- 综合排序
- 最热优先
- 最新优先
- 来自专栏OpenClaw系列笔记
OpenClaw 多智能体路由方案实现不同业务处理
解决方案：配置多智能体路由（Multi-AgentRouting）在一个OpenClaw网关（Gateway）下，创建三个独立的智能体，并通过飞书的不同对话场景（私聊、群聊）将任务路由给对应的智能体。 3.1配置智能体"list":[{"id":"assistant_xiaosheng",//自定义智能体id"name":"日常助手","default":true,//设为默认智能体"workspace 3.2配置智能体路由"bindings":[//绑定规则：将飞书的不同对话路由到不同的智能体//示例1：将飞书群聊「公众号选题群」的消息路由给writer智能体{"agentId":"writergzh_xiaosheng 四、总结上面的配置已经实现了多智能体路由核心功能，但没有做个性化配置，比如我公众号写作群想用Geminiapi来写，日常交流群用deepseek就足够了；还希望不同群我对小龙虾的称呼不同，也就是我可以给不同的智能体起一个特定的名字 就看你的业务多不多了，多的话区分出来是最好的，下篇就写这个。下篇：OpenClaw多智能体配置不同的模型和个性化设置大家好，我是小生，从程序员转行做自媒体，每天学习一点AI技术。
26040编辑于 2026-03-25 补充：企业微信-openclaw多智能体关键配置文件
下述配置是在openclaw中配置了三个agent：main，agent1，agent2在企业微信里配置了一个智能机器人：bot_app，三个企业微信应用：main_app、agent1_app和agent2 通过binding：智能机器人和main_app都会发到缺省的main agent上，而应用agent1_app和agent2_app则分别发到agent1和agent2上。 /workspace-agent1", "agentDir": "/root/.openclaw/agents/agent1/agent" }, { "id": "agent2", "name": "agent2", "workspace": "/root/.openclaw/workspace-agent2", "agentDir": "/root/.openclaw/agents/agent2/agent" } ] }, "bindings": [
65300编辑于 2026-03-12- 来自专栏OpenClaw系列笔记
OpenClaw 多智能体配置不同的模型和个性化设置
OpenClaw多智能体配置不同的模型和个性化设置一、前情回顾到这里，前面的内容已经实现了本地部署和多智能体路由方案，现在在此基础上进一步给每个智能体设置不同的文本模型和生图模型，最后再给每个智能体配置不同的 3.4熟悉多智能体的工作空间在开始之前，先熟悉一下多个智能体的工作空间结构：根目录.openclaw我们前面到现在一直改的就是图上这个openclaw.json它是作用于全局的，也推荐在这里改配置。 下面三个工作空间，第一个是默认的，后面两个就是我们上一篇配置多智能体后自动生成的工作空间。我们打开其中一个看看都有啥？ 3.5给不同智能体配置名称和头像我们接下来要修改的就是每个工作空间里面的IDENTITY.md，打开后里面的东西不要动，直接增加如下信息然后保存即可：name:儒剑仙·谢宣theme:我书读的多，专门负责给你写作 下一篇：OpenClaw多智能体配置不同的图片生成模型大家好，我是小生，从程序员转行做自媒体，每天学习一点AI技术。
12400编辑于 2026-03-26 OpenClaw 本地 AI 智能体全解析
OpenClaw 本地 AI 智能体全解析告别“只聊天不做事”：OpenClaw 本地 AI 智能体全解析（原理、部署与实战）在 AI 工具遍地开花的当下，你是否还在烦恼大模型只能“输出文字”，却无法真正替你完成操作系统 2026 年爆火的开源项目 OpenClaw（国内俗称“龙虾”），彻底打破了这一局限——它不是另一个对话机器人，而是一款本地优先、模型无关、能真正落地执行任务的 AI 智能体执行网关，能让 AI 像“真人 它的核心身份是：开源、自托管、模型无关的 AI 智能体执行网关，口号是 “The AI that actually does things”（真正做事的 AI）。2. 智能体（Agent）：承载“思考能力”的核心，可根据用户指令拆解任务、匹配技能、规划执行步骤，支持多 Agent 路由（不同账号/会话对应不同 Agent，实现个性化定制）。 网关接收指令，转发给智能体（Agent）。Agent 拆解任务：定位文件夹→读取文档结构→生成 README→提交 Git，匹配对应技能（文件读取、代码运行、Git 操作）。
