开场：三个助手，一个人的项目经理日常
假设你电脑上跑着三个 AI 助手：一个画图的，一个查资料的，一个写代码的。
现在来了个活，需要三个人配合：画图的出一张产品矩阵图，查资料的把那几个产品的定价和用户量找出来，写代码的把数据接进落地页，最后汇总成一份能给投资人看的材料。
你把这个活交给其中一个助手，希望它去协调另外两个。实际发生的，通常是这几件事。
配置这关先卡住。跨 agent 派活在 OpenClaw 里要过两层门：会话可见性和授权白名单。白名单还是双向的，发送方和接收方都得在里面，少配一边就报「不允许」。
派活靠人肉。三个 agent 三个会话，你挨个复制粘贴指令。发完不知道对方看没看见，也不知道它理解对了没有。
等得心里没底。指令发出去了，对方是在认真跑，还是早挂了，没有地方能看。
结果散在三处。三份回复躺在三个会话里，汇总还得自己剪贴，来回切窗口。
失败的没人管。其中一个报错了，整个活就停在原地，得你人工发现、人工再喊一遍。
这五件事里，没有一件是真技术难题。它们全是流程问题：几个 agent 一起干活，缺一个负责拆活、派活、盯进度、收结果的角色。
根因：缺的是一层协作
拆开看，问题出在三个地方。
第一，agent 之间默认不互通。 这是设计使然，也是对的默认值：一个助手不该随便读别的会话。要协作就得显式开通，而开通这件事本身有点绕，两层配置加双向白名单，我见过不少人第一次配都要试几遍。
第二，派活没有标准动作。 跨会话发消息的机制是有的，但「发什么、怎么发、对方怎么回才算完成」没有约定，全靠临时发挥。指令写得含糊，对方就反问，来回几轮，一个任务变成一场对话。
第三，进度和结果没有归口。 谁在跑、跑到哪、成了没有，没有统一的地方能看；结论是谁给的、从哪来的，全靠自己记。
单个 agent 的能力已经不差了，缺的是把它们组织起来的那一层。
一件事把协作固定成流水线
动手之前先做了一轮生态调研，结论挺明确。
把 ClawHub 上 2400 个技能扫了一遍，多 agent 编排只有 compound-eng 系列，那是代码工程场景、从 EveryInc 移植过来的；框架级有几个，比如 metaswarm，做的是 Claude Code 的编码编排；Anthropic 官方那 19 个技能里，没有一个是协作类。
也就是说，「OpenClaw 日常协作编排」这块目前是空白带。而它刚好是一人公司最需要的那块：你手上有几个各有所长的 agent，缺的不是更强的单个助手，是把它们串起来干活的流程。
于是就有了这件东西：xiaoyaoclaw-agent-orchestrator（OpenClaw Agent Orchestrator，Agent 协作编排），十件套里的第七件，也是整套里的协作层。
它做的事，一句话说完：把「拆任务 → 分 agent → 管进度 → 聚结果 → 失败重试」固定成一条流水线。你不用记命令，也不用写脚本，开口说一句「让小光画产品矩阵图，小智调研竞品，最后汇总成报告给我」就够了。
它不绑定任何环境，也不写死任何 agent 名字，读的是你 openclaw.json 里的 agents.list 和授权白名单。你的 agent 叫什么、能不能互相说话，配置文件里本来就写着，技能照着读，不额外维护一份名单。
关键设计①：走常驻会话，不临时招人
通信路径只留一条：sessions_send，把任务发到对方的常驻会话里。
另一种做法是临时开一个子会话去干活，两边的差别很实际。临时子会话没有前情、没有记忆、没有你早就配好的技能和人格，像临时招来的外包，每次都要从头交代背景。发到常驻会话，对方就是那个你养了很久的助手：记得你的偏好，带着自己的工具，能接上之前的工作。
这件东西要的是后面这种。
关键设计②：三档触发，从不抢活
不是所有任务都要编排。这件东西把触发分成三档：
第三档是最容易被忽略的一档，也是最要紧的一档。
这个设计的教训来自十件套的第三件（任务进度跟踪器）。它最早的版本想做「任何任务都自动挂钩子」，结果是误报太多，天天打扰人。误报一多，这类自动化最后基本都会被关掉。所以这件从设计第一天就定死一条规矩：不确定就沉默，或者问一句，绝不擅自把活分出去。
关键设计③：进度用已有机制，不造轮子
进度这块有两个反直觉的点，都是实测踩出来的。
