搭建openclaw的多agent

将多个独立的 Telegram Bot 组建成一个分工协作的 Agent 团队。通过合理的架构配置，你可以让不同的 Bot 扮演不同的角色（如主脑、程序员、研究员等），实现复杂任务的自动化流转。

提前设计好框架，如下

【架构设计】

一主三副，各司其职：

• 🦞 龙虾总管 = 调度中枢，监听群消息，分发任务

• 📊 大饼 = 市场分析 + 每日晨报（定时稳定）

• 🎨 冰冰 = 推文润色 + PPT + 信息图（按需创作）

• 💻 姨太 = 代码 + 量化 + 自动化（技术执行）

每个 Agent → 独立 TG Bot → 独立 workspace → 共享 skills 库

【TG 群组配置核心步骤】

1. @BotFather

创建 4 个独立 Bot，拿到 4 个 token，再对每个子 Bot 执行 /setprivacy → 选 Disable，让 Bot 能读取群内所有消息（否则只能读到 @ 自己的消息）

2. openclaw.json 里配置

主要是要修改channels 部分，再创建agents，绑定 bindings，最后进行微调，关键配置如下：

```
{
  "agents": {
    "list": [
      {
        "id": "main",
        "workspace": "~/.openclaw/workspace-main",
        "agentDir": "~/.openclaw/agents/main/agent"
      },
      {
        "id": "coder",
        "workspace": "~/.openclaw/workspace-coder",
        "agentDir": "~/.openclaw/agents/coder/agent",
        "tools": { "deny": ["browser", "nodes"] }
      },
      {
        "id": "researcher",
        "workspace": "~/.openclaw/workspace-researcher",
        "agentDir": "~/.openclaw/agents/researcher/agent",
        "tools": { "deny": ["exec", "write", "edit"] }
      },
      {
        "id": "writer",
        "workspace": "~/.openclaw/workspace-writer",
        "agentDir": "~/.openclaw/agents/writer/agent",
        "tools": { "deny": ["exec", "browser", "nodes"] }
      }
    ]
  },
  "session": { "dmScope": "main" },
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["main", "coder", "researcher", "writer"]
    }
  },
  "bindings": [
    { "agentId": "main", "match": { "channel": "telegram", "accountId": "main" } },
    { "agentId": "coder", "match": { "channel": "telegram", "accountId": "coder" } },
    { "agentId": "researcher", "match": { "channel": "telegram", "accountId": "researcher" } },
    { "agentId": "writer", "match": { "channel": "telegram", "accountId": "writer" } }
  ],
  "channels": {
    "telegram": {
      "accounts": {
        "main": {
          "botToken": "111111:TOKEN_MAIN",
          "dmPolicy": "pairing"
        },
        "coder": {
          "botToken": "222222:TOKEN_CODER",
          "dmPolicy": "allowlist",
          "commands": {
		"native": false,
		"nativeSkills": false
	  },
          "allowFrom": ["tg:你的数字ID"]
        },
        "researcher": {
          "botToken": "333333:TOKEN_RESEARCHER",
          "dmPolicy": "allowlist",
          "commands": {
		"native": false,
		"nativeSkills": false
	  },
          "allowFrom": ["tg:你的数字ID"]
        },
        "writer": {
          "botToken": "444444:TOKEN_WRITER",
          "dmPolicy": "allowlist",
          "commands": {
		"native": false,
		"nativeSkills": false
	  },
          "allowFrom": ["tg:你的数字ID"]
        }
      }
    }
  }
}
```

权限设计：主机器人设 requireMention: false（可主动回复群消息），子机器人设 requireMention: true（被艾特才回复）

userid和群id可以把 4 个 Bot 全部拉进同一个群，再用 TG  @userinfobot 去获取该群组 ID

3. 配置各 Agent 的 SOUL.md

为确保团队成员各司其职，你需要为它们设定人设（SOUL.md）。

主脑 SOUL.md（放在 workspace/SOUL.md）:

**markdown**

```markdown
# SOUL.md - 主脑
你是团队的协调者和对外入口。
## 职责
- 理解用户意图，判断任务复杂度
- 简单任务直接自己处理，不必每次派发
- 编码类 → 派给 coder（sessions_send）
- 调研/搜索类 → 派给 researcher
- 写作/文案类 → 派给 writer
- 收集专才结果，整合后回复用户（不是简单转发）

## 原则
- 派发任务时说清楚背景和期望输出格式
- 等专才完成后再整合，不要催
- 汇总时做真正的整合，给用户一个完整的答案
```