1.6K20编辑于 2026-03-11基于.NET AgentFramework开发OpenClaw智能体框架
基于.NETAgentFramework开发OpenClaw智能体框架本文档详细介绍了基于.NETAgentFramework开发OpenClaw智能体框架的设计理念、核心功能、技术实现、使用方法和注意事项 概述1.1项目背景OpenClaw作为2026年全球流行的开源AI智能体框架，以其多通道接入能力、灵活的Skill技能系统和工程化治理能力而闻名。 本文档将介绍如何利用MicrosoftAgentFramework（Preview）在.NET平台实现OpenClaw的核心功能，为.NET开发者提供一个生产级AI智能体框架的参考方案。 加载机制基于.NET依赖注入与配置体系，实现开箱即用的易用性1.3术语表术语说明Agent智能体，基于大语言模型（LLM）执行任务的核心实体。 ，采用前后端分离设计，具备以下核心特性：AI智能体框架RAG检索增强AI知识库AI智能体技能集成多级缓存机制SignalR实时通信等等......项目地址：github：https://github.com
19920编辑于 2026-03-23深度解析OpenClaw自主智能体的核心技术
从“对话者”到“行动者”，大模型驱动的智能体（AI Agents）正在开启通往自主智能的大门。本文将带你深入拆解智能体的认知架构、进化路径与未来挑战。 认知觉醒：智能体的“四位一体”架构如果把传统的软件比作听命行事的“工具”，那么基于大模型的智能体更像是一个正在成长的“数字人类”。 本报告深入剖析了现代智能体架构的四大支柱，它们共同构成了一个完整的生命闭环： 大脑（Brain）： 也就是大语言模型。它负责感知、推理和规划，决定了智能体“够不够聪明”。 它解决了模型“阅后即焚”的健忘症，决定了智能体的“专业深度”。️ 工具（Tool Use）： 连接数字与物理世界的桥梁。从调用 API 到控制机械臂，决定了智能体“能做什么”。 行业启示录：金融领域：FinGPT 利用数据飞轮，结合情感分析与数值推理，甚至能模拟“多智能体辩论会”，让风控与激进策略博弈，从而做出更优投资决策。
1.7K10编辑于 2026-02-03- 来自专栏测试开发囤货
MetaGPT：多智能体元编程框架
MetaGPT：多智能体元编程框架 使 GPTs 组成软件公司，协作处理更复杂的任务 MetaGPT输入「一句话的老板需求」，输出「用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等
85130编辑于 2023-08-08 多智能体架构的核心功法
这让我意识到：多智能体不是技术升级，而是组织升级。 多智能体不是简单叠加，而是化学反应 很多人听到"多智能体"，第一反应是"不就是多调用几个AI接口吗"。这种理解太表面了。 这些问题解决不好，多智能体就会从"提升效率"变成"增加负担"。 企业落地的三个关键门槛 经过两年的实践，我总结出企业落地多智能体的三个关键门槛： 第一个门槛：找到合适的分工边界 不是所有业务都适合用多智能体。有些场景用单体AI更高效，有些场景必须用多智能体。 如果任务相对简单且变化不大，单体AI足够；如果任务复杂且经常变化，多智能体的优势就体现出来了。 对于企业来说，关键不是要不要用多智能体，而是什么时候用、怎么用、用在什么地方。 我们的经验是：从简单场景开始，逐步复杂化；从单体AI开始，逐步多智能体化；从技术验证开始，逐步业务化。
13710编辑于 2026-02-02- 来自专栏张善友的专栏
OpenAI官方开源多智能体框架「Swarm」，并不是我想要的多智能体框架
今天早上，OpenAI实施团队的 @shyamal在Github上开源了Swarm这个OpenAI官方的多智能体框架。 这个多智能体框架确实已经把多智能体的关键，说的很透彻了，Swarm 里面定义了两个核心「Agents」和「Handoffs」，多智能体的核心是在这个Handoffs上面。 个人观点认为他的设计还没有我们的多智能体框架好用，OpenAI的[Swarm]是docker swarm，我们的多智能体框架就是k8s，我需要的是像k8s编排容器那样编排智能体，我们刚刚在9月26日对外发布了多智能体的工业设计产品 多智能体的核心难题其是不同智能体之间的通信问题。怎麼传递信息，传哪些信息，这些都很重要。多个智能体协作，也只需要在必要的时候被调用起来就可以了。 OpenAI的Swarm 目前还处于实验阶段，期望他发展成为k8s 这样的一个多智能体编排框架： 这个框架是python写的，大家觉得用python 写多智能体应用是好选择吗？
