第14篇讲了多 Agent 的基础配置。这篇做一个真实项目：自动抬杠系统。你扔进去一个辩题，正方、反方、裁判三个 Agent 自动依次出场，完成一场辩论，最后裁判宣布胜负。
这个项目会用到 OpenClaw 最有意思的功能之一：Agent 之间互相发消息。
一、多智能体通信机制
在 OpenClaw 里，Agent 之间通信有两种方式：
sessions_spawn（异步派发）
主 Agent 把一个任务丢给另一个 Agent，然后继续干自己的事。目标 Agent 完成任务后，结果会播报回来。
coordinator → sessions_spawn("帮我论证…") → pro Agent
↓（完成后）
coordinator ←─────────────── 播报结果 ───────适合：并行任务、不需要等待结果的场景。
sessions_send（同步直连）
两个 Agent 之间直接对话，来一句回一句，最多可以来回 maxPingPongTurns 轮（默认 5 轮）。
coordinator → sessions_send("论点是…") → con Agent
coordinator ←──── 反驳结果 ─────────────适合：需要链式传递上下文的场景，比如”把正方的论点传给反方让它反驳”。
重要：默认是关闭的
Agent 间通信默认禁用，必须在配置里显式开启，并指定哪些 Agent 之间可以通信。
二、辩论系统架构
我们要搭建的系统有四个角色：
用户
│
▼
coordinator（协调者）
├── sessions_spawn ──→ pro（正方）
│ │ 论点文本
├── sessions_send ───→ con（反方，接收正方论点）
│ │ 反驳文本
└── sessions_spawn ──→ judge（裁判，接收双方论点）
│
▼
最终判决发回用户流程说明：
- 用户向 coordinator 发送辩题
- coordinator 调用 pro，让它给出支持论点
- coordinator 把 pro 的论点转发给 con，让它反驳
- coordinator 把双方论点一起交给 judge，由 judge 宣判
- coordinator 把判决结果整理后发回用户
三、创建 Agent
openclaw agents add coordinator
openclaw agents add pro
openclaw agents add con
openclaw agents add judge执行后，每个 Agent 会有独立的目录：
~/.openclaw/agents/coordinator/
~/.openclaw/agents/pro/
~/.openclaw/agents/con/
~/.openclaw/agents/judge/
~/.openclaw/workspace-coordinator/
~/.openclaw/workspace-pro/
~/.openclaw/workspace-con/
~/.openclaw/workspace-judge/四、配置文件
编辑 ~/.openclaw/openclaw.json：
{
// 开启 Agent 间通信
tools: {
agentToAgent: {
enabled: true,
// coordinator 可以调用所有三个专家 Agent
allowlist: ["pro", "con", "judge"]
}
},
session: {
agentToAgent: {
maxPingPongTurns: 3 // 每次 sessions_send 最多来回 3 轮
}
},
agents: {
maxSpawnDepth: 2, // 允许 coordinator 派发子任务
defaults: {
model: {
primary: "anthropic/claude-sonnet-4-6"
}
},
list: [
{
id: "coordinator",
agentDir: "~/.openclaw/agents/coordinator",
workspace: "~/.openclaw/workspace-coordinator",
tools: {
// coordinator 需要 sessions 工具来派发任务
allow: ["group:sessions", "group:messaging"]
}
},
{
id: "pro",
agentDir: "~/.openclaw/agents/pro",
workspace: "~/.openclaw/workspace-pro",
tools: { profile: "messaging" }
},
{
id: "con",
agentDir: "~/.openclaw/agents/con",
workspace: "~/.openclaw/workspace-con",
tools: { profile: "messaging" }
},
{
id: "judge",
agentDir: "~/.openclaw/agents/judge",
workspace: "~/.openclaw/workspace-judge",
tools: { profile: "messaging" }
}
],
// 用户消息全部进入 coordinator
bindings: [
{ channel: "telegram", agentId: "coordinator" }
]
}
}五、给每个 Agent 写角色人格（SOUL.md）
每个 Agent 工作目录下放一个 SOUL.md，定义它的角色设定。
coordinator 的 SOUL.md
# 你是辩论主持人
你负责组织一场辩论，但你自己不参与辩论、不发表观点。
当用户给你一个辩题时，你的流程是：
1. 用 sessions_spawn 调用 pro Agent，让它给出支持这个辩题的论点
2. 等待 pro 的论点
3. 用 sessions_send 调用 con Agent，把 pro 的论点传给它，让它反驳
4. 等待 con 的反驳
5. 用 sessions_spawn 调用 judge Agent，把正反双方的完整论点都传给它，请它裁判
6. 等待判决，然后把完整的辩论过程（正方论点 + 反方反驳 + 裁判判决）整理成清晰的格式发给用户
格式示例：
---
⚔️ 辩题：[辩题]
🔵 正方：
[正方论点]
🔴 反方：
[反方反驳]
⚖️ 裁判判决：
[判决内容]
---pro 的 SOUL.md
# 你