专才 SOUL.md（放在 workspace-各目录/SOUL.md 或各自 agentDir 下）:

**markdown**

```markdown
# SOUL.md - 专才
你是团队的专业成员，可能被主脑派发任务，也可能被用户直接联系。
## 共享记忆规范
- 读 MEMORY.md 了解团队整体上下文
- 写记忆时标明身份，格式：`[coder] 今天完成了...`
- 不要覆盖其他 agent 写的记忆条目
## 原则
- 专注自己的领域
- 任务完成后，清晰地返回结果
- 感知到其他专才已经做过的工作，避免重复
```

4. 启验证

> 使用以下命令确保所有配置生效并正常运行：

**bash**

```bash
# 重启 gateway 使配置生效
openclaw gateway restart

# 验证 agent 列表和 bindings
openclaw agents list --bindings

# 验证各 channel 状态
openclaw channels status --probe

# 实时日志（调试用）
openclaw logs --follow
```

【💥 最容易踩的坑 TOP 5】

坑 1：代码尽量喂给主机器人，让他自己修改，防止你手动改配置文件，遇到一些空格类型错误导致整体报错，每次修改 Json 文件前，务必备份，出现错误可以及时回复！！

坑 2：私聊调教 ≠ 群聊记忆

同一个 Agent 的私聊/群聊/cron 是完全独立的 session

在私聊调教好的格式，群里完全不知道

→ 解决：把所有规范写进 SOUL.md，每个 session 启动都加载，实在不行让私聊机器人出一份教程，再发进群聊里。

坑 3：子 Agent 默认不能互相通信

龙虾总管想给大饼发调度指令 → 报 forbidden

需要在 openclaw.json 开启：

**markdown**

```markdown
"tools": {
  "sessions": { "visibility": "all" },
  "agentToAgent": { "enabled": true }
}
```

坑 4：Gateway 重启 = 缓存清空 = 高成本

重启后所有 170k tokens 以原价重新加载

→ 避免频繁重启，改配置务必一次到位

坑 5：skills 目录最好设置为软链接共享，自然语言告诉主机器人，让他设置装一，其他机器人就自动都有，如果子机器人说没有，让主机器人写个教程教子机器人即可。

坑 6：Subagent 容易超时

因为主机器人调取 Subagent 的默认响应时间可能只有几秒，时间不够 Subagent 完成任务，结果主机器人就以为没有响应，

正确做法：让主机器人把和 Subagent 的等待响应时间设置长一些。

───

【多 Agent 协作省 Token 的核心：STATE.yaml 模式】

错误做法： 龙虾总管把大饼的研究结果(2000 字)原文转发给冰冰

→ 每份内容被读 3 次，Token 翻 3 倍

正确做法：

**markdown**

```markdown
龙虾总管建项目目录 /tmp/oc-projects/{项目名}/
  └── STATE.yaml    ← 任务状态清单
  └── research.md   ← 大饼写入研究结果
  └── output.pptx   ← 冰冰生成成果

龙虾总管 → sessions_send 给大饼：只传任务描述 + 目录路径
大饼写完 research.md → 更新 STATE.yaml → 通知龙虾总管
龙虾总管 → sessions_send 给冰冰：直接读那个目录
冰冰读文件 → 做PPT → 更新 STATE.yaml
```

龙虾总管全程只传路径，省 Token 80%

───

【最终成果】

✅ 4 个 Bot 同时在线于同一 TG 群

✅ 龙虾总管调度，子 Agent 独立完成任务

✅ STATE.yaml 去中心化协作，省 Token 80%

彩蛋：

可以把以下案例文档发到群聊里，让主机器人学习借鉴，快速理解多 Agent 协作模式：

[https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/multi-agent-team.md](https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/multi-agent-team.md)

[https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/autonomous-project-management.md](https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/autonomous-project-management.md)

[https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/content-factory.md](https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/content-factory.md)

[https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/overnight-mini-app-builder.md](https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/overnight-mini-app-builder.md)