适用版本：OpenClaw 2026.3+
难度：⭐⭐（简单）
预计学习时间：30 分钟
什么是 Sub-agent
一句话解释
Sub-agent（子代理） 是 OpenClaw 的并行任务执行机制，让你可以同时运行多个 AI 代理来处理不同任务，主代理负责协调和汇总结果。
类比理解
主代理 = 项目经理
Sub-agent = 专业团队成员
项目经理分配任务 → 团队成员并行工作 → 汇总结果 → 交付给用户
为什么需要 Sub-agent
| 场景 | 不用 Sub-agent | 使用 Sub-agent |
|---|---|---|
| 复杂编程任务 | 独自处理，耗时较长 | 多个代理并行工作，效率提升 3-5x |
| 多文件分析 | 顺序处理，缓慢 | 多个代理同时分析不同文件 |
| 代码审查 | 单次审查可能遗漏 | 多个代理交叉审查，更全面 |
| 调研任务 | 逐个网站查看 | 多个代理并行调研不同来源 |
| 多语言项目 | 需要切换思维 | 专用代理处理每种语言 |
核心概念
1. 三种执行方式对比
方式1: 主代理直接执行（默认）
流程： 用户 → 主代理 → 直接使用工具 → 返回结果
适用： 简单查询、单步骤任务
方式2: Sub-agent（并行）
流程： 用户 → 主代理 → 创建多个 Sub-agent → 并行工作 → 汇总 → 返回
适用： 复杂任务、需要并行处理
方式3: ACP Agent（专业工具）
流程： 用户 → 主代理 → 专业 Agent → 返回结果
适用： 编程、需要长时间运行的任务
2. Sub-agent vs ACP Agent
| 特性 | Sub-agent | ACP Agent |
|---|---|---|
| 定位 | 并行任务执行 | 专业工具调用 |
| 示例 | 多个文件同时分析 | Codex、Claude Code |
| 持续时间 | 短-中（分钟级） | 长（小时级） |
| 创建方式 | 自动/手动 | sessions_spawn |
| 隔离性 | 轻度隔离 | 完全隔离 |
| 成本 | 较低 | 较高 |
快速开始
第一步：确认环境
# 检查 OpenClaw 版本
openclaw --version
# 确保 >= 2026.3
第二步：简单测试
场景：同时分析两个文件
操作：直接告诉主代理
"帮我用 sub-agent 并行分析这两个文件：
1. ~/.openclaw/workspace/skills/agent-browser/SKILL.md
2. ~/.openclaw/workspace/skills/crewAI/SKILL.md
分别总结每个文件的核心功能，然后汇总对比。"
系统会自动：
- 创建 2 个 Sub-agent
- 分别分配文件分析任务
- 等待结果
- 汇总对比输出
详细使用指南
方法一：自然语言触发（推荐）
最简单的方式是直接告诉主代理使用 Sub-agent：
示例 1：并行代码审查
"帮我审查这个 PR，使用 sub-agent 并行检查：
1. 代码风格和规范
2. 潜在 bug 和安全问题
3. 性能和优化建议
4. 文档和注释完整性
PR 地址：https://github.com/.../pull/123"
示例 2：多文件重构
"我需要重构一个项目，使用 sub-agent 并行处理：
1. 子代理 A：重构所有 utils/ 目录下的工具函数
2. 子代理 B：重构所有 models/ 目录下的数据模型
3. 子代理 C：重构所有 controllers/ 目录下的控制器
保持接口不变，只优化内部实现。"
示例 3：多源调研
"调研一下 AI Agent 框架，使用 sub-agent 并行收集：
1. 从 GitHub 搜索热门项目
2. 从官网收集技术文档
3. 从社区收集用户评价
最后给我一份对比分析报告。"
最佳实践
1. 任务拆分原则
应该拆分：
- ✅ 独立的文件分析
- ✅ 不同维度的代码审查
- ✅ 多来源的信息收集
- ✅ 不同语言的代码生成
不应该拆分：
- ❌ 强依赖的连续步骤
- ❌ 需要共享状态的任务
- ❌ 简单的单文件操作
2. 成本控制
| 策略 | 说明 |
|---|---|
| 合理拆分 | 不要过度拆分，2-4 个并行任务最佳 |
| 及时清理 | 任务完成后立即终止 Sub-agent |
| 选择模型 | 简单任务用轻量模型，复杂任务用强模型 |
3. 错误处理
如果某个 Sub-agent 失败：
1. 自动重试（最多 2 次）
2. 记录失败原因
3. 其他代理继续执行
4. 最终结果中标注缺失部分
与 CrewAI 对比
| 特性 | OpenClaw Sub-agent | CrewAI |
|---|---|---|
| 定位 | 并行任务执行 | 多代理编排框架 |
| 使用方式 | 自然语言触发 | Python 代码定义 |
| 学习成本 | 极低 | 需要学习框架 API |
| 灵活性 | 高（动态创建） | 中（预定义角色） |
| 适用场景 | 日常任务加速 | 复杂工作流编排 |
| 集成度 | 与 OpenClaw 深度集成 | 独立框架 |
选择建议
- 日常任务 → OpenClaw Sub-agent
- 复杂项目 → CrewAI
- 两者结合 → 用 CrewAI 定义工作流，用 Sub-agent 加速执行
总结
OpenClaw Sub-agent 是提升效率的利器：
- 零学习成本 - 自然语言即可使用
- 并行加速 - 复杂任务效率提升 3-5x
- 灵活组合 - 可与 CrewAI 等其他工具结合
- 成本可控 - 按需创建，用完即销毁
开始尝试在你的工作流中使用 Sub-agent 吧！