OpenClaw 多 Agent 自动协作配置解析

核心问题与痛点分析

在传统多 Agent 工作流中，存在三个主要痛点，阻碍了自动化与自主协作的实现：

1. 手动串联工作流：当一个 Agent 完成任务后，需要人工复制路径或文件名，并手动通知下一个 Agent 开始工作。在整个流程中，每一环节都需要人工介入进行桥接。

2. 手动搬运知识与上下文：当第一个 Agent 产出结果供 Review 时，其他 Agent 无法自动获取相关信息。例如，第一个 Agent 生成的文件路径或内容，需要人工复制粘贴给第二个 Agent，导致信息流转效率低下。

3. 长任务上下文管理困难：对于执行时间较长（如超过20分钟）的任务，Agent 容易因上下文过长而崩溃（Context Overflow）或丢失会话状态。人工需要手动跟进进度，甚至重启任务，无法实现无人值守。

自动化协作的三个关键配置

通过分析 OpenClaw 源码，实现多 Agent 自动协作需在系统架构和 Agent 个体层面进行三层配置。

1. 系统基础配置：启用 Agent 间通信与记忆检索

此配置位于 opencloud.json 系统配置文件中，旨在建立 Agent 交互的基础能力。

• 启用 Agent 间通信 (Agent to Agent)：

  • 位置：在 tools 配置模块中。

  • 操作：将 agent_to_agent 功能开启，并在 along 列表中明确指定所有需要进行通信的 Agent 名称。

  • 作用：允许 Agent 之间直接发送消息（Sad Max），无需人工干预。

• 启用记忆检索 (Memory Search)：

  • 位置：在系统配置中开启 memory_search 功能。

  • 依赖模型：需要一个向量搜索模型支持（例如本地部署的 Qwen3 模型，以保证响应速度和成本控制）。

  • 作用：

    • Agent 可以直接访问其他 Agent 的记忆库（Memory）和大脑（Brain），读取其学习成果。

    • 避免了人工在不同 Agent 间主动共享知识的步骤。

2. 流程自动化配置：上游任务完成后的自动通知

此配置旨在解决手动串联工作流的问题，实现审批通过后的自动触发。

• 配置位置：在上游 Agent 的配置文件中添加 post_approval_distribution 模块。

• 配置逻辑：

  • 自动通知：当上游 Agent 接收到 Approval（审批）后，自动通知下游 Agent。

  • 信息传递：通知内容包含所有必要的上下文信息及文件地址。

  • 状态可见性：将通知发布到 Discord 频道中，以便人工监控协作过程，确认 Agent 间是否真正发生了交互。

• 效果：审批通过后，下游 Agent 自动开工，人工不再充当“传话筒”。

3. 任务执行配置：并行处理与子 Agent 委派

此配置针对长任务的上下文管理问题，通过任务分解和并行执行来优化性能。

• Agent 级别设置：

  • 启用并行任务：在 Agent 配置中开启并行处理能力。

  • 支持多子 Agent：启用对多个 Sub Agent 的支持。

• 任务分解与委派：

  • 指导方式：在 Agents 配置中，指导主 Agent 如何将复杂问题分解为多个子任务。

  • 委派机制：主 Agent 将子任务委派给不同的子 Agent 执行。

• 架构优势：

  • 独立上下文：每个子 Agent 拥有独立的上下文和 Session，避免了所有任务挤在一个上下文中导致的串行处理和上下文溢出。

  • 性能提升：将原本可能需要 22 分钟的串行任务，缩短至 3 分钟左右的并行处理。

  • 质量保证：并行处理不仅速度快，且最终产出质量较高。

效果对比与总结

通过上述三层配置的启用，工作流模式发生了根本性转变：

• 配置前：人工是工作流中的一环，负责手动桥接、信息搬运和进度跟进，导致效率低下且无法脱离。

• 配置后：人工转变为系统管理者，Agent 之间能够自动衔接与合作，实现了 7x24 小时无人值守的自动化工作流。

这些配置将 OpenClaw 从一个需要人工干预的工具转变为一个具备高度自主协作能力的多 Agent 系统。