- 综合排序
- 最热优先
- 最新优先
- 来自专栏OpenClaw系列笔记
OpenClaw 多智能体路由方案实现不同业务处理
解决方案：配置多智能体路由（Multi-AgentRouting）在一个OpenClaw网关（Gateway）下，创建三个独立的智能体，并通过飞书的不同对话场景（私聊、群聊）将任务路由给对应的智能体。 3.1配置智能体"list":[{"id":"assistant_xiaosheng",//自定义智能体id"name":"日常助手","default":true,//设为默认智能体"workspace 3.2配置智能体路由"bindings":[//绑定规则：将飞书的不同对话路由到不同的智能体//示例1：将飞书群聊「公众号选题群」的消息路由给writer智能体{"agentId":"writergzh_xiaosheng 四、总结上面的配置已经实现了多智能体路由核心功能，但没有做个性化配置，比如我公众号写作群想用Geminiapi来写，日常交流群用deepseek就足够了；还希望不同群我对小龙虾的称呼不同，也就是我可以给不同的智能体起一个特定的名字 就看你的业务多不多了，多的话区分出来是最好的，下篇就写这个。下篇：OpenClaw多智能体配置不同的模型和个性化设置大家好，我是小生，从程序员转行做自媒体，每天学习一点AI技术。
1.4K40编辑于 2026-03-25 补充：企业微信-openclaw多智能体关键配置文件
下述配置是在openclaw中配置了三个agent：main，agent1，agent2在企业微信里配置了一个智能机器人：bot_app，三个企业微信应用：main_app、agent1_app和agent2 通过binding：智能机器人和main_app都会发到缺省的main agent上，而应用agent1_app和agent2_app则分别发到agent1和agent2上。 /workspace-agent1", "agentDir": "/root/.openclaw/agents/agent1/agent" }, { "id": "agent2", "name": "agent2", "workspace": "/root/.openclaw/workspace-agent2", "agentDir": "/root/.openclaw/agents/agent2/agent" } ] }, "bindings": [
1.3K00编辑于 2026-03-12OpenClaw 多智能体（Multi-Agent）并行协作完全指南【架构】
1.2多Agent的“军团”革命OpenClaw的多Agent架构（Multi-AgentOrchestration）彻底改变了这一现状。 它允许你创建一个主智能体（MainAgent），由它来指挥多个**子智能体（Sub-agents）**并行工作。主智能体（你/指挥官）：负责拆解任务、分配角色、统筹结果。 子智能体（专家/执行者）：每个子Agent拥有独立的人格、独立的任务目标、甚至独立的模型配置。它们互不干扰，并行运转。想象一下这个场景：你要写一份《2026年AI趋势报告》。 第二章：核心能力解析——OpenClaw如何赋能OpenClaw的多Agent系统并非简单的“开多个窗口”，它具备深层的编排能力。 群体智能涌现：当多个不同视角的Agent互相辩论、协作时，往往能产生超越单个Agent的洞见，这就是群体智能的魅力。第七章：立即行动——你的第一次多Agent实验光看不练假把式。
88810编辑于 2026-04-29- 来自专栏OpenClaw系列笔记
OpenClaw 多智能体配置不同的模型和个性化设置
OpenClaw多智能体配置不同的模型和个性化设置一、前情回顾到这里，前面的内容已经实现了本地部署和多智能体路由方案，现在在此基础上进一步给每个智能体设置不同的文本模型和生图模型，最后再给每个智能体配置不同的 3.4熟悉多智能体的工作空间在开始之前，先熟悉一下多个智能体的工作空间结构：根目录.openclaw我们前面到现在一直改的就是图上这个openclaw.json它是作用于全局的，也推荐在这里改配置。 下面三个工作空间，第一个是默认的，后面两个就是我们上一篇配置多智能体后自动生成的工作空间。我们打开其中一个看看都有啥？ 3.5给不同智能体配置名称和头像我们接下来要修改的就是每个工作空间里面的IDENTITY.md，打开后里面的东西不要动，直接增加如下信息然后保存即可：name:儒剑仙·谢宣theme:我书读的多，专门负责给你写作 下一篇：OpenClaw多智能体配置不同的图片生成模型大家好，我是小生，从程序员转行做自媒体，每天学习一点AI技术。
2.5K50编辑于 2026-03-26 《给OpenClaw装上多模态感知，打造专属端侧智能协作体》
