别养一堆“龙虾“了：一台电脑，搭一支听你指挥的多 Agent 团队

JJCTO袁龙

254人浏览 · 2026-09-19 08:09:33

JJCTO袁龙 · 2026-09-19 08:09:33 发布

别养一堆"龙虾"了：一台电脑，搭一支听你指挥的多 Agent 团队

一句话总结：朋友圈里总有人炫耀"养了七八只龙虾"，其实专业做法是——在一台电脑、一只 OpenClaw 里搭多个 Agent：每个 Agent 独立记忆、独立工作空间、各司其职，还能各自绑一个飞书机器人，前端的事找 webfront、产品的事找 product，一条命令拉起一支不需要发工资的团队。

正文目录

问题背景：“养多只龙虾”，省钱还是受罪？
单智能体 vs 多智能体：差的不只是数量
多 Agent 的 5 个真实价值
动手：三条命令创建一支"开发团队"
给每个 Agent 单独接一个飞书机器人
关键一步：给每个 Agent 写独立人设（SOUL.md）
新手避坑 checklist
一句话总结

一、问题背景：“养多只龙虾”，省钱还是受罪？

OpenClaw 火了之后，一个新词流行起来：“养龙虾”——装好几套 OpenClaw，一只管写代码、一只管写文章、一只管爬数据……

听起来热闹，实际用起来全是麻烦：

重复安装：每只都要走一遍环境、安装、onboard；
重复配置：模型、技能、消息入口，每个都要配一遍；
互不相识：两只龙虾之间没有任何协作，等于养了两头独狼；
资源浪费：多套服务同时跑，内存和 token 双倍消耗。

正确姿势是：一只龙虾，多个 Agent。在 OpenClaw 里，每个 Agent 都是独立的工作实体，共享同一套底座，却各有各的记忆、角色和渠道。

二、单智能体 vs 多智能体：差的不只是数量

	单智能体	多智能体
记忆	一本流水账，什么任务都往里塞	各自独立记忆，互不干扰
角色	“什么都干，什么都不精”	专属角色，越用越专业
工作目录	全混在一个 workspace	每个 Agent 独立 workspace
并行	排队干	同时干
故障	一卡全卡	单个出错，其他照常

在 OpenClaw 中，每个 Agent 都是一个独立实体：

独立运行：有自己的会话、记忆和工作目录；
专注角色：可以分配"代码审查员""文档撰写员"等角色；
协作通信：Agent 之间可以互相发消息、共享结果；
并行/串行：任务既能同时分发，也能按顺序传递。

三、多 Agent 的 5 个真实价值

🧠 专业化分工：一个搜资讯、一个写代码、一个写文案，各自在自己的领域越钻越深；
⚡ 并行处理：同时搜多个信息源、生成多版内容、跑多个检查项，时间利用率翻倍；
🛡️ 容错与冗余：一个 Agent 出问题，其他可以接管，任务不会因单点故障中断；
📐 复杂任务拆解编排：规划 Agent 拆步骤 → 执行 Agent 干活 → 协调 Agent 汇总把关；
🔄 扩展性：需求变了就新增专用 Agent，不用动现有系统，按场景随意组合。

四、动手：三条命令创建一支"开发团队"

假设我们要搭一个最小项目组：前端、后端、产品。打开终端：

openclaw agents add webfront      # 前端 Agent
openclaw agents add webbackend    # 后端 Agent
openclaw agents add product       # 产品 Agent

每创建一个，它会连问三个问题，全部选 No：

提问	选择	原因
是否复制主 Agent 的配置？	No	我们要独立人设，不要复制品
是否现在配置模型？	No	默认沿用主模型，之后再调
是否现在配置 channel？	No	消息入口下一步单独绑

完成后打开 .openclaw 目录，能看到每个 Agent 都有了独立的 workspace 工作目录——这就是它们各自的"工位"，之后生成的文件、记忆都存在各自目录里，互不污染。

