我的 OpenClaw 多 Agent 工作流：从 1 个 AI 到 1 个团队
TL;DR
一个 AI 助手很强，但一个 AI 团队 更强。OpenClaw 让我把单一 AI 变成了一个 7 人 agent 团队：Researcher 做深度研究，Content 写文章，Tech Lead 拆分任务，Product Owner 写需求，Verifier 做 QA，King 在 Discord 指挥调度。90+ 个 skills 让每个 agent 能操作邮件、GitHub、Slack、智能家居——而我只需要发一条消息。
为什么需要多 Agent？
单 AI 的三个局限
1. 串行瓶颈
传统 AI 对话是串行的：问一个问题，等答案，再问下一个。如果我需要同时调研 5 个竞品，单 AI 要依次处理——而 5 个 sub-agent 可以并行完成，时间缩短到最长那个任务的耗时。
2. 上下文污染
一个 agent 处理所有事务，context window 会被无关信息填满。你让它做完市场调研，再写代码，之前几千 token 的调研内容还挂在那里，影响代码质量。多 agent 架构中，每个 sub-agent 有独立的 context，只返回提炼后的结果。
3. 专业化缺失
一个"全能"AI 很难在每个领域都做到最好。但如果 Researcher agent 专门配置了 Tavily 深度搜索 + Grok X 搜索 + 学术数据库访问，它做调研就比通用 agent 强太多。专业化 = 配置化。
多 Agent 的三个价值
| 价值 | 说明 |
|---|---|
| 并行处理 | 5 个任务同时跑，不是 5 倍时间，是 1 倍时间 |
| 上下文隔离 | 每个 agent 只看自己需要的信息，结果更干净 |
| 专业分工 | 不同 agent 配置不同 tools/skills，各司其职 |
这就是为什么我从"一个 Claude"升级到了"一个 Claude 团队"。
我的 Agent 团队介绍
| Emoji | Agent | 角色 | 绑定渠道 | 核心能力 |
|---|---|---|---|---|
| ⚡ | Jasper (main) | 首席协调者 | Telegram, Discord | 调度任务、汇总结果、日常对话 |
| 👑 | King | Discord 指挥官 | Discord #dev-chat | 路由消息到专家 agent、监控群组 |
| 🔬 | Researcher | 深度研究员 | 按需 spawn | Tavily 搜索、学术调研、竞品分析 |
| ✍️ | Content | 内容创作者 | 按需 spawn | 博客、LinkedIn、技术文档 |
| 🏗️ | Tech Lead | 技术负责人 | 按需 spawn | 任务拆分、架构设计、代码实现 |
| 📋 | Product Owner | 产品负责人 | 按需 spawn | 用户故事、需求文档、验收标准 |
| ✅ | Verifier | 独立 QA | 按需 spawn | 验收检查、独立验证 |
运作方式：
- Jasper 是"CEO"——接收所有任务，决定自己做还是委派
- 简单任务（查天气、发消息）Jasper 自己处理
- 复杂任务 spawn sub-agents，并行或串行执行
- Sub-agents 完成后自动汇报，Jasper 整合结果
6 个真实工作场景
场景 1：早晨 8 点，Briefing 自己送到
When: 每天早上 8 点，在你打开手机之前
Who: Jasper (orchestrator) + 4 个 parallel sub-agents
How:
[Cron 触发 8:00 AM]
├── Sub-agent 1: 检查天气（wttr.in）
├── Sub-agent 2: 扫描日历（Apple Calendar CLI）
├── Sub-agent 3: 检查邮件（himalaya）
└── Sub-agent 4: 扫描 X/Twitter 时间线（grok-search）
│
▼
[Jasper 汇总]
│
▼
[发送到 Telegram]
Result: 一条 2 分钟能读完的消息：今天 3 个会议、有 2 封紧急邮件、Melbourne 下午有雨、X 上 @sama 发了新动态。
Copyable Prompt:
Morning brief:
1. Check my calendar for today's events
2. Scan email inbox for urgent items (flag anything with "urgent" or from my boss)
3. Check weather for Melbourne
4. Check X/Twitter for top 5 posts from AI/tech accounts
Run these in parallel using sub-agents, then synthesize into a 2-minute summary.
