【高级玩法】OpenClaw 多会话管理与子代理:让 AI 团队为你打工

【高级玩法】OpenClaw 多会话管理与子代理:让 AI 团队为你打工

目录

前言:一个不够用?那就来一队!

一、什么是多会话?

1.1 会话的概念

1.2 为什么需要多会话?

1.3 会话类型

二、会话管理基础

2.1 查看会话列表

2.2 创建新会话

2.3 切换到指定会话

2.4 查看会话状态

2.5 结束会话

三、子代理(Sub-agents)详解

3.1 什么是子代理?

3.2 子代理的工作流程

3.3 什么时候用子代理?

3.4 创建子代理

3.5 给子代理分配任务

3.6 获取子代理结果

四、实战:多会话协作案例

4.1 案例一:并行代码审查

4.2 案例二:资料搜集 + 内容创作

4.3 案例三:定时任务监控

五、会话通信机制

5.1 主会话 → 子会话

5.2 子会话 → 主会话

5.3 会话间数据共享

六、最佳实践

6.1 合理划分会话

6.2 控制子代理数量

6.3 及时清理会话

6.4 会话命名规范

6.5 错误处理

七、高级技巧

7.1 会话链

7.2 会话持久化

7.3 模型差异化

八、常见问题

Q1: 子代理和主会话会互相干扰吗?

Q2: 子代理创建后有数量限制吗?

Q3: 子代理完成后会自动销毁吗?

Q4: 如何查看子代理的历史记录?

Q5: 子代理能访问主会话的文件吗?

结语


前言:一个不够用?那就来一队!

各位老铁好,我是攀哥!前三篇咱们从部署安装、人格定制讲到技能开发,相信大家的 AI 助手已经能干活儿了。但有朋友问:"攀哥,我想让 AI 同时干好几件事,比如一边帮我写代码,一边查资料,还能顺便回消息,怎么办?"

简单!一个 AI 不够用,那就搞一队啊!😎

今天攀哥就聊聊 OpenClaw 的多会话管理和**子代理(Sub-agents)**功能,让你的 AI 从"单兵作战"升级为"团队协作"!

一、什么是多会话?

1.1 会话的概念

会话(Session),简单说就是 AI 和你的一次"对话上下文"。每次你跟 AI 聊天,都会创建一个会话,它会记住你们聊过的内容。

默认情况下,你只有一个主会话(main session),就是你直接跟 AI 聊天的那个。

1.2 为什么需要多会话?

想象这些场景:

  • 你在跟 AI 讨论项目 A,突然想问项目 B 的事
  • 你想让 AI 帮你查资料,但不想打断当前的对话
  • 你需要 AI 同时执行多个独立任务

这时候,多会话就派上用场了!每个会话有独立的上下文,互不干扰。

1.3 会话类型

OpenClaw 中的会话主要分为:

  • 主会话(main):你直接对话的会话
  • 子会话(sub-agent):由主会话创建的独立会话
  • 临时会话:执行特定任务后自动销毁

二、会话管理基础

2.1 查看会话列表

# 查看所有会话 openclaw sessions list 

输出示例:

Session ID Type Status Last Active ───────────────────────────────────────────────── main:001 main active 2 minutes ago sub:code-001 sub running 5 minutes ago sub:research-001 sub idle 1 hour ago 

2.2 创建新会话

# 创建新会话 openclaw session new --label=my-task 

--label 参数给会话起个名字,方便后续识别。

2.3 切换到指定会话

# 切换到某个会话 openclaw session switch sub:code-001 

2.4 查看会话状态

# 查看会话详情 openclaw session status sub:code-001 

输出包括:

  • 运行时长
  • Token 使用量
  • 模型信息
  • 最后活跃时间

2.5 结束会话

# 结束指定会话 openclaw session end sub:code-001 # 结束所有子会话 openclaw sessions end --all 

三、子代理(Sub-agents)详解

3.1 什么是子代理?

子代理是主会话创建的"下属"AI,它们:

  • 有独立的会话上下文
  • 可以执行特定任务
  • 完成后向主会话汇报
  • 不会干扰主会话的对话

3.2 子代理的工作流程

主会话 → 创建子代理 → 分配任务 → 子代理执行 → 返回结果 → 主会话处理 

3.3 什么时候用子代理?