五、给每个 Agent 单独接一个飞书机器人

单 Agent 接飞书是"一号多用"，多 Agent 的玩法是每个 Agent 绑一个独立的飞书机器人——你在飞书里跟谁说话，就是给哪个 Agent 下指令。

① 每个 Agent 建一个飞书应用

到飞书开放平台（open.feishu.cn）为每个 Agent 创建一个企业自建应用：开通所需权限、记录各自的 App ID 和 App Secret（本文一律用占位符，别用真实凭证）。

② 让 OpenClaw 自己改配置文件

多账号 + 路由绑定写起 JSON 来比较绕，直接把信息丢给龙虾，让它自己改 openclaw.json：

请帮我修改 openclaw.json，为智能体 product 配置飞书 channels。
智能体信息：
{
  "id": "product",
  "name": "product",
  "workspace": "C:\\Users\\<你的用户名>\\.openclaw\\workspace\\product",
  "agentDir": "C:\\Users\\<你的用户名>\\.openclaw\\agents\\product\\agent"
}
飞书 appId：<你的AppID>，appSecret：<你的AppSecret>
参考结构：channels.feishu.accounts 里加一个新账号（如 bot_product），
并在 bindings 里加一条 route，把 agentId: product 绑定到这个账号。

改完的配置核心是两段——多账号 + 路由绑定：

"channels": {
  "feishu": {
    "enabled": true,
    "accounts": {
      "bot_main":    { "appId": "<主Agent的AppID>",    "appSecret": "<占位符>" },
      "bot_webfront":{ "appId": "<前端Agent的AppID>",  "appSecret": "<占位符>" }
    },
    "domain": "feishu",
    "connectionMode": "websocket",
    "groupPolicy": "allowlist"
  }
},
"bindings": [
  { "type": "route", "agentId": "main",      "match": { "channel": "feishu", "accountId": "bot_main" } },
  { "type": "route", "agentId": "webfront",  "match": { "channel": "feishu", "accountId": "bot_webfront" } }
]

③ 飞书后台收尾：每个应用都走一遍——事件回调选长连接 → 添加事件 → 创建版本并发布。

之后你在飞书里加两个机器人，分别对话，就是两个不同 Agent 在回应你。

六、关键一步：给每个 Agent 写独立人设（SOUL.md）

绑定完成后，还有点睛的一步：到每个 Agent 自己的 workspace 里，单独改它的 SOUL.md / USER.md / AGENTS.md。

前端 Agent：webfront/workspace/SOUL.md → “你是资深前端工程师，专注 HTML/CSS/JS 与页面还原……”
后端 Agent：webbackend/workspace/SOUL.md → “你负责接口设计与数据库……”
产品 Agent：product/workspace/SOUL.md → “你负责需求拆解与任务分派，先规划再分发……”

就像入职第一天给每个员工定岗位职责——人设越清晰，分工越稳定，不会出现前端 Agent 抢着写后端代码的混乱场面。

七、新手避坑 checklist

先跑通主 Agent，再加副 Agent，别一上来铺五个全乱套；
每个飞书应用权限按需开通，Secret 是钥匙，别外传、别提交 Git；
bindings 里的 agentId ↔ accountId 必须一一对应，绑错就是"消息串台"；
修改 openclaw.json 前先备份一份，让 AI 改完记得让它检查 JSON 合法性；
每个 Agent 的 workspace 各自独立，共享文件走协作通信，别图省事写绝对路径互踩目录；
多 Agent 并行跑费 token，任务量小的场景单 Agent 就够；
命名规范点（webfront / webbackend / product），别用 agent1、agent2，一周后你自己都分不清谁是谁。

八、一句话总结

「OpenClaw 多 Agent」= 一只龙虾 + 多个独立 Agent + 各绑一个飞书机器人。

不用重复安装、不用多台电脑，三条命令拉起一支团队，飞书里跟谁说话就指挥谁，各自有记忆、有工位、有人设——从"养一堆龙虾"到"带一支团队"，这才是 AI 助手的正确打开方式。

🎓 多 Agent 创建、飞书多账号绑定、独立人设配置，我在课程里有完整实操演示（Windows 环境，每一步都不跳过）：
《OpenClaw 从安装到运行：企业级私有化部署与最佳实践》（CSDN 程序员研修院 · 保姆级手搓教程 · 配套课件）
👉 课程直达：https://edu.csdn.net/course/detail/41412