当大家还在让 OpenClaw 单 Agent “身兼数职” 时，聪明的用户已经搭建起专属 AI 团队 —— 让头脑风暴 Agent 负责创意、写作 Agent 产出文案、编码 Agent 搞定开发，一个人就能完成一整个部门的工作。OpenClaw 的多 Agent 模式，不仅能解决单 Agent 记忆臃肿、上下文污染、Token 成本高昂的痛点，更能通过分工协作实现效率飞跃。本文就以飞书为例，拆解最适合个人用户的单 Bot 路由模式，带你从零搭建专属 AI 军团。
一、为什么必须用多 Agent？单 Agent 的 3 大痛点
很多人使用 OpenClaw 时习惯 “一号通吃”，写文案、改代码、生图全交给一个主 Agent，长期下来问题越来越明显：
-
记忆臃肿：USER.md、memory 等文件越积越大，Agent 响应速度越来越慢；
-
上下文污染：让 Agent 写公众号时，它可能联想到昨天的代码逻辑，导致输出逻辑混乱、跑题；
-
成本浪费：每次对话都要读取大量无关背景资料，Token 消耗居高不下。
而多 Agent 模式通过 “物理隔离” 完美解决这些问题：同一个飞书 Bot，拉进不同群组就自动切换身份，底层对应不同 Agent、独立工作区甚至不同模型 —— 头脑风暴群配 GLM-4.7 发挥中文创意优势，公众号写手群用 DeepSeek 平衡性价比与逻辑输出，真正实现 “一个 Bot，多个专家”。
二、多 Agent 两大流派：分身流 vs 独立团
OpenClaw 的多 Agent 配置有两种核心玩法，可根据需求选择：
| 流派 | 核心逻辑 | 优势 | 适用人群 |
|---|---|---|---|
| 分身流（本文重点） | 单飞书 Bot + 多群组，通过 bindings 路由切换 Agent | 配置简单、管理方便、体验丝滑 | 个人用户、追求效率的轻量场景 |
| 独立团 | 为不同角色创建独立飞书 Bot（如调研 Bot、设计 Bot、编码 Bot） | 角色感强、协作直观 | 硬核玩家、复杂团队协作场景 |
无论选择哪种，底层都是 OpenClaw 的多 Agent 隔离机制 —— 每个 Agent 都拥有专属 Workspace（工作区）、AgentDir（状态目录）、Sessions（会话存储），就像拥有独立办公室、身份证和私人记忆，互不干扰。
小贴士：想挑战多 Bot 模式可参考飞书插件 PR：https://github.com/m1heng/clawdbot-feishu/pull/137，支持多机器人接入。
三、单 Bot 路由模式实操：3 步搭建 AI 团队
单 Gateway 模式是个人用户的最优选择，通过 “单 Bot + 多群组” 实现 Agent 分身，配置步骤简单易懂：
Step 1：命令行创建独立 Agent
用内置向导快速创建隔离 Agent，指定专属模型和工作区：
bash
运行
# 创建名为work的Agent，指定模型为GLM-4.7，工作区路径自定义
openclaw agents add work \
--model zai/glm-4.7 \
--workspace ~/.openclaw/workspace-work
接着给 Agent 设置 “身份标识”，方便在飞书群中快速识别：
bash
运行
# 定义Agent名称和表情符号
openclaw agents set-identity --agent work --name "全能小秘书" --emoji "🤖"
Step 2：编写 “入职材料”，给 Agent 注入灵魂
命令行创建的是 Agent “身体”，要让它精准发挥角色作用，需在独立工作区（如 workspace-work）配置 3 个核心文件：
-
SOUL.md：定义 Agent 个性与专业能力（如编码 Agent 要突出 “精通 Python、擅长调试”）；
-
AGENTS.md：明确协作规则（如 “接受首席牛马官的任务分配，完成后及时反馈”）；
-
USER.md：记录用户偏好（如写作 Agent 需记住 “文风口语化、重点突出、带网感”）。
这种基于文件的管理方式，让 AI 表现更稳定可控，自动化工作流更具 “专业直觉”。
Step 3：绑定飞书群组，实现 Agent 路由
这一步是核心，让同一个 Bot 在不同群组自动切换对应 Agent：
-
飞书创建目标群组，添加群机器人并获取群会话 ID（群设置中查看）；