攀哥给你几个典型场景:

场景是否需要子代理理由
简单问答❌ 不需要主会话直接处理
长时间任务✅ 需要不阻塞主会话
独立上下文✅ 需要避免污染主对话
并行多任务✅ 需要同时执行多个任务
敏感操作✅ 需要隔离风险

3.4 创建子代理

在对话中,AI 可以自动创建子代理。你也可以手动创建:

// 在技能或配置中 const subAgent = await sessions_spawn({ label: 'code-reviewer', model: 'qwen-portal/coder-model', task: 'Review this PR and provide feedback' }); 

3.5 给子代理分配任务

// 发送消息到子代理 await sessions_send({ sessionKey: subAgent.sessionKey, message: '请帮我 review 这个 Pull Request,关注代码质量和潜在 bug' }); 

3.6 获取子代理结果

子代理完成任务后,会自动通知主会话。你也可以主动查询:

// 获取子代理的历史消息 const history = await sessions_history({ sessionKey: subAgent.sessionKey, limit: 50 }); 

四、实战:多会话协作案例

4.1 案例一:并行代码审查

假设你有 3 个 PR 需要 review,可以创建 3 个子代理并行处理:

// 创建 3 个子代理 const agents = await Promise.all([ sessions_spawn({ label: 'reviewer-1', task: 'Review PR #101' }), sessions_spawn({ label: 'reviewer-2', task: 'Review PR #102' }), sessions_spawn({ label: 'reviewer-3', task: 'Review PR #103' }) ]); // 分配任务 agents.forEach((agent, i) => { sessions_send({ sessionKey: agent.sessionKey, message: `请 review PR #${101+i},关注代码风格和潜在 bug` }); }); // 等待结果(子代理完成后会自动通知) 

4.2 案例二:资料搜集 + 内容创作

写文章时需要查资料,可以这样分工:

主会话:负责整体构思和写作 ↓ 子代理 A:搜集相关资料 ↓ 子代理 B:整理数据成表格 ↓ 主会话:整合内容完成文章 

4.3 案例三:定时任务监控

创建子代理定期执行检查任务:

// 创建监控子代理 const monitor = await sessions_spawn({ label: 'heartbeat-monitor', task: '每 30 分钟检查一次邮件和日历' }); // 子代理会定期向主会话汇报 

五、会话通信机制

5.1 主会话 → 子会话

使用 sessions_send 发送消息:

await sessions_send({ sessionKey: 'sub:code-001', message: '任务更新:请优先处理这个 bug' }); 

5.2 子会话 → 主会话

子会话完成任务后,自动推送结果:

// 子会话中 await sessions_send({ label: 'main', // 发送回主会话 message: '任务完成!发现 3 个潜在问题,详情如下...' }); 

5.3 会话间数据共享

会话之间默认不共享上下文,这是为了保护独立性。如需共享数据:

  • 通过消息传递
  • 写入共享文件
  • 使用外部存储

六、最佳实践

6.1 合理划分会话

  • 主会话:处理核心对话和决策
  • 子会话:执行具体任务、长时间运行、独立上下文

6.2 控制子代理数量

子代理虽好,但别滥用:

  • 每个子代理消耗资源
  • 太多子代理难以管理
  • 建议同时运行的子代理不超过 5 个

6.3 及时清理会话

任务完成后及时结束子会话:

# 结束已完成的子会话 openclaw session end sub:completed-task 

6.4 会话命名规范

给会话起个有意义的名字:

✅ 好:code-reviewer-001, research-agent, email-monitor ❌ 差:sub-1, agent-abc, temp-session 

6.5 错误处理

子代理可能会失败,主会话要能处理:

try { const result = await sessions_send({ ... }); if (result.status === 'error') { // 处理错误 } } catch (error) { // 异常处理 } 

七、高级技巧

7.1 会话链

可以让子代理再创建子代理,形成层级:

主会话 └── 子代理 A(协调者) ├── 子代理 A-1(执行者) └── 子代理 A-2(执行者) 

7.2 会话持久化

默认会话在结束后会销毁,如需持久化:

// 配置会话持久化 await sessions_spawn({ label: 'persistent-agent', persist: true // 保持会话不销毁 }); 

7.3 模型差异化

不同会话可以用不同模型:

// 主会话用高级模型 main: model='claude-sonnet' // 子代理用经济模型 sub: model='qwen-portal/coder-model' 

这样可以平衡效果和成本。

八、常见问题

Q1: 子代理和主会话会互相干扰吗?

A: 不会!每个会话有独立的上下文和记忆,互不影响。

Q2: 子代理创建后有数量限制吗?

A: 理论上没有限制,但建议同时运行的不超过 5 个,避免资源浪费。

Q3: 子代理完成后会自动销毁吗?

A: 默认会保留一段时间,建议手动结束不需要的会话。

Q4: 如何查看子代理的历史记录?

A: 使用 sessions_history 命令或 API。

Q5: 子代理能访问主会话的文件吗?

