从”单线程对话”进化为”多线程指挥”——详解如何让多个智能体并行处理任务并汇总结果

一、核心概念：什么是”龙虾场主”模式？

OpenClaw的多智能体系统灵感来自”龙虾养殖场”的生态系统。在这个模式中：

龙虾场主（主Agent） = 统筹者，负责任务拆解、分配、监控、汇总
专业钳（子Agent） = 执行者，各司其职，并行工作
Announce机制 = 子Agent完成后自动汇报结果

并行处理 多个子Agent同时工作，效率提升数倍

专业分工 每个Agent专注特定领域，保证输出质量

自动汇总 结果通过Announce机制自动返回主Agent

二、架构详解：OpenClaw会话层级

OpenClaw的多Agent系统基于会话层级（Session Hierarchy）实现：

层级	标识	角色	说明
Depth 0	agent:main	主Agent（龙虾场主）	接收用户任务，统筹规划，分配子Agent
Depth 1	subagent:uuid	子Agent（专业Worker）	执行具体任务，并行工作
Depth 2	subagent:uuid:subagent	子子Agent	当maxSpawnDepth≥2时，可进一步派生

核心API：sessions_spawn

通过 sessions_spawn 创建子Agent并行执行任务：

// 并行派发三个子Agent同时工作

// 并行派发三个子Agent同时工作 const results = await sessions_spawn({ agentId: "researcher", // Agent标识符 task: "收集竞品分析报告...", label: "market-research", // 会话标签，便于追踪 runTimeoutSeconds: 3600, // 超时时间（秒） context: "isolated" // 隔离上下文，不继承父会话 });

关键参数说明

参数	必填	说明
agentId	✅	目标Agent的标识符
task	✅	任务描述，必须清晰、可执行
label	✅	会话标签，用于追踪和识别
runTimeoutSeconds	提议	超时时间，提议设置防止无限运行
context	可选	“fork”继承父上下文，”isolated”完全隔离
mode	可选	“run”一次性任务，”persistent”持续运行

三、完整配置步骤（7步搞定）

1.创建Agent工作空间

为每个专业Agent创建独立的工作目录：

# 创建各Agent的工作空间

mkdir -p ~/.openclaw/workspace-researcher

# 调研Agent

mkdir -p ~/.openclaw/workspace-designer

# 设计Agent

mkdir -p ~/.openclaw/workspace-developer

# 开发Agent

2.编写Agent的身份文件（SOUL.md）

每个Agent需要有明确的角色定义：

#
workspace-researcher/SOUL.md 示例

# 我是市场调研专家

# 专长：数据分析、竞品研究、市场洞察

# 风格：专业、严谨、数据驱动

## 我的职责

– 分析市场趋势和竞争格局 – 收集用户画像数据 – 提供数据支撑的决策提议

3.配置openclaw.json（多Agent绑定）

在配置文件中定义所有Agent和它们的路由规则：

// openclaw.json 配置片段 { "agents": { "list": [ { "id": "main", "name": "龙虾场主", "workspace": "~/.openclaw/workspace" }, { "id": "researcher", "name": "调研钳", "workspace": "~/.openclaw/workspace-researcher" }, { "id": "designer", "name": "设计钳", "workspace": "~/.openclaw/workspace-designer" }, { "id": "developer", "name": "开发钳", "workspace": "~/.openclaw/workspace-developer" } ] }, "bindings": [ { "agentId": "main", "match": { "channel": "feishu", "peer": { "kind": "direct", "id": "ou_你的用户ID" } } } ] }

4.配置飞书Channel绑定

将飞书用户与主Agent绑定，确保消息路由正确：

// 在bindings中配置飞书路由

// 在bindings中配置飞书路由 { "bindings": [ { "type": "agent", "agentId": "main", "match": { "channel": "feishu", "accountId": "xiaoli", "peer": { "kind": "direct", "id": "ou_7986addcb459b1434f2e6500c225ede9" } } } ] }

5.编写AGENTS.md路由表

在主Agent工作空间中创建AGENTS.md定义任务分配规则：

# 任务分配规则表

## 任务类型 → Agent映射

“调研类任务”

→ researcher

“设计类任务”

→ designer

“开发类任务”

→ developer

“综合任务”