-
打开 openclaw.json，在 bindings 数组中添加路由规则，关联 Agent 与群组：
json
{
"bindings": [
{
"agentId": "work", // 对应Step1创建的Agent名称
"match": {
"channel": "feishu",
"peer": {
"kind": "group",
"id": "oc_d46347c35dd403daad7e5df05d08a890" // 飞书群会话ID
}
}
}
]
}
- 关闭 “必须 @机器人” 限制：在 channels→feishu→groups 中设置
requireMention: false，同时开放飞书im:message.group_msg权限，让群组变成 Agent 专属办公室，无需 @就能直接对话：
json
{
"channels":{
"feishu":{
"enabled":true,
"appId":"cli_a9f21xxxxx89bcd",
"appSecret":"w6cPunaxxxxBl1HHtdF",
"domain":"feishu",
"connectionMode":"websocket",
"groups":{
"oc_d46347c35dd403daad7e5df05d08a890":{
"requireMention":false
}
}
}
}
}
四、Agent 协作核心：让 AI 之间自动沟通
多 Agent 的精髓不是 “各自为战”，而是通过协作完成复杂任务。这里需要设置一个 “首席牛马官”（主 Agent），负责任务分发与流程管控，其他 Agent 专注执行具体工作。
1. 主 Agent 的 3 大职责
-
接住需求：直接对接用户的所有原始指令；
-
精准调度：判断任务类型，派给对应 Agent（如创意类交给 brainstorm Agent，写作类交给 writer Agent）；
-
串联全场：监控任务进度，确保各环节无缝衔接，最终向用户返回整合结果。
2. Agent 通信机制：sessions_send 工具
Agent 之间的沟通不靠 “喊话”，而是通过 OpenClaw 内置的sessions_send工具（类似 “内线电话”），确保信息传递精准且隔离，避免使用session_spawn导致的上下文混淆。
3. 开启 agentToAgent 权限
要让 Agent 之间正常通信，需在配置文件中开通权限，设置可通信的 Agent 白名单：
json
{
"tools":{
"agentToAgent":{
"enabled":true,
"allow":[
"main", // 主Agent（首席牛马官）
"brainstorm", // 头脑风暴Agent
"writer", // 写作Agent
"coder" // 编码Agent
]
}
}
}
协作示例：生成 2026 春节图片
-
用户向主 Agent 发送需求：“生成 2026 年春节氛围图片”；
-
主 Agent 通过
sessions_send转发请求给生图 Agent（mulerun）； -
生图 Agent 调用 nano-banana-pro 模型生成图片；
-
生图 Agent 将结果返回给主 Agent；
-
主 Agent 整理结果，同步发送给用户（群聊 + 私信）。
五、高级玩法：AI 团队的 2 种协作阵法
搭建好基础架构后，可根据任务类型设计协作模式，最大化效率：
-
线性流水线：前置 Agent 交付后，后置 Agent 接力推进。例：调研员 Agent 挖资料→写手 Agent 出初稿→校审 Agent 纠错优化；
-
依赖并行：复杂任务拆解后多路同步执行。例：架构师 Agent 定框架→后端 / 前端 Agent 同时开发→质量监督 Agent 统一把关。
结语：AI 时代，一个人就是一支军队
OpenClaw 多 Agent 模式的核心，不是堆砌模型，而是通过合理的组织设计，让每个 AI 发挥专长。当别人还在让单个 Agent “疲于奔命” 时，你已经能指挥 AI 团队高效完成复杂任务 —— 这正是 Agent 时代的核心竞争力。
现在就动手配置你的 AI 军团吧！如果遇到卡点，或想获取更细致的配置模板，可加入实战交流群（备注 “龙虾”），与同行分享协作构想，一起成为硬核 AI 架构师。