在AI应用的进阶阶段，大家往往会发现，单一的全能型Bot很难应付复杂场景。

这事儿也好理解。你不能指望一个人既当项目经理，又当UI设计师，还兼着写代码。

真正靠谱的做法，是通过OpenClaw配置多Agent，把“一个人”拆成一支分工明确的AI团队。

今天这篇指南，就从架构选择一路讲到实战配置，手把手带你搞定多Agent的部署。

架构选型：单网关与双网关

动工之前，先要想清楚一个问题：你的部署模式选哪种？

OpenClaw主推的方案就两个，而且区别很大。

部署模式	核心逻辑	优势	劣势	适用场景
单 Gateway 多 Agent	三五个Agent挤在同一配置文件里，共享一个网关进程，连文件系统都是同一套。	资源省、配置省心，Agent之间通信和文件共享几乎零门槛。	故障隔离性差——哪个Agent要是崩了，整个系统都可能跟着倒霉；安全性也相对低一些。	个人用、小团队搞协作，轻量级场景首选。
双 Gateway 独立部署	启动多个独立的OpenClaw进程，彼此配置和文件系统完全隔开。	隔离性拉满，安全性高，一个崩了不影响另一个。	资源消耗大（内存是硬伤），配置起来有点麻烦，端口容易撞车，数据互通也费劲。	多团队共用服务器、处理敏感数据，或者你就是想要极致隔离的场景。

结论很清楚：新手和大多数协作场景，单Gateway模式基本够用了。

核心配置流程

下面就以单Gateway模式为例，搭一个包含“博客写作”和“代码开发”的AI团队。

走一遍流程，你就明白了。

1. 创建 Agent

先通过命令行创建具有独立工作空间的Agent。

这一步会自动在配置文件里注册Agent信息。

# 创建博客助手 Agent，指定独立的工作目录
openclaw agents add blog --workspace ~/.openclaw/workspace-blog
# 创建开发助手 Agent
openclaw agents add coding --workspace ~/.openclaw/workspace-coding
# 验证创建结果
openclaw agents list

2. 配置模型与角色

设置模型：不同Agent干不同活儿，当然要配不同的模型。

注意一定要用模型别名，别写带日期的完整ID。那样版本一更新，你就得手动改，维护成本更高。

# 为 blog Agent 配置高性能模型
openclaw config patch agents.list.1.model "anthropic/claude-sonnet-4-5"

定义角色（SOUL.md）：进入对应Agent的工作空间，写个SOUL.md文件，把它的身份彻底说清楚。

~/.openclaw/workspace-blog/SOUL.md

# SOUL.md - 博客助手
## 角色定位
- 专注于技术博客写作，风格专业且通俗易懂。
- 熟悉 Markdown 格式与博客发布流程。
- 不得执行系统命令或访问非授权目录。

~/.openclaw/workspace-coding/SOUL.md

# SOUL.md - 开发助手
## 角色定位
- 专注于代码生成、调试与优化。
- 熟悉主流编程语言与 Git 工作流。
- 可以在指定项目目录下执行代码操作。

3. 踩坑避雷

• 千万别手动创建 BOOTSTRAP.md：这个文件是Agent的初始化任务清单，系统会自己生成、自己删除，你不用手动处理。

  如果手动创建了，而且内容还不完整，Agent一启动就会卡住，无法进入工作状态。

  真卡住了，就找到那个文件删掉，然后重启网关。

• 一定要开启会话可见性：这一步是协同的关键。

  如果不打开，Agent之间互相都看不见，协作自然无从谈起。

  需要在openclaw.json里这样配：

{
  "tools": {
    "sessions": {
      "visibility": "all"
    }
  }
}

Agent 协同工作流

多个Agent配好之后，就要进入实际工作阶段。

实际操作中，一般是通过“主Agent”来调度几个“子Agent”完成任务。

1. 配置通信白名单

先开个白名单，允许特定Agent之间跨会话通信。

安全第一，这一步不能省。

{
  "tools": {
    "agentToAgent": {
      "enabled": true,
      "allow": ["main", "blog", "coding"], // 允许这些 Agent 相互通信
      "historyLimit": 50
    }
  }
}

2. 协同实战示例

假设用户发来指令：“写一篇关于 Kubernetes 的技术博客，并附带演示代码。”

整个流程一般这样走：

• 1.主Agent（main） 接过指令，先判断任务需要拆分。

  内容创作归博客助手，代码生成归开发助手。

• 2.调度写作：主Agent调用 sessions_send 指令，把写作任务发给 blog Agent。

  指令：sessions_send --agent blog --message "撰写一篇关于 Kubernetes 核心概念的文章，要求通俗易懂..."

• 3.调度开发：主Agent同时把代码需求扔给 coding Agent。

  指令：sessions_send --agent coding --message "生成一个简单的 Kubernetes Deployment YAML 示例..."

• 4.结果汇总：blog 和 coding Agent各自完成任务后，把结果返回给主Agent。

  主Agent再统一整合，并回复用户。

说到底，这套玩法就是把复杂任务拆成小块，让专业的Agent去干专业的事。

这样一来，你就等于有了一个24小时在线的AI团队，各司其职，效率自然不一样。

搞定配置之后，需要的话，我还可以写个自动化的Shell脚本，让你一键部署整套环境。