→ main（先拆解，再分配） ## 并行执行规则 当用户任务包含多个子任务时： 1. 识别子任务类型 2. 同时派发对应的子Agent 3. 收集各Agent结果 4. 汇总输出 ## 结果汇总 所有子Agent完成后，将结果整理成统一格式返回给用户。

6.在主Agent中使用sessions_spawn派发任务

主Agent（龙虾场主）接收任务后，拆解并派发子Agent：

// 主Agent的工作流程示例（伪代码）

// 1. 接收任务：”帮我做一个市场调研、设计logo、开发落地页”

// 2. 拆解任务为三个并行子任务

// 主Agent的工作流程示例（伪代码） // 1. 接收任务："帮我做一个市场调研、设计logo、开发落地页" // 2. 拆解任务为三个并行子任务 const subTasks = [ { agent: "researcher", task: "市场调研：分析竞品、用户画像..." }, { agent: "designer", task: "设计logo：科技感+温馨风格..." }, { agent: "developer", task: "开发落地页：基于调研和设计..." } ]; // 3. 并行派发所有子Agent const sessions = await Promise.all( subTasks.map(t => sessions_spawn({ agentId: t.agent, task: t.task, label: `${t.agent}-task`, runTimeoutSeconds: 7200 })) ); // 4. 等待所有子Agent完成并汇总结果 // 结果通过Announce机制自动返回 // 5. 整合输出最终交付物

7.配置工具权限（可选但推荐）

控制各Agent的工具有限权限：

// 限制子Agent只能使用特定工具

// 限制子Agent只能使用特定工具 { "agents": { "researcher": { "allowedTools": ["web_search", "read", "write"], "deniedTools": ["exec", "video_generate"] }, "developer": { "allowedTools": ["read", "write", "exec"] } } }

四、并行处理流程图解

关键点：多个子Agent同时工作（并行），大幅提升效率；主Agent负责协调和汇总，不做具体执行工作。

五、实战代码模板

5.1 主Agent派发并行任务模板

/** * 主Agent：并行派发多个子Agent处理任务 * @param {string} userTask - 用户提交的综合任务 * @returns {string} - 汇总后的最终结果 */ async function handleUserTask(userTask) { // Step 1: 分析任务，拆解为并行子任务 const subTasks = analyzeAndSplitTask(userTask); // Step 2: 并行派发所有子Agent const spawnPromises = subTasks.map(st => sessions_spawn({ agentId: st.agentId, task: st.task, label: st.label, runTimeoutSeconds: st.timeout || 7200, context: "isolated" })); const spawnedSessions = await Promise.all(spawnPromises); // Step 3: 等待所有子Agent完成（通过Announce机制） // 这里可以添加进度监控逻辑 // Step 4: 汇总结果（各子Agent通过Announce返回结果） const finalResult = await aggregateResults(spawnedSessions); return finalResult; } /** * 任务拆解：根据任务类型分配给不同的专业Agent */ function analyzeAndSplitTask(task) { // 示例拆解逻辑，实际根据任务内容动态判断 return [ { agentId: "researcher", task: "调研市场数据...", label: "research" }, { agentId: "designer", task: "设计视觉素材...", label: "design" }, { agentId: "developer", task: "开发落地页面...", label: "develop" } ]; }

5.2 子Agent完成任务后的返回方式

// 子Agent完成任务后的两种返回方式 // 方式1：正常返回结果（结果会发送到父Agent） // 直接在消息中包含结果即可 "任务完成！调研结果：2024年Q1市场增长15%，竞品主要是A、B两家..." // 方式2：静默完成（不发送任何消息给父Agent） // 如果任务不需要返回结果，可以静默完成 if (noNeedToAnnounce) { // 返回ANNOUNCE_SKIP表明静默完成 return "ANNOUNCE_SKIP"; }

5.3 飞书Channel配置完整示例

// openclaw.json 飞书多Agent配置 { "channels": { "feishu": { "enabled": true, "defaultAccount": "xiaoli" } }, "agents": { "list": [ { "id": "main", "name": "龙虾场主", "runtime": { "type": "main" } }, { "id": "researcher", "name": "调研钳", "runtime": { "type": "subagent", "workspace": "~/.openclaw/workspace-researcher" } }, { "id": "designer", "name": "设计钳", "runtime": { "type": "subagent", "workspace": "~/.openclaw/workspace-designer" } } ] }, "bindings": [ { "agentId": "main", "match": { "channel": "feishu", "peer": { "kind": "direct", "id": "ou_7986addcb459b1434f2e6500c225ede9" } } } ] }

