正文

你好，朋友。

见信如晤。

如果你用AI的时间足够长，那你一定被AI思考时的等待、debug折磨过。有些人会想到多开几个窗口同时进行，或者换不同的AI产品同时操作。

那为什么我们不在产品本身的架构里就进行这样的调整呢？

01.

多 Agent 模式是什么？

一句话来说就是：从一个 OpenClaw 为你打工，变成你招了 10 名实习生。

为什么是 OpenClaw 和实习生的比喻？

因为后面扩展的这些 Agent，每个都有自己独立的工作空间，有自己单独的角色设定，“记忆”与“技能”都是独立的，而不是创建了 10 只 OpenClaw 。

02.

为什么“多 Agent 协作”才是正解？

之前用 Cursor 或 Trae 时，最大的痛点是等待。

让 AI 写一段代码或搜集一个资料，它在“思考”和输出时，你只能干看着，不仅没法同时推进其他任务，还经常分不清它是真的在运算还是单纯卡死了。

这就引出了单 Agent 和多 Agent 的核心架构差异：

  • 单 Agent： 就像自己家里做饭。我们得自己洗菜、切菜、起锅烧油、炒菜、最后端上桌。哪怕是专业厨师，做三道菜也得老老实实花三道菜的时间。
  • 多 Agent： 饭店里的后厨团队。洗菜工、切配工、掌勺大厨各司其职。大厨在炒第一道菜时，配菜工已经把第二道菜的原料准备好了。全程没有人员闲置，也没有无意义的等待。

这才是我们想要的状态——让每个 Agent 拥有独立的设定和工作流，把“单线任务”变成“并发的流水线”。

一个开源的多Agent可视化管理面板

03.

我的实践案例：真实互联网公司团队

我目前的 OpenClaw 里创建了 11 个 Agent，角色设定完全参考真实互联网公司的职能架构。

以一个每天必做的“定时早报任务”为例，其中的差异非常明显：

之前朋友分享了我一个早报的 Skills，但这是用 Claude code 运行的，每次使用还要手动操作一次。早上 9:00 开始执行，实际发出来往往是 9:05。

后来我在 OpenClaw 里创建了 11 个 Agent，按照真实互联网公司的职能架构，创建了 11 个 Agent，每个 Agent 都有自己专门的任务空间、角色设定，负责的工作也不一样。

部分角色人设设定

我把所有的 Claude Code 的 Skills 都同步到了 OpenClaw 里，先对这个日报进行了改造，专门针对多 Agent 模式运行，所有的任务都有专门的 Agent 运行：

  • Agent A（信息检索）：专门负责抓取各大站点的 RSS 增量文章。
  • Agent B（内容过滤）：根据职能需求，剔除噪音，筛选核心资讯。
  • Agent C（分发触达）：专门负责排版并推送到飞书。

结果差异：任务可以每天早上 9 点自动触发（ OpenClaw 的心跳机制），单 Agent 耗时大概 5 分钟的流程，在多 Agent 并发协作下，耗时直接压缩到了 20 秒左右。每个步骤都在实时同步进度，不仅快，而且节点可控。

多Agent跑任务流程

04.

多 Agent 模式适合所有的任务吗？

多 Agent 不是提升效率的万能药，它是一台极其消耗资源的重型机器。

在创建多 Agent 模式前，请了解并注意以下：

  • 链路简单的任务不要碰：如果你的需求只需 3-5 步（如简单的问答、总结、单次搜索），用多 Agent 模式是在给自己找麻烦，一个模型进行回答足够了。
  • Token 消耗成倍放大：多 Agent 意味着节点之间需要传递上下文、相互校验甚至反驳。同样的输出结果，Token 消耗量远超单体模型。合理的架构应是：路由/主控 Agent 使用高级模型，执行确定性单一操作的 Agent 挂载低成本或本地模型（如 Qwen 3.5-9B），以平衡 Token 消耗。
  • 设定必须隔离：所有 Agent 共享同一套设定与本地文件目录，使得“记忆”与“技能”无法形成差异化隔离。飞书的 Bot 设定可以一致，但 OpenClaw 的工作空间、角色设定必须有差异。

未来，我们可能不会再问"怎么提高效率"，而是问"如何组建我的AI团队"？

Vol.005

祝好

陆离 敬上

2026/03/08 写于深圳