这不仅从根源上解决了数据隐私与响应延迟的问题，更关键的是，它让多模态代理能够真正深度融入用户的本地工作环境，成为一个无缝衔接的智能协作伙伴，而非一个必须联网才能使用的远程工具。 教育与学习场景是多模态代理另一个极具潜力的应用方向。在教育场景中，多模态代理可以成为一个个性化的智能学习助手，能够根据每个学生的学习进度、知识水平和学习习惯，提供定制化的学习内容和辅导服务。 未来的本地多模态代理将会朝着更加智能和更加全面的方向发展。随着硬件技术的不断进步和算法的持续优化，本地设备的计算能力将会越来越强，这为多模态代理的能力提升提供了坚实的硬件基础。 OpenClaw的本地端侧架构和模块化技能体系，为构建多模态AI代理开辟了一条全新的技术道路，它打破了云端大模型对多模态智能的长期垄断，让每个用户都能够拥有一个完全属于自己的、私密的、可控的多模态智能伙伴 随着越来越多的开发者加入到OpenClaw的生态系统中，不断开发出更多更好的多模态技能和应用，OpenClaw多模态代理的能力将会得到指数级的提升。
15010编辑于 2026-05-05OpenClaw 本地 AI 智能体全解析
OpenClaw 本地 AI 智能体全解析告别“只聊天不做事”：OpenClaw 本地 AI 智能体全解析（原理、部署与实战）在 AI 工具遍地开花的当下，你是否还在烦恼大模型只能“输出文字”，却无法真正替你完成操作系统 2026 年爆火的开源项目 OpenClaw（国内俗称“龙虾”），彻底打破了这一局限——它不是另一个对话机器人，而是一款本地优先、模型无关、能真正落地执行任务的 AI 智能体执行网关，能让 AI 像“真人 它的核心身份是：开源、自托管、模型无关的 AI 智能体执行网关，口号是 “The AI that actually does things”（真正做事的 AI）。2. 智能体（Agent）：承载“思考能力”的核心，可根据用户指令拆解任务、匹配技能、规划执行步骤，支持多 Agent 路由（不同账号/会话对应不同 Agent，实现个性化定制）。 网关接收指令，转发给智能体（Agent）。Agent 拆解任务：定位文件夹→读取文档结构→生成 README→提交 Git，匹配对应技能（文件读取、代码运行、Git 操作）。
2.8K20编辑于 2026-03-11- 来自专栏openclaw系列
OpenClaw源码大揭秘：解构OpenClaw的executeSendAction 与 executePollAction —— AI智能体的多通道消息中枢
它们构成了AI智能体的“发声”系统。第一章：设计哲学——插件优先，核心兜底整个模块的设计遵循了清晰的分层与委托原则。 agentId,);这确保了不同Agent生成或处理的图片、视频等媒体文件被严格隔离，避免了命名冲突和数据泄露，是多租户或多Agent环境下的关键安全措施。 它是一个精心设计的通信总线，通过插件化架构实现了对多平台的灵活支持，通过镜像回溯机制解决了AI行为的可观测性难题，并通过严谨的工程实践保证了系统的健壮性。 它生动地诠释了现代AI工程的核心思想：智能在模型，而可靠性、可扩展性和可维护性在Harness（驾驭系统）。这份代码，为构建能够真正融入我们工作流的、可靠的AI伙伴，奠定了坚实的基础。
11511编辑于 2026-04-15 各大厂商OpenClaw 多智能体 中文生态分析研究报告
核心平台与官方工具OpenClaw (原 Moltbot / Molili / Clawdbot)：整个生态的起源，开源的自主 AI 助手框架。 特定区域与浏览器增强：KimiClaw、Xiaomimiclaw、TuyaClaw、HiClaw、51Claw、OpenClaw-Zh.CN 。 LobsterAI / Ribbi / Lobster：基于 OpenClaw 创始团队梗（龙虾）命名的社区衍生项目。 这些产品中，OpenClaw-zh.cn 和 ClaudeCowork 代表了技术的主流方向，其余大多是基于这两者的二次开发或垂直领域的分叉。
55810编辑于 2026-04-01基于.NET AgentFramework开发OpenClaw智能体框架
基于.NETAgentFramework开发OpenClaw智能体框架本文档详细介绍了基于.NETAgentFramework开发OpenClaw智能体框架的设计理念、核心功能、技术实现、使用方法和注意事项 概述1.1项目背景OpenClaw作为2026年全球流行的开源AI智能体框架，以其多通道接入能力、灵活的Skill技能系统和工程化治理能力而闻名。 本文档将介绍如何利用MicrosoftAgentFramework（Preview）在.NET平台实现OpenClaw的核心功能，为.NET开发者提供一个生产级AI智能体框架的参考方案。 加载机制基于.NET依赖注入与配置体系，实现开箱即用的易用性1.3术语表术语说明Agent智能体，基于大语言模型（LLM）执行任务的核心实体。 ，采用前后端分离设计，具备以下核心特性：AI智能体框架RAG检索增强AI知识库AI智能体技能集成多级缓存机制SignalR实时通信等等......项目地址：github：https://github.com