56410编辑于 2025-02-04 - 来自专栏编码如写诗
OpenClaw自学习：AReaL 让智能体真正学会
一、智能体的进化困境 OpenClaw、LangChain、Claude Code等智能体框架如雨后春笋般涌现，但一个核心问题始终未被解决：智能体的能力在部署那一刻就被锁死了。 开发者完全不需要修改智能体原有代码，只需要在配置文件（比如OpenClaw的配置）中改两个参数： base_url：指向AReaL网关 api_key：换成AReaL的密钥 就这么简单，智能体就能接上强化学习训练 训练流程 智能体正常执行任务 ↓ 用户周期性打分（提供反馈） ↓ AReaL后台自动采集训练数据 ↓ 模型自动更新 ↓ 智能体持续进化 整个过程对智能体透明，就像给它装上了一个 智能体强化学习 通用智能体：兼容多种框架 客服智能体：Tau2-Bench数据集 搜索智能体：端到端搜索流程 工具调用：多轮工具使用（Python执行器、计算器等） 3. cluster.n_gpus_per_node=8 \ scheduler.type=ray 九、未来路线图 AReaL团队计划持续迭代： 训练引擎优化：提升性能和稳定性 易用性提升：降低使用门槛 多模态智能体
60011编辑于 2026-03-05 - 来自专栏数据科学和人工智能
DeepMind 最新教程：多智能体学习
DeepMind团队最新做的关于多智能体学习的教程 DeepMind团队最新做的关于多智能体学习的教程
71610编辑于 2022-03-31 腾讯云智能体开发平台（ADP）与OpenClaw结合应用概要
一、产品定位与核心亮点 技术定义：腾讯云智能体开发平台（Tencent Cloud Agent Development Platform, Tencent Cloud ADP）是企业级AI智能体构建平台 平台提供知识检索增强、工作流、多智能体三种主流模式，依托高精度文档解析与检索能力、全链路低代码工具（开发-评测-运营）及高性能、高安全、可观测体系，助力企业快速构建生产级AI应用。 解决方案： 技能创建：通过OpenClaw创建“tencent-car-assistant”技能，调用腾讯云LKE智能体对话API（https://cloud.tencent.com/document 五、总结 腾讯云智能体开发平台（ADP）通过整合OpenClaw，为企业提供从智能体构建、技能复用、多渠道接入到安全运营的全链路能力，核心价值在于降低AI应用落地门槛、提升业务效率与可控性。 数据来源：腾讯云智能体开发平台文档、最佳实践案例及功能验证表。
50210编辑于 2026-03-17- 来自专栏MixLab科技+设计实验室
从龙虾十条看OPC智能体创业#OpenClaw趋势
当智能体成为"数字劳动力" 要理解"龙虾十条"的意义，我们需要先回答一个问题：为什么是现在？ 政策明确聚焦智能制造、智慧政务、智慧园区、智慧医疗等领域，每年遴选"龙岗区OpenClaw应用示范项目"并给予最高100万元奖励。场景，是智能体落地的最后一公里，也是最稀缺的资源。 然而，在智能体这个赛道上，深圳似乎第一次有了"定义规则"的机会。 原因很简单：智能体的竞争，本质上是生态系统的竞争。谁拥有最多的开发者、最丰富的应用场景、最完善的支持体系，谁就能占据制高点。 这不仅是政策红利，更是一个时间窗口 —— 在各地政府还没有大规模跟进之前，在智能体创业的浪潮还没有完全爆发之前，现在就是最好的入局时机。 智能体发展模式观点
10510编辑于 2026-03-25 九天菜菜，OpenClaw智能体应用实战课教程资料
先学 OpenClaw 智能体应用”，这一论断在 AI 应用层爆发的前夜，显得尤为振聋发聩。它切中了当前技术红利转换的关键节点：从模型能力的惊叹，转向产品价值的交付。 OpenClaw 所代表的智能体应用技术，揭示了科技进化的核心逻辑：模型只是大脑，智能体才是手脚。单纯的模型只能回答问题，而搭载了工具调用、流程设计的智能体，才能解决问题。 掌握 OpenClaw，意味着掌握了构建“数字劳动力”的核心科技，这是从传统的 SaaS 软件向 Agentic Workflow（智能体工作流）转型的必经之路。 OpenClaw 智能体应用的学习，本质上是在探讨如何让 AI 更“懂人”、更“靠谱”。通过智能体的流程设计，人类可以将复杂的任务拆解交给 AI，自己则退居幕后成为“监督者”。 先学 OpenClaw 智能体应用”，这不仅仅是一句口号，更是一条通往未来的行动指南。
10910编辑于 2026-03-24- 来自专栏AI SPPECH
OpenClaw-RL: 通过对话训练任意智能体的全新框架