为什么这很强： 这 4 件事如果手动做，要打开 4 个 app，花 15-20 分钟。现在在你起床前就完成了——而且是并行的，4 个 sub-agent 同时跑，总时间 = 最慢那个的耗时。
场景 2：竞品调研，5 家公司并行分析
When: 产品规划阶段，需要了解竞争对手
Who: Researcher agent × 5（parallel spawn）
How:
User: "调研这 5 家竞品：Notion, Coda, Obsidian, Roam, Logseq"
Jasper:
├── sessions_spawn(researcher, "深度调研 Notion：产品定位、定价、最新功能、用户评价")
├── sessions_spawn(researcher, "深度调研 Coda：...")
├── sessions_spawn(researcher, "深度调研 Obsidian：...")
├── sessions_spawn(researcher, "深度调研 Roam：...")
└── sessions_spawn(researcher, "深度调研 Logseq：...")
│
▼
[5 个 sub-agent 同时调研]
│
▼
[Jasper 收到 5 份报告，生成对比矩阵]
Result: 15 分钟后收到一份完整的竞品对比表，包含定价、核心功能、优劣势、用户评价。
Copyable Prompt:
Research these 5 competitors in parallel using separate sub-agents:
Notion, Coda, Obsidian, Roam, Logseq
Each sub-agent should analyze:
- Product positioning and target users
- Pricing tiers
- Key features (last 6 months updates)
- User reviews and pain points
- Competitive advantages
Once all complete, synthesize into a comparison matrix with recommendation.
Pro tip: 每个 sub-agent 有独立的 context window，可以深入调研（几千 token），但只有提炼后的结论返回给 Jasper。主 agent 不会被中间过程污染。
场景 3：抖音视频 → 博客文章（内容流水线）
When: 看到一个好的中文视频，想写成英文博客
Who: content-inbox (auto-trigger) → video-analyzer → Content agent
How:
User: [粘贴抖音链接]
[content-inbox 自动触发]
│
▼
[douyin-downloader 下载视频]
│
▼
[video-analyzer Level C 处理]
├── Whisper 转录中文字幕
├── 事实核查（可选：对照 PubMed/WHO）
└── 提取关键片段
│
▼
[Content agent 写作]
├── 翻译核心观点
├── 扩展为 1000 字博客
└── SEO 优化
│
▼
[wordpress-cli 发布草稿]
Result: 粘贴一个链接，30 分钟后 WordPress 里有一篇完整草稿。
Copyable Prompt:
Process this video into a blog post:
[抖音链接]
Steps:
1. Download and transcribe (Chinese)
2. Extract 3-5 key insights
3. Write a 1000-word English blog post based on these insights
4. Add SEO title, meta description, and internal link suggestions
5. Save to WordPress as draft
If any claims need verification, flag them with [NEEDS VERIFICATION].
真实案例： 我用这个流程把 language-arts 项目的演示视频转成了技术博客，从录屏到发布只用了 45 分钟。
场景 4：GitHub Issue → PR（全自动流水线）
When: 有一堆 GitHub issues 需要修复
Who: Tech Lead + parallel coding agents
How:
User: "修复 fortune-web-app 仓库里所有标记为 bug 的 issues"
[gh-issues skill 触发]
│
▼
[列出所有 bug issues]
│
▼
[为每个 issue spawn 一个 coding agent]
├── Coding agent 1: Issue #12 - 修复登录问题
├── Coding agent 2: Issue #15 - 修复 API 超时
└── Coding agent 3: Issue #18 - 修复 CSS 溢出
│
▼
[每个 agent 独立工作]
├── 读代码
├── 写修复
├── 跑测试
└── 开 PR
│
▼
[Verifier agent 审查所有 PR]
Result: 3 个 issue，3 个 PR，自动化完成。我只需要 review 和 merge。
Copyable Prompt:
Fix all open bugs in the fortune-web-app repository:
1. List all issues with label "bug" using gh cli
2. For each issue, spawn a coding sub-agent to:
- Understand the issue
- Locate the relevant code
- Implement a fix
- Write/update tests
- Open a PR with clear description
3. Have Verifier agent review each PR for obvious issues
4. Report back with PR links and summary
Run coding agents in parallel where there are no file conflicts.