A: 可以访问工作区文件,但会话上下文是隔离的。

结语

好了,今天的多会话管理和子代理就讲到这里!攀哥总结一下:

  1. 多会话让 AI 可以并行工作
  2. 子代理适合长时间、独立的任务
  3. 会话之间上下文隔离,互不干扰
  4. 合理管理会话,及时清理资源

下一篇咱们聊聊《OpenClaw 安全最佳实践:保护你的 AI 和数据》,敬请期待!🦞


【攀哥小贴士】

  • 给子代理起个好名字,管理起来方便多了
  • 长时间运行的子代理,记得定期检查状态
  • 敏感操作尽量在子会话中执行,降低风险
  • 用 openclaw sessions list 随时查看会话状态

Read more

AI数据标注平台的选型与实践:效率提升背后的技术逻辑

AI数据标注平台的选型与实践:效率提升背后的技术逻辑

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕人工智能这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * AI数据标注平台的选型与实践:效率提升背后的技术逻辑 🚀 * 引言:为什么标注平台的选型决定了你与竞品的差距? * 第一部分:选型核心:超越表面的功能清单 * 1. 架构模式:SaaS vs. 私有化部署 ⚖️ * 2. 实时性与并发:WebSocket的魔法 ✨ * 3. 标注格式的“中间态”设计 🎨 * 第二部分:效率提升背后的技术架构 * 数据流转与任务分发架构 * 实战:构建一个智能预标注控制器 (Python示例) * 第三部分:不同数据类型的效率优化技术细节 * 1. 计算机视觉 (CV):交互方式的降维打击 * 2. 自然语言处理 (NLP):LLM如何改变标注剧本? * 第四

揭秘AI大模型通信机制:深入理解流式传输与数据封装逻辑

揭秘AI大模型通信机制:深入理解流式传输与数据封装逻辑

文章目录 * 前言 * 一、 核心数据传输格式详解 * 1. 请求格式 * 2. 响应格式:非流式 * 3. 响应格式:流式 * 二、 流程图分析:从输入到输出 * 1. 流程逻辑描述 * 2. 流程图 (Mermaid 代码表示) * 三、 原理架构图分析 * 1. 架构层级说明 * 2. 架构图 (Mermaid 代码表示) * 四、 关键技术原理深度解析 * 1. 为什么选择 SSE 而不是 WebSocket? * 2. Token 与数据传输的关系 * 3. 数据压缩 * 五、 总结 前言 Ai聊天工具(如ChatGPT、Claude、文心一言等)的数据传输是核心功能的基石。要深入理解其背后的机制,

GitHub 火出圈的 “蒸馏 Skill“:把同事、前任、老板都炼成 AI,这到底是赛博永生还是隐私狂欢?

GitHub 火出圈的 “蒸馏 Skill“:把同事、前任、老板都炼成 AI,这到底是赛博永生还是隐私狂欢?

你敢信吗?现在的 AI,只要你有一个人的聊天记录、文档、甚至几张截图,你就能把他 “蒸馏” 成一个数字分身。AI 会用他的语气说话,用他的逻辑做事,甚至连他甩锅的姿势、吵架的套路,都能 1:1 复刻。 前言 你有没有过这种经历? 同事突然提了离职,交接文档写了三页纸,你追着问了三天,最后他说 “哦那个接口的逻辑我忘了,当时是临时写的”,然后就光速拉黑了你,留下你对着一堆烂代码抓瞎? 或者,分手之后你翻着聊天记录,突然好想再跟前任说句话,哪怕只是像以前一样,听他用那种欠揍的语气跟你拌个嘴? 再或者,被老板 PUA 到崩溃,你好想提前知道,他下一句是不是就要说 “年轻人要打开格局”? 最近 GitHub 上有一场诡异的狂欢,一种以 .skill 为后缀的项目如雨后春笋般涌现。它们把这些所有的 “意难平”,都变成了一个可调用的命令。 五天时间,

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 实战 - 驾驭 AI 搜索引擎集成、实现鸿蒙端互联网知识精密获取与语义增强方案

Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 实战 - 驾驭 AI 搜索引擎集成、实现鸿蒙端互联网知识精密获取与语义增强方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 tavily_dart 的适配 鸿蒙Harmony 实战 - 驾驭 AI 搜索引擎集成、实现鸿蒙端互联网知识精密获取与语义增强方案 前言 在鸿蒙(OpenHarmony)生态的智能个人助理、行业垂直类知识中枢以及需要实时获取互联网最新动态并进行 AI 语义加工的各种前沿应用开发中,“信息的有效检索与精准抽取”是决定 AI 应用是否具备“生命感”的关键泵口。面对浩如烟海且充满噪声的互联网网页。如果仅仅依靠传统的关键词匹配。那么不仅会导致应用返回大量无关紧要的垃圾信息。更会因为无法将网页内容转化为 AI 易于理解的结构化上下文(Context),引发严重的 LLM(大语言模型)幻觉风险。 我们需要一种“AI 驱动、语义过滤”的搜索艺术。 tavily_dart 是一套专为 AI