49020编辑于 2026-03-23OpenClaw SubAgent指南：构建确定性多智能体工作流的架构实践
2026年2月，一位全栈开发者在构建自动化代码审查管道时遭遇了典型的多智能体架构危机。 他使用OpenClaw的`sessions_spawn`功能创建了三个并行子智能体（SubAgent）分别负责安全扫描、风格检查和性能分析，但父智能体在收到两个子任务完成通知后，却迟迟未能触发最终的对比合成步骤 对于需要可靠自动化工作流的企业开发者、AI架构师及DevOps团队，理解OpenClaw SubAgent的技术边界与确定性编排方案，是构建生产级多智能体系统的关键。 一、OpenClaw SubAgent核心机制：父子委托架构解析OpenClaw SubAgent（子智能体）是OpenClaw多智能体系统中基础且常用的协作机制，其本质是一种一对多的父-子委托关系。 ├─ 是 → 独立Agent架构 └─ 否 → 标准SubAgent模式结语：从智能体协作到基础设施韧性OpenClaw SubAgent代表了AI工程化从"单智能体对话"向"多智能体协作
1.4K20编辑于 2026-04-08怎么把 OpenClaw 用成“真正的智能体”
简单结构：展开代码语言：TXTAI代码解释graphTDA[用户目标]→B[任务拆解]B→C[执行工具]C→D[结果]D→E[评估]E→B关键是：循环（Loop）3.工具接入（这是你最应该做的）你可以把OpenClaw 保证设备正常运行-降低故障率你可以使用以下工具：-get_device_data-send_alert每次必须：1.分析当前状态2.决定是否调用工具3.输出行动四、升级路径（给你一条清晰路线）第一步（你现在）✔OpenClaw +搜索↓第二步✔接入数据库+API↓第三步✔加循环（AgentLoop）↓第四步✔加Memory↓第五步✔做业务场景（运维/IoT）五、结论很多人把OpenClaw当搜索工具，本质不是工具不行，而是：没有构建
20120编辑于 2026-03-31- 来自专栏测试开发囤货
MetaGPT：多智能体元编程框架
MetaGPT：多智能体元编程框架 使 GPTs 组成软件公司，协作处理更复杂的任务 MetaGPT输入「一句话的老板需求」，输出「用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等
98930编辑于 2023-08-08 多智能体架构的核心功法
这让我意识到：多智能体不是技术升级，而是组织升级。 多智能体不是简单叠加，而是化学反应 很多人听到"多智能体"，第一反应是"不就是多调用几个AI接口吗"。这种理解太表面了。 这些问题解决不好，多智能体就会从"提升效率"变成"增加负担"。 企业落地的三个关键门槛 经过两年的实践，我总结出企业落地多智能体的三个关键门槛： 第一个门槛：找到合适的分工边界 不是所有业务都适合用多智能体。有些场景用单体AI更高效，有些场景必须用多智能体。 如果任务相对简单且变化不大，单体AI足够；如果任务复杂且经常变化，多智能体的优势就体现出来了。 对于企业来说，关键不是要不要用多智能体，而是什么时候用、怎么用、用在什么地方。 我们的经验是：从简单场景开始，逐步复杂化；从单体AI开始，逐步多智能体化；从技术验证开始，逐步业务化。
19210编辑于 2026-02-02深度解析OpenClaw自主智能体的核心技术
从“对话者”到“行动者”，大模型驱动的智能体（AI Agents）正在开启通往自主智能的大门。本文将带你深入拆解智能体的认知架构、进化路径与未来挑战。 认知觉醒：智能体的“四位一体”架构如果把传统的软件比作听命行事的“工具”，那么基于大模型的智能体更像是一个正在成长的“数字人类”。 本报告深入剖析了现代智能体架构的四大支柱，它们共同构成了一个完整的生命闭环： 大脑（Brain）： 也就是大语言模型。它负责感知、推理和规划，决定了智能体“够不够聪明”。 它解决了模型“阅后即焚”的健忘症，决定了智能体的“专业深度”。️ 工具（Tool Use）： 连接数字与物理世界的桥梁。从调用 API 到控制机械臂，决定了智能体“能做什么”。 行业启示录：金融领域：FinGPT 利用数据飞轮，结合情感分析与数值推理，甚至能模拟“多智能体辩论会”，让风控与激进策略博弈，从而做出更优投资决策。
2.3K10编辑于 2026-02-03- 来自专栏张善友的专栏
OpenAI官方开源多智能体框架「Swarm」，并不是我想要的多智能体框架