关键洞察： 并行 spawn 的前提是 没有文件冲突。如果两个 agent 要改同一个文件，必须串行。Jasper 会自动判断。
场景 5：深夜消息，自动分流处理
When: 晚上 11 点到早上 8 点，消息持续进来
Who: Jasper (HEARTBEAT.md 协议)
How:
[HEARTBEAT.md 定义]
## After-Hours Protocol (11pm - 8am)
- 紧急消息：立即回复有用信息 + 排入早间队列
- 非紧急消息：确认收到 + 排入队列
- 所有交互记录到 memory/YYYY-MM-DD.md
[实际运作]
11:30 PM - Client: "网站挂了！"
→ Jasper 检测到 "urgent" 关键词
→ 立即回复: "收到，正在检查。如果是服务器问题我会立即处理，否则明早第一时间跟进。"
→ 检查服务器状态
→ 如果真挂了 → 尝试重启
→ 记录到日志
2:00 AM - Friend: "周末有空吗？"
→ 非紧急
→ 回复: "收到，明天回复你！"
→ 排入队列
Result: 紧急问题不会漏掉，非紧急消息不会打扰睡眠。每天早上看一个汇总就行。
配置片段（HEARTBEAT.md）：
## After-Hours Protocol
If current time is between 11pm–8am:
**Urgent detection keywords:** 挂了, down, urgent, emergency, 紧急, ASAP
**Urgent response:** Acknowledge, attempt resolution, log for morning review
**Non-urgent response:** "收到，明天回复你！" + queue for morning
Log all after-hours interactions in `memory/{{YYYY-MM-DD}}.md`
场景 6：会议结束，行动项自动分发
When: 会议刚结束，有一堆 action items
Who: Product Owner + Tech Lead + Content agent
How:
User: "刚开完 sprint planning，这是会议记录：[粘贴笔记]"
Jasper:
│
├── Product Owner agent: 提取所有 user stories，格式化为 INVEST 标准
│
├── Tech Lead agent: 识别技术任务，估算复杂度，添加到 Linear
│
└── Content agent: 生成会议纪要，发送到 Slack #team-updates
│
▼
[汇总] "会议处理完成：
- 5 个 user stories 已创建
- 8 个技术任务已添加到 Linear
- 会议纪要已发送到 #team-updates"
Copyable Prompt:
Process these meeting notes from sprint planning:
[粘贴会议笔记]
Run in parallel:
1. Product Owner agent: Extract user stories, format in INVEST standard, create in Linear
2. Tech Lead agent: Extract technical tasks, estimate story points, create in Linear with labels
3. Content agent: Generate meeting summary (300 words), post to Slack #team-updates
Report back with:
- Number of stories/tasks created
- Any items that need clarification
- Link to Slack message
90+ Skills 速查手册
Skills 是 agent 的"知识库"——告诉它怎么做某件事。Tools 是"权限"——允许它真的去做。
🔍 搜索与研究
| Skill | 用途 | 一句话说明 |
|---|---|---|
tavily-search | Web 搜索 | LLM 优化的搜索结果，带相关度评分 |
tavily-extract | 网页提取 | URL → 干净 Markdown，支持 JS 渲染页面 |
tavily-crawl | 网站爬取 | 批量下载整个文档站点 |
tavily-research | 深度研究 | AI 驱动的多源研究报告，带引用 |
grok-search | X/Twitter 搜索 | 唯一能搜 X 内容的 AI 原生接口 |
grokipedia | AI 百科 | xAI 生成的百科全书文章 |
🤖 AI 与模型
| Skill | 用途 | 一句话说明 |
|---|---|---|
claude-usage | 用量查询 | 查 Claude Max/Pro 剩余额度，不是已花费 |
calculator | 精确计算 | LLM 不该做数学，这个 100% 准确 |
gemini | 第二模型 | Claude 限流时的备选，擅长长文档 |
openai-whisper | 本地转录 | 完全离线的语音转文字 |
nano-banana-pro | 图像生成 | Gemini 3 Pro 图像生成/编辑 |
📱 内容与媒体
| Skill | 用途 | 一句话说明 |
|---|---|---|
content-inbox | 内容收集 | 抖音/小红书/微信链接自动触发下载 |
douyin-downloader | 抖音下载 | API 方式，$0.001/次，无需登录 |
video-analyzer | 视频分析 | Whisper 转录 + 事实核查 + 内容提取 |
wordpress-cli | WordPress 发布 | Markdown → WordPress，保留格式 |
summarize | 内容摘要 | YouTube/播客/文章一键总结 |
✅ 生产力
| Skill | 用途 | 一句话说明 |
