记录一套经过验证的解法：把单个臃肿的 Agent 拆成多个专职 Agent，放进同一个 Telegram 群组协作。效率直接从线性变指数。

---

为什么单 Agent 越配越慢？

很多人的 OpenClaw 使用路径是这样的：

1. 装了几个 Skills
2. 感觉不够用，再装几个
3. 写了调查→筛选→写文的完整流程
4. 发现它开始”变傻”，回答越来越模糊
5. 继续调整 Prompt，Token 越烧越多，质量越来越低

这不是偶然现象。根据大量企业和社区案例数据，单 Agent 失效的原因可以归为 5 类：

问题	占比	原因
Prompt 过长导致质量下降	28%	指令越多，内部冲突概率越大，模型开始”混淆”
业务场景混淆	24%	缺乏角色隔离，Agent 无法在不同任务间精准切换
记忆污染	20%	一次错误或被诱导，可能导致后续所有对话跑偏
效率瓶颈	15%	串行处理，无法并发，高负载时彻底卡死
专业化不足	13%	无法在某一垂直领域深度积累，什么都会，什么都不精

一句话总结：配置越多，上下文越重，质量反而越低。

解法是什么？把每一步都拆成独立 Agent，各司其职。

---

OpenClaw 多 Agent 的核心概念

在动手之前，先搞清楚三个核心概念：

Agent

OpenClaw 中最基本的执行单元。每个 Agent 是一个完整、独立的大脑，拥有自己的会话存储、身份定义和人设规则，通过唯一 ID 标识。

Workspace

Agent 的专属存储空间，包含：

• IDENTITY.md — 身份定义
• SOUL.md — 行为风格
• AGENTS.md — 与其他 Agent 的协作规则
• USER.md — 用户画像
• skills/ — 专属技能目录

不同 Agent 的 Workspace 完全隔离，互不干扰。

Binding

消息路由规则——决定群组里谁说的话由哪个 Agent 处理。配置 Binding 后，@不同的机器人，就会由对应的专职 Agent 响应。

---

实战：5步在同一群组配置多 Agent

Step 1：安装第二个 OpenClaw Agent

登录服务器，执行：

# 安装第二个 Agent，指定名称和 Workspace 路径
openclaw agents add wang13Search --workspace /root/.openclaw/Research13boss

# 确认安装成功
openclaw agents list

Step 2：创建第二个 Telegram 机器人

进入 Telegram，找到 @BotFather，发送 /newbot，按提示创建。

记录下新机器人的 Bot Token，后面配置要用。

Step 3：关闭新机器人的”隐私模式”

在 BotFather 中：

1. 发送 /mybots
2. 选择刚创建的机器人
3. 进入 Bot Settings → Group Privacy → Turn Off

⚠️ 这步很关键。默认隐私模式下，机器人无法读取群组消息，必须关闭。

Step 4：修改 .openclaw.json 配置文件

这是整个流程的核心。在服务器上编辑配置文件：

{
  "meta": {
    "lastTouchedVersion": "2026.3.2",
    "lastTouchedAt": "2026-03-14T02:36:58.495Z"
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "openai-codex/gpt-5.3-codex"
      },
      "workspace": "/root/.openclaw/workspace"
    },
    "list": [
      { "id": "main" },
      {
        "id": "wang13search",
        "name": "wang13Search",
        "workspace": "/root/.openclaw/Research13boss",
        "agentDir": "/root/.openclaw/agents/wang13search/agent"
      }
    ]
  },
  "bindings": [
    {
      "agentId": "main",
      "match": {
        "channel": "telegram",
        "accountId": "default"
      }
    },
    {
      "agentId": "wang13search",
      "match": {
        "channel": "telegram",
        "accountId": "wang13search"
      }
    }
  ],
  "channels": {
    "telegram": {
      "enabled": true,
      "accounts": {
        "default": {
          "botToken": "<主机器人 Bot Token>"
        },
        "wang13search": {
          "botToken": "<第二个机器人 Bot Token>"
        }
      },
      "dmPolicy": "allowlist",
      "allowFrom": ["<你的 TG 用户 ID>"],
      "groupPolicy": "allowlist",
      "groupAllowFrom": ["<你的 TG 用户 ID>"],
      "groups": {
        "*": {
          "requireMention": true
        }
      },
      "streaming": "partial"
    }
  },
  "gateway": {
    "port": 18789,
    "mode": "local",
    "bind": "lan",
    "auth": {
      "mode": "token",
      "token": "<你的 Gateway Token>"
    }
  }
}

关键配置说明：

• requireMention: true — 必须 @ 才能触发，避免两个 Agent 互相干扰
• bindings — 精确绑定每个 Bot Token 对应的 Agent
• 每个 Agent 有独立的 Workspace，互不污染

Step 5：重启网关

openclaw gateway restart

测试方法：在群组里分别 @ 两个机器人，每个收到消息后会回一个表情 — 说明路由配置成功。

---

实际效果对比

指标	单 Agent	多 Agent
完成一套完整工作流	~10 分钟	并行处理，数倍提速
输出质量	随任务增加而下降	专职 Agent 保持稳定
Token 消耗效率	上下文越来越重，浪费	每个 Agent 上下文干净
任务隔离	容易混淆	完全隔离，互不干扰

---

附：全网最全 AI Agent 角色库

搭好框架之后，缺的就是合适的角色配置。这里整理了几个高质量资源：

• OpenClaw 专用 103 个角色模板：awesome-openclaw-agents
• 144 个专业领域代理模板：agency-agents
• UI/UX 设计角色库：claude-code-ui-agents
• 市场营销技能集合：marketingskills
• 科研工作者技能集：claude-scientific-skills

---

总结

单 Agent 的问题不是 OpenClaw 的 Bug，而是架构设计的必然结果。当你把所有任务堆给一个 Agent，它的上下文越来越重，质量必然下滑。

解法很清晰：拆开、隔离、让每个 Agent 只做一件事。

5 步配置，从串行变并行，效率提升是量级上的变化，而不只是百分比的优化。

---

如需帮助部署或配置多 Agent 系统，欢迎联系，提供远程协助服务。