今天早上，OpenAI实施团队的 @shyamal在Github上开源了Swarm这个OpenAI官方的多智能体框架。 这个多智能体框架确实已经把多智能体的关键，说的很透彻了，Swarm 里面定义了两个核心「Agents」和「Handoffs」，多智能体的核心是在这个Handoffs上面。 个人观点认为他的设计还没有我们的多智能体框架好用，OpenAI的[Swarm]是docker swarm，我们的多智能体框架就是k8s，我需要的是像k8s编排容器那样编排智能体，我们刚刚在9月26日对外发布了多智能体的工业设计产品 多智能体的核心难题其是不同智能体之间的通信问题。怎麼传递信息，传哪些信息，这些都很重要。多个智能体协作，也只需要在必要的时候被调用起来就可以了。 OpenAI的Swarm 目前还处于实验阶段，期望他发展成为k8s 这样的一个多智能体编排框架： 这个框架是python写的，大家觉得用python 写多智能体应用是好选择吗？
70010编辑于 2025-02-04 - 来自专栏数据科学和人工智能
DeepMind 最新教程：多智能体学习
DeepMind团队最新做的关于多智能体学习的教程 DeepMind团队最新做的关于多智能体学习的教程
74210编辑于 2022-03-31 - 来自专栏编码如写诗
OpenClaw自学习：AReaL 让智能体真正学会
一、智能体的进化困境 OpenClaw、LangChain、Claude Code等智能体框架如雨后春笋般涌现，但一个核心问题始终未被解决：智能体的能力在部署那一刻就被锁死了。 开发者完全不需要修改智能体原有代码，只需要在配置文件（比如OpenClaw的配置）中改两个参数： base_url：指向AReaL网关 api_key：换成AReaL的密钥 就这么简单，智能体就能接上强化学习训练 训练流程 智能体正常执行任务 ↓ 用户周期性打分（提供反馈） ↓ AReaL后台自动采集训练数据 ↓ 模型自动更新 ↓ 智能体持续进化 整个过程对智能体透明，就像给它装上了一个 智能体强化学习 通用智能体：兼容多种框架 客服智能体：Tau2-Bench数据集 搜索智能体：端到端搜索流程 工具调用：多轮工具使用（Python执行器、计算器等） 3. cluster.n_gpus_per_node=8 \ scheduler.type=ray 九、未来路线图 AReaL团队计划持续迭代： 训练引擎优化：提升性能和稳定性 易用性提升：降低使用门槛 多模态智能体
92911编辑于 2026-03-05 - 来自专栏三掌柜的技术空间
OpenClaw 部署实战：智能体 Skills 破解长视频复用难题
视频内容解析与关键信息提取：打通视频处理的 “第一公里” 在 AI 智能体的工作流程里，视频文件一直是典型的高难度非结构化数据。 仅依靠常规提示词，智能体很难稳定完成长视频转写、时间轴匹配以及视觉信息提取等工作。 把解析逻辑封装为各项技能后，智能体可自动识别视频关键画面、梳理结构化内容大纲，并按照预设的博客模板完成信息匹配。 而 OpenClaw 智能体 + Skills 系统的出现，为这一矛盾提供了颠覆性的解决方案。 从人工耗时数小时、质量不可控的传统模式，到自动化、标准化、高效率的 AI 智能体模式，改变的不仅是内容创作的效率，更是内容价值的释放方式，让每一段长视频都能突破时间、平台、形式的限制，以多形态、多渠道触达目标受众 未来，随着多模态大模型、智能体技术的持续迭代，OpenClaw 的能力将进一步升级：更精准的内容理解、更智能的创意生成、更无缝的多平台协同、更高效的批量处理。
1600编辑于 2026-05-29 - 来自专栏openclaw系列
OpenClaw源码大揭秘：解构OpenClaw下 `SessionBindingService` —— AI智能体的“会话粘合剂”
然而，真正的智能体现在能够主动创建上下文、管理并行任务、并在不同沟通渠道间无缝切换。SessionBinding机制正是为了解决这一挑战而生。 1.1绑定目标（BindingTarget）"subagent":绑定到一个独立的子智能体实例。这通常用于启动一个专门处理特定任务的AI。"session":绑定到另一个已存在的会话。 3.3位置（Placement）推断与验证如果调用者未指定placement，服务会根据conversationId是否存在来智能推断：有ID则为"current"，无ID则为"child"。 它通过清晰的分层、强大的适配器模式和周全的错误处理，为AI智能体提供了一种标准化的方式来管理和协调跨会话、跨平台的交互。 在这个模块的支持下，AI智能体得以真正打破单一对话的牢笼，在一个更加广阔和互联的数字世界中自由协作。这正是构建下一代AI应用所必需的基础设施。
15110编辑于 2026-04-15 - 来自专栏openclaw系列
OpenClaw源码大揭秘：解构OpenClaw下`normalizeReplyPayloadsForDelivery` 构件— AI智能体输出的“精炼厂“
此外，还有一个巧妙的逻辑来处理单图vs多图的兼容性：展开代码语言：TypeScriptAI代码解释consthasMultipleMedia=(explicitMediaUrls?.length??
13410编辑于 2026-04-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号