六、Announce机制详解

子Agent完成后，结果通过Announce机制自动返回给父Agent：

结果自动汇总示例

// 主Agent等待并收集各子Agent的Announce结果 // 假设各子Agent返回的结果格式如下： // researcher返回: "市场调研完成：竞品A占比40%，B占比30%..." // designer返回: "Logo设计完成：提供了3个方案..." // developer返回: "页面开发完成：已部署到测试环境..." // 主Agent汇总： const finalReport = ` # 项目完成报告 ## 1. 市场调研（调研钳） 竞品A占比40%，B占比30%，提议定价2999元... ## 2. 视觉设计（设计钳） 完成Logo设计，3个方案供选择，已同步到设计稿... ## 3. 页面开发（开发钳） 落地页开发完成，已部署到测试环境... ## 4. 汇总提议 提议优先推进A方案，配合2999元定价策略... `;

七、最佳实践与注意事项

7.1 任务拆解原则

✅ 好任务：“请调研TOP 5竞品的功能和价格，分析用户画像，给出定价提议”
❌ 差任务：“帮我分析一下市场”（太模糊，无法执行）

7.2 常见的坑及解决方案

⚠️ 坑1：子Agent不返回结果
检查是否设置了正确的runTimeoutSeconds，或检查Announce机制是否启用

⚠️ 坑2：任务分配混乱
确保AGENTS.md中正确定义了任务→Agent的映射规则

⚠️ 坑3：飞书路由失败
检查bindings配置中的peer.id是否为用户的open_id（格式：ou_xxx）

7.3 性能优化提议

并行优先 无依赖关系的任务必定要并行派发，不要串行

超时控制 必定要设置runTimeoutSeconds，防止子Agent无限运行

上下文隔离 使用context:”isolated”避免子Agent继承父会话的上下文

结果格式化 提前约定各子Agent的返回格式，便于汇总

八、飞书具体配置步骤

Step 1: 获取你的飞书User ID

在飞书开放平台检查日志，或发送消息给机器人后查看openclaw日志：

# 查看日志获取用户open_id

openclaw logs –follow

# 日志中会显示: open_id: ou_xxx

Step 2: 配置openclaw.json

# 完整配置示例（保存到 ~/.openclaw/openclaw.json） { "channels": { "feishu": { "enabled": true, "dmPolicy": "allowlist", "allowFrom": ["ou_7986addcb459b1434f2e6500c225ede9"] } }, "agents": { "list": [ { "id": "main", "name": "主Agent" }, { "id": "sub1", "name": "子Agent1" }, { "id": "sub2", "name": "子Agent2" } ] }, "bindings": [ { "agentId": "main", "match": { "channel": "feishu", "peer": { "kind": "direct", "id": "ou_7986addcb459b1434f2e6500c225ede9" } } } ] }

Step 3: 重启Gateway使配置生效

# 重启OpenClaw Gateway

openclaw gateway restart

Step 4: 验证配置

# 检查Agent配置

openclaw config get agents

# 检查bindings配置

openclaw config get bindings

九、总结：你的多智能体天团

龙虾场主（Main Agent） ├── 调研钳（Researcher）→ 市场调研、数据分析 ├── 设计钳（Designer）→ 视觉设计、素材创作 ├── ✍️ 文案钳（Writer）→ 内容创作、SEO优化 ├── 开发钳（Developer）→ 编程开发、页面搭建 └── 汇总钳（Merger）→ 结果整合、最终输出

核心价值：
1. 并行处理 — 多个任务同时执行，效率提升数倍
2. 专业分工 — 每个Agent专注特定领域，保证输出质量
3. 自动汇总 — Announce机制自动收集结果，无需手动整合
4. 易于扩展 — 新增Agent只需配置路由规则即可

通过以上配置，你可以在飞书中实现：一个任务 → 多个Agent并行处理 → 自动汇总结果的完整workflow。就像指挥一支特种部队，你做指挥官，AI们替你执行！