|---|---|---|
apple-reminders | 提醒事项 | 原生 Apple Reminders，同步 iPhone |
apple-notes | Apple 备忘录 | 创建/搜索/编辑备忘录 |
things-mac | Things 3 | 最好用的 macOS 任务管理器 |
obsidian | Obsidian 笔记 | 操作 Obsidian vault（纯 Markdown） |
notion | Notion | 创建/管理页面和数据库 |
1password | 密钥管理 | 运行时注入密钥，永不写入磁盘 |
💬 通信
| Skill | 用途 | 一句话说明 |
|---|---|---|
discord | Discord | 发消息/管理频道/创建事件 |
slack | Slack | 发消息/react/pin |
himalaya | 邮件 | CLI 邮件管理，支持多账户 |
imsg | iMessage | 直接发 iMessage/SMS |
xurl | X/Twitter | 发推/回复/搜索/DM |
💻 开发
| Skill | 用途 | 一句话说明 |
|---|---|---|
coding-agent | 代码委派 | 把编码任务交给 Claude Code |
github | GitHub | PR/Issue/CI 全流程 |
gh-issues | Issue 自动修 | Issue → 并行 sub-agents → PRs |
vercel | Vercel | 部署/域名/环境变量/日志 |
tmux | Tmux 控制 | 远程操控交互式终端 |
🏠 智能家居
| Skill | 用途 | 一句话说明 |
|---|---|---|
openhue | Philips Hue | 灯光控制和场景 |
eightctl | Eight Sleep | 智能床垫温度和闹钟 |
sonoscli | Sonos | 多房间音频控制 |
spotify-player | Spotify | 终端音乐播放 |
🧠 Agent 智能
| Skill | 用途 | 一句话说明 |
|---|---|---|
multi-agent | 多 agent 编排 | 团队定义和 spawn 模式 |
self-improving | 自我改进 | 从错误中学习，更新 memory |
plan-mode | 安全规划 | 只分析不执行，预览计划 |
soul-keeper | 配置守护 | 自动提示更新 SOUL.md |
🎨 设计
| Skill | 用途 | 一句话说明 |
|---|---|---|
ui-ux-pro-max | UI/UX 设计 | 50 风格 + 97 配色 + 57 字体组合 |
mermaid-architect | 图表生成 | 健壮的 Mermaid 语法生成 |
如何开始：Copy-Paste Prompts
🌅 日常自动化
设置每日早报：
Set up a daily briefing cron job for 8am:
- Check my calendar for today
- Scan email for urgent items
- Check weather for [你的城市]
- Summarize top 5 posts from my X timeline
Run in parallel, deliver summary to Telegram.
下班自动切换模式：
Add this to my HEARTBEAT.md:
After 6pm on weekdays, switch to personal mode:
- Work Slack: only respond to @mentions, acknowledge others
- Personal messages: normal response
- Log work items for next morning
🔬 研究任务
深度调研一个话题：
Research [话题] in depth using tavily-research.
I need:
- Current state (2024-2025)
- Key players and their approaches
- Pros/cons comparison
- Your recommendation
Save to ~/research/[topic].md
竞品分析：
Research these competitors in parallel:
[公司1], [公司2], [公司3]
For each:
- Product positioning
- Pricing
- Recent updates (last 6 months)
- User sentiment (from reviews/Reddit)
Output: comparison matrix with my recommendation.
💻 开发任务
探索新代码库：
Explore this codebase: [路径或 GitHub URL]
Use 4 parallel sub-agents:
1. Architecture overview (main patterns, dependencies)
2. API surface (endpoints, schemas)
3. Database layer (models, migrations)
4. Authentication/Authorization
Synthesize into a 1-page overview for a new developer.
修复所有 bug：
Fix all bugs in [repo]:
1. List issues with label "bug"
2. Spawn parallel coding agents for non-conflicting issues
3. Each agent: understand, fix, test, open PR
4. Verifier reviews all PRs
Report: PR links + summary of changes.
