OpenClaw默认不启用Agent间自主协作能力，多数用户卡在手动串联、知识孤岛和长任务中断三大痛点。本文基于源码级实测，系统梳理三项可立即生效的配置方案，实测任务耗时从12分钟压缩至2分钟，让多Agent真正实现7×24小时无人值守工作流。
智能速览
开启Agent间通信（agentToAgent）与记忆搜索（memorySearch），两行配置即可打通跨Agent经验复用
通过Post-Approval Distribution协议实现审批通过后自动通知下游Agent，消除人工传话环节
启用Sub-agent并行委派机制，将长任务拆解为独立子任务并行执行，上下文隔离避免串行崩盘
实测单任务执行时间从串行12分钟缩短至并行2分钟，效率提升500%
所有配置均基于openclaw.json、AGENTS.md及clawbot.json等原生文件，无需修改核心逻辑
本地部署千问Qwen3模型支撑memorySearch，零成本实现高速向量检索
精华内容
多Agent协作失效的根本原因，从来不是Agent不会合作，而是系统未被正确配置。深入OpenClaw源码发现，三处关键开关长期处于关闭状态，直接导致工作流始终依赖人工干预。
通信开关
在openclaw.json中启用agentToAgent工具，并明确声明允许通信的Agent列表。例如：“allow”: [“main”, “youtube”, “writer”, “cpo”, “coo”]。同时开启memorySearch功能，指定provider为local，使各Agent能主动读取彼此MEMORY.md中的经验沉淀。实测表明，开启后Video Agent生成的脚本路径、音效规范等信息可被Writer Agent直接调用，无需人工复制粘贴。
此前需手动搬运的‘2x缩放技巧’‘swish+ding音效规则’等知识，现在通过memorySearch自动同步，Writer Agent首次执行即命中正确格式，错误率下降92%。
该配置不依赖外部服务，纯本地运行，响应延迟稳定控制在380ms以内（Qwen3-4B本地部署实测）
触发协议
在AGENTS.md中为上游Agent添加Post-Approval Distribution模块，定义审批通过后的自动分发规则。具体包含四要素：视频标题、批准脚本路径、关键要点、目标Discord频道。例如：sessions_send(agent=“writer”, message=“视频已批准，标题：Pain2Safety，脚本路径：approved/voiceover.md，关键点：四层纵深防御”)。
配置生效后，审批动作触发瞬间，系统自动推送完整上下文至下游Agent，同时向#agent-coms频道广播，确保人类监督者可见协作过程。此前需人工执行的7步串联操作，现压缩为1次审批动作。
实测显示，该机制使跨Agent任务启动延迟从平均4.2分钟降至210毫秒，且杜绝了因人工疏漏导致的下游等待超时问题
并行架构
在clawbot.json中启用subagents支持，设置maxConcurrent参数（如设为8），并在AGENTS.md中定义子任务委派规则。主Agent将长任务分解为scene渲染、配音生成、视频剪辑等独立子任务，每个sub-agent拥有专属上下文和session，互不干扰。
以12分钟视频制作为例，串行执行时第7步即出现context overflow，需人工重置；启用subagents后，4个scene渲染并行启动，配音与剪辑同步进行，全程无上下文丢失。最终耗时稳定在2分18秒，较之前缩短82%。
关键约束条件包括：必须为每个sub-agent显式传递完整task param（含design.py路径、脚本片段等），且禁止轮询式检查状态，全部采用push-based announce机制回调结果路径
这三项配置共同构建了OpenClaw多Agent系统的自治基座：通信开关解决知识复用，触发协议解决流程衔接，并行架构解决任务韧性。当系统不再需要人类充当‘传话筒’‘搬运工’或‘救火员’，真正的AI工作流才开始运转。未来是否会出现无需人工审核的全闭环协作？当前配置已为这一演进铺平了技术路径。
关键评论
理论可通过对话开启这些能力，若再演示用自然语言对话方式配置，会更酷
多个Agent可在同一群组内互相@，但需警惕死循环风险——例如A回复触发B，B回复又触发A，推荐采用requireMention=true策略或后台sessions_send替代群内@
非常关键，确实遇到过类似问题，看了作者分享后能帮助理清这些点
多Agent目前感觉上下文之间没共享好，用的时候老会遇到一些糟心的地方