背景动机与当前热点 本节核心价值：理解 OpenClaw-RL 诞生的背景和解决的核心问题，把握当前智能体强化学习的关键挑战。 这一理念为智能体的持续学习和改进开辟了新的可能性，特别是在多模态、多任务场景下，OpenClaw-RL 能够更有效地利用交互数据，实现智能体能力的快速提升。 2. 6.1 技术演进趋势 OpenClaw-RL 代表了智能体强化学习发展的一个重要方向，未来可能的演进趋势包括： 多模态深度融合：进一步深化多模态交互的融合，实现更复杂的跨模态学习和推理。 多智能体协作：如何在多智能体环境中应用 OpenClaw-RL，实现智能体之间的协作学习？ 泛化能力：如何提高智能体从特定交互中学习到的能力的泛化性，使其能够应用到新的场景中？ 、训练批次大小和学习率 关键词： OpenClaw-RL, 智能体强化学习, 下一状态信号, 后见之明引导, 在线策略蒸馏, 异步设计, 多模态学习
22410编辑于 2026-03-22 2026 年智能体架构综述：从笨重设计到多智能体架构（MAS）
如果把 2024 年比作智能体的“前哨战”，那么 2026 年就比作真正生产级智能体的“分水岭”。 取而代之，是像微服务演进同样必然的范式：多智能体系统（Multi-Agent System, MAS）。01 笨重设计的最终路：为什么分离剂玩不动了？在早期探索中，我们习惯于构建“全能型智能体”。 设计模式在处理简单的演示时表现出色，但在真实的企业级场景（如复杂的金融审计、供应链调度）中却暴露了三个致命伤：认知的“过度过度”：当一个智能体被要求同时掌握代码编写、合规审核和风险评估时，LLM 的长上下文 专家、景观设计师、创意专家……这些子智能体实时同步进度，形成了一个“永不掉链子”的协作环。 这就是 2026 年的现实：人工智能不再是一个查询工具，正在成为企业的操作系统（Agent OS）。 随着模型上下文协议（MCP）等协议的成熟，智能体之间的协作负载已经成为冰点。 如果你还在尝试用一个庞大的提示解决所有问题，那么现在就停下来重新思考架构的时候了。
27332编辑于 2026-01-20多智能体一致性算法
所有智能体的某个状态量（位置、速度、成本等）通过 局部邻居通信 最终收敛到同一个值。 二、1-D 离散时间一致性（5 行 MATLAB 代码）% 一阶离散一致性N = 5; % 智能体个数A = [0 1 1 0 0; % 邻接矩阵
22410编辑于 2025-09-02- 来自专栏强化学习专栏
【MADRL】多智能体深度强化学习《纲要》
文章强化学习： 强化学习（3）---《【MADRL】多智能体深度强化学习《纲要》》 【MADRL】多智能体深度强化学习《纲要》 多智能体深度强化学习（Multi-Agent Deep 多智能体深度强化学习将深度学习与多智能体强化学习结合，使得智能体能够在复杂、高维的环境中学习到有效的策略。 背景与挑战 多智能体系统中的强化学习任务包含多个智能体，每个智能体在与环境和其他智能体的交互过程中不断学习。 尽管简单易实现，但这种方法在多智能体环境中容易陷入非平稳性问题，且无法有效处理智能体之间的协作。 2.2. 注意力机制与图网络：在多智能体交互中引入注意力机制或图神经网络，能够更好地建模智能体之间的依赖关系，提升策略推理的能力。 4.
1.2K10编辑于 2024-12-03 - 来自专栏panzhixiang
大模型多智能体简单应用案例介绍
多智能体角色的说明 最近在尝试 LLM Multi Agent（多智能体）的应用场景，下面给一个最近觉得还比较好用，也不是很麻烦的案例。
79610编辑于 2025-02-11 - 来自专栏AI
VSCode 正式发布：全新多智能体开发平台
VSCode在2026年2月发布的1.109版本中，正式将多智能体开发体验提升到新高度：在单一编辑器内运行Copilot、Claude与Codex智能体，统一管理所有会话，为每个任务选择最合适的工具。 一、统一的智能体会话管理：AgentSessions视图多智能体开发的核心挑战在于会话管理。 ：研究型子智能体：只读权限+网络搜索工具实现型子智能体：完整编辑权限安全审计子智能体：专注漏洞扫描的专用提示词四、开放标准：MCPApps与AgentSkillsVSCode的多智能体战略不仅关注功能集成 标志着多智能体开发体验的重要转折点：开发者无需在不同工具间切换，也无需为每个新智能体重新学习工作流。 通过统一的会话管理、开放的标准支持与灵活的编排能力，VSCode正在成为多智能体时代的开发者首选平台。
27410编辑于 2026-02-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号