第一，60 秒超时不等于失败。 跨会话发消息默认等 60 秒，超时只说明「我没等到回复」，任务在对方那边继续跑着。很多人一看超时就以为任务挂了，重新发一遍，结果对方手上同时跑着两个一模一样的活。正确做法是去查真实状态：会话列表看它有没有在动，会话历史看有没有产出。
第二，分发不串行等。 几个子任务一次全发出去，发完立刻返回，最后总耗时约等于最慢的那个，而不是几个相加。发完统一进轮询，每隔半分钟到一分钟看一次状态。
轮询本身会消耗 token，所以配了一个零 token 的脚本，把各会话的状态一次性汇总出来。判断完成的依据也很直接：回复以 [DONE] 结尾算完成，有中间输出算在跑，明确报错或者长时间没产出算失败。至于「对方一直来回反问」这种死循环，指令模板里内置了「执行完一次性回复，不要追问」，OpenClaw 侧还有一个回复轮次上限做双保险。
关键设计④：汇总带来源，重试带上下文
最后两步，是把活收干净。
汇总带来源。 每个 agent 一段：任务、状态、结果摘要、产出文件在哪，并且标清楚哪条结论来自谁。往上追溯的时候，不会出现「这个数字谁说的、想不起来了」。
重试带上下文。 失败自动重试，默认最多 3 次。重试时会把上次失败的原因一起带上，同时告诉对方「已经做完的部分不要重做」，而不是把原指令原封不动再发一遍。3 次还是不行就停手，把失败原因和尝试记录一起交给你，不硬撑着刷。
它做的是「协作层」
十件套按层次看，前面六件各自解决一个环节：工作区、记忆、任务、知识库、体检、输入。这第七件架在它们之上，解决的是它们之间的配合。
它的编排流程是固定的八步：
① 触发判定（三档）→ ② 配置检查（双向白名单）
→ ③ 编排规划（拆子任务 + 匹配 agent + 给你确认）
→ ④ 并行分发（即发即返）→ ⑤ 进度追踪（会话列表 / 历史判定）
→ ⑥ 结果聚合（带来源）→ ⑦ 失败重试（≤3 次，带上下文）
→ ⑧ 交付（汇总 + 产出位置）还有一个边界得讲明白：它不会偷偷改你的配置。配置不满足时它会先问「要不要帮你补」；你同意之后才动手，而且只用 config.patch 做部分合并，不做全量覆盖。原因很实际：多个 agent 共享同一份配置文件，全量覆盖会把别人刚改的东西抹掉。
三步上手
第一步：装，然后检测配置
clawhub install xiaoyaoclaw-agent-orchestrator
python scripts/check_config.py输出 [OK] 就说明配置齐了。缺什么，脚本会直接告诉你缺哪一项、怎么补。也可以从 GitHub 手动装：git clone https://github.com/dtsola/xiaoyaoclaw-agent-orchestrator。
第二步：看有哪些 agent 可用
技能直接读 agents.list 展示，不用你另外登记。目前的主力是三个：小光（画图）、小智（调研）、天桐（技术）。
第三步：一句话派活
让小光把产品矩阵画出来，小智调研竞品，最后汇总成报告给我
接下来它会自动完成：检测配置 → 按名字找到对应会话 → 并行投递 → 追踪进度 → 收齐结果 → 输出带来源的汇总报告。
几个常见用法：
并行批量巡检：「让所有 agent 检查各自工作区」
发布前多视角审查：「让小智从用户视角审查这个页面，小光看视觉」
团队日报汇总：「汇总各 agent 今天的工作」
和手动做、自己写脚本比，差在哪
它不替你做判断，只是把你从传话和剪贴里摘出来。拆几个子任务、分给谁，还是你说了算。
写在最后
回到开头那个画面：一个人，三个助手，一个要协同才能完成的活。
人少的时候靠记忆和口头交代也能转，一旦手上同时开着几个活儿，没有流程就会乱。这件事在真人团队里早就被验证过了，换成 AI 助手，道理是一样的。
项目是 MIT 协议，开源免费，代码在 GitHub，也可以直接从 ClawHub 安装。如果你的电脑上已经不止一个 AI 助手，不妨试试给它们派个活，看看协作这一层补上之后是什么感觉。
小遥Claw：「把 AI 助手装进自己的电脑」，github：
github.com/dtsola/xiaoyaoclaw-introduction/releases/tag/v1.0.22
dtsola — 独立产品Builder | IT解决方案架构师 | 一人公司实践者
#OpenClaw #多Agent协作 #AI助手 #开源项目 #Agent编排 #自动化工作流 #一人公司 #AI工作流 #效率工具 #人工智能