✍️ 内容创作
视频转博客：
Convert this video to a blog post:
[URL]
1. Transcribe (detect language)
2. Extract 5 key insights
3. Write 1200-word blog post
4. Add SEO: title, description, keywords
5. Save as draft in WordPress
社交媒体批量生成：
Take this blog post: [URL or content]
Generate:
1. Twitter thread (8-10 tweets)
2. LinkedIn post (professional tone)
3. 3 quote graphics (suggest text for each)
Output each separately, ready to copy-paste.
🏠 生活自动化
智能家居场景：
Create a "Movie Night" automation:
1. Dim living room lights to 20%
2. Set bedroom lights off
3. Set TV bias lighting to warm white
4. Play "Chill Beats" playlist on living room Sonos at 30% volume
Save as a skill I can trigger with "Movie time".
健康提醒：
Set up hourly reminders during work hours (9am-6pm):
- Every hour: "Time for a 2-minute stretch"
- 12pm: "Lunch break - step away from screen"
- 3pm: "Afternoon walk reminder"
Send to Apple Reminders and ping me on Telegram.
避坑指南
❌ Skill 装了但不工作
症状： 装了 spotify-player skill，但说 "I don't have access to Spotify"
原因： Skills 是知识，Tools 是权限。Skill 告诉 agent 怎么用 Spotify，但 exec tool 必须启用才能真的执行命令。
解决：
# 检查 tools 配置
cat ~/.openclaw/openclaw.json | grep -A 10 '"tools"'
# 确保 exec 在 allow 列表里
❌ Sub-agent 静默失败
症状： Spawn 了一个 sub-agent，然后再也没消息
原因： Sub-agent 可能出错了但没人检查
解决： 使用 Watchdog 模式
After spawning sub-agent, set a 5-minute watchdog:
- If no response in 5 min → check session status
- If stuck/dead → do it yourself
- Never report "sub-agent failed" as final answer
❌ 多 Agent 改同一个文件
症状： 两个 coding agent 同时改 app.js，代码冲突
原因： 并行 spawn 了有文件依赖的任务
解决： 先分析依赖
Before parallel spawn, check:
- Do these tasks touch the same files?
- Do they have shared state?
If yes → run sequentially
If no → run in parallel
❌ "Fancy ChatGPT" 陷阱
症状： 装了 OpenClaw，但只用来聊天问答
原因： 没用上 async/automation 能力
解决： 从一个 cron job 开始
# 最简单的自动化：每天早上发天气
openclaw cron add \
--schedule "0 8 * * *" \
--prompt "Check weather for Melbourne, send to Telegram"
❌ Memory 在不同 agent 间泄露
症状： Work agent 的对话出现在 family agent 里
原因： 共享 workspace 或 memory 目录
解决： 每个 agent 独立 workspace
{
"agents": {
"list": [
{ "id": "work", "workspace": "~/.openclaw/workspace-work" },
{ "id": "family", "workspace": "~/.openclaw/workspace-family" }
]
}
}
下一步
入门（第 1 周）
- 装一个有用的 cron： 早报或下班提醒
- 试一次 parallel spawn： 调研 3 个东西
- 设置 after-hours protocol： 晚上自动回复
进阶（第 2-4 周）
- 创建第二个 agent： 专门处理某类任务（研究、写作、代码）
- 连接更多 channels： Discord 群组、WhatsApp 家庭群
- 写第一个 custom skill： 把常用 prompt 固化
高级（第 2 个月+）
- 搭建 agent 团队： 3-5 个专业 agents + 一个 coordinator
- 探索 deterministic workflows： YAML 定义流程，LLM 执行步骤
- 贡献社区： 发布 skill 到 ClawHub
核心心态转变
"我的工作从'写代码'变成了'指挥 AI 团队写代码'。" — Reddit 某 6 年开发者
Multi-agent 不是技术问题，是身份转变。你不再是执行者，而是管理者。你的价值不在于亲手做每件事，而在于 设计系统 让事情自动发生。
这是 AI 原生的工作方式。
Written by Content Agent ✍️ | Orchestrated by Jasper ⚡
90+ skills cataloged | 10 real workflows documented | 2026-03-19
Building something similar?
I'd love to hear how you're using AI agents — always happy to swap notes and find new ways to push this further.
Get in Touch →