OpenClaw 真正的效率开关,不是 Prompt,而是多会话和子代理

很多人刚开始用 OpenClaw,注意力都放在 Prompt、技能、模型切换上。

这些当然重要。

但你真把它拿来干活,卡住你的通常不是"不会写提示词",而是还在用一个会话硬扛所有任务

你一边让它查资料,一边让它写方案,还顺手补一句"再帮我看看另一个项目",到最后很容易发生的事不是效率变高,而是上下文越聊越脏、节奏越跑越乱。

我现在更认可的一种用法是:主会话负责判断,子代理负责执行。

这也是 OpenClaw 多会话和子代理更值钱的地方。


一、先别急着开子代理,先把"会话"理解对

在 OpenClaw 里,会话不是聊天窗口皮肤,而是一个独立上下文桶

你在一个会话里聊过什么、做过什么、刚刚调用过哪些工具,这些都会影响它后面的判断。

所以很多人用着用着会觉得:

  • 明明刚才还挺准,后面怎么开始跑偏了?
  • 为什么我只是补问一个任务,前面的语境就乱了?
  • 为什么一个慢任务会把当前对话拖住?

问题不一定出在模型,很多时候出在任务没拆层

主会话更适合做三件事:

  1. 定目标
  2. 做判断
  3. 收结果

而那些耗时、独立、容易污染上下文的活,更适合交给独立会话去跑。


二、子代理到底适合什么时候开

不是所有任务都值得开子代理。

如果只是一个简单问答、一个短判断,主会话直接做就够了。

但下面这些场景,我基本都会优先考虑拆出去:

1)任务会跑很久

比如批量搜资料、整理网页、读一堆文档、做代码检查。

这类任务很怕把主会话堵住。OpenClaw 的子代理本质上就是一个后台独立运行,主会话可以继续往前走。

2)任务之间尽量别互相污染

比如你一边在写公众号稿子,一边又想让 AI 去查一个完全不同的话题。

这时候放在同一个会话里,很容易出现语境串味。拆成两个会话,会干净很多。

3)你想并行

真正能把效率拉开的,不是让一个 AI 更拼,而是让多个独立任务同时推进。

比如:

  • 子代理 A 去找资料
  • 子代理 B 去整理结构
  • 主会话继续写正文框架

这就是多会话的价值,不是为了酷炫,而是为了实用。

4)任务本身有边界风险

高风险、长耗时、需要强隔离的任务,单独开会话更稳。

如果你的场景要求必须保持沙箱约束,原生 subagent 还可以在合适配置下配合 sandbox: "require" 使用。这类任务也别和主会话混在一起。


三、OpenClaw 里更值得记住的 4 个动作

如果你想把多会话真正用起来,不用先背一堆概念,先记住这 4 个动作就够用。

1. sessions_spawn:把任务拆出去

这是核心入口。

你可以把一个独立任务直接丢给子代理:

bash 复制代码
{
  "task": "帮我整理 10 条 OpenClaw 多会话的真实使用场景,并按优先级输出",
  "label": "research-openclaw"
}

这里有两个点一定要记住:

  • sessions_spawn非阻塞的,不会等任务做完才返回。
  • 它返回 accepted 以后,子代理会在后台跑,完成后再通过 announce 把结果回传。

也就是说,它更像"派活",不是"同步执行函数"。

2. sessions_history:看它到底干了什么

子代理回了一句摘要,不代表你就只能看摘要。

如果你想知道它中间怎么推理、做了哪些步骤、工具跑成什么样,可以去查对应会话的历史:

bash 复制代码
{
  "sessionKey": "agent:your-agent:subagent:xxxx",
  "limit": 50
}

这个动作特别适合两种情况:

  • 结果不错,你想复盘它为什么做对了
  • 结果不对,你想知道它到底歪在哪一步

3. sessions_send:继续补任务,不用重开

很多人会误以为子代理一开完就只能等结果。

其实不是。

如果它还在那个会话里,你可以继续追加消息,让它沿着原来的上下文往下做:

bash 复制代码
{
  "sessionKey": "agent:your-agent:subagent:xxxx",
  "message": "把上面的 10 条场景里,更适合内容运营团队的 3 条单独展开"
}

这很适合"第一轮先广撒网,第二轮再定向深挖"的工作流。

4. subagents:管控,而不是放养

多会话一多,很怕的不是不会用,而是失控。

这时候就要靠 /subagents 或对应能力去看、steer、kill 当前会话发出去的子代理。

常用心智很简单:

  • 看列表:确认现在到底跑了几个
  • steer:临时改方向
  • kill:别让没用的 run 一直占资源

OpenClaw 很适合并行,但并行不等于放任后台越挂越多。


四、一个特别容易搞混的点:ACP 不是普通子代理

这点很多人会混。

OpenClaw 里默认的 sessions_spawn 走的是原生 subagent 运行时,适合研究、整理、生成、分析这类后台工作。

但如果用户明确说:

  • 用 Codex 跑
  • 用 Claude Code 做
  • 开一个 Gemini CLI 会话

这就不是普通子代理的心智了,而是 ACP runtime

也就是说,你应该这么理解:

  • 原生 subagent:OpenClaw 自己的后台分身
  • ACP session:把任务交给外部 harness,比如 Codex / Claude Code / Gemini

对应到调用层,就是显式加上:

bash 复制代码
{
  "runtime": "acp",
  "agentId": "codex",
  "mode": "session",
  "thread": true,
  "task": "在这个仓库里继续完成重构"
}

这个边界分清以后,很多"为什么它没有按 Codex 的方式跑"的困惑就没了。


五、我常用的 3 套工作流模板

下面这 3 套是我觉得很容易直接抄走的。

模板 1:主会话定方向,子代理去找料

更适合写文章、做方案、准备分享。

分工很清楚:

  • 主会话:确定主题、结构、判断角度
  • 子代理:搜资料、拉案例、补事实点
  • 主会话:整合成最终成稿

这样做有个很大的好处:写作者始终留在"判断层",不会被搜索过程反复打断。

模板 2:主会话盯结果,子代理做执行

比如你已经知道要什么结果了,但执行链条比较长。

这时候主会话只负责一句话:

我要一个可交付结果。

然后把执行动作拆出去:

  • 一个子代理去跑研究
  • 一个子代理去做整理
  • 一个子代理去产出中间件

主会话只看回传,不在细节里迷路。

模板 3:复杂编码任务直接交给 ACP

如果任务明显更适合 Codex / Claude Code 这类编码 harness,就别硬塞给普通子代理。

原生 subagent 擅长后台拆活,ACP 擅长在外部 coding runtime 里持续推进。

这两个不是替代关系,而是分工关系。


六、5 个常见误区

误区 1:子代理越多越好

不是。

每个子代理都有独立上下文和 token 消耗。并行能提速,但也会涨成本、涨管理难度。

能拆 2 个就解决的事,别一上来开 8 个。

误区 2:sessions_spawn 返回了,就等于任务完成了

不是。

它只是说明任务被接收了。真正结果要么等 announce 回来,要么你再用 sessions_history / subagents 去查。

误区 3:子代理会自动继承主会话全部人格和上下文

也不是。

默认情况下,子代理上下文只注入 AGENTS.mdTOOLS.md,这其实是好事,能保证它别带着太多无关包袱开跑。

误区 4:子代理可以无限裂变

默认不行。

OpenClaw 默认会限制嵌套扇出,避免你一层套一层最后失控。想做 orchestrator 模式,要额外配置 maxSpawnDepth

误区 5:线程绑定是所有渠道都一样好用

不是。

线程绑定是很强的能力,但它不是全平台同一个体验。当前更典型的是 Discord 场景,别把它想成 everywhere by default。


七、如果你现在就想开始,我建议这样用

别一上来就研究"特别复杂的多代理架构"。

先用一版足够朴素的方案:

第一步:保留一个干净的主会话

只让它做目标确认、结果判断、最终拍板。

第二步:把慢任务拆给一个子代理

先从资料搜集、批量整理、长耗时检查这种很容易卡主线程的活开始。

第三步:用 history 看回放

别只看一句结果,去看它到底怎么完成的。你会很快知道哪些任务值得继续拆,哪些不值得。

第四步:明确 ACP 的边界

遇到"请用 Codex / Claude Code / Gemini 做"的需求,别混用,直接走 ACP runtime。

只要你把这 4 步练熟,OpenClaw 的使用体验会从"一个会聊天的助手"直接变成"一个会分工的工作台"。


最后一句

很多人以为 OpenClaw 的上限在 Prompt。

我自己的判断正好相反。

当你开始把它当成可分工、可并行、可治理的一套协作系统来用,OpenClaw 才算真正开始好用。

一个会话能帮你做事。

多会话和子代理,才更像是在帮你搭一个会自己转起来的小团队。

相关推荐
AINative软件工程2 小时前
Function Calling 实战:从零构建一个 AI Agent
人工智能
入门工作者2 小时前
opencv 轮廓内点集高速获取
人工智能·opencv·计算机视觉
NikoAI编程2 小时前
本周 AI 大事件:Claude 加速、Sora 落幕、国产模型突破
人工智能·ai编程·claude
心勤则明2 小时前
Spring AI Alibaba 实战 MCP 协议
java·人工智能·spring
嘉伟咯2 小时前
动手做一个AIAgent - SKILLS
人工智能·agent
hughnz2 小时前
埃克森美孚如何使用AI智能体
人工智能
rgb2gray2 小时前
论文详解:基于POI与出租车轨迹的城市多中心结构静态-动态多重分形特征
人工智能·python·算法·机器学习·数据分析·可解释
小仙女的小稀罕2 小时前
黑科技重磅更新AI加持高科技AI工具,颠覆场景快准稳极致呈现
人工智能·科技
Rorsion2 小时前
循环神经网络(RNN)
人工智能·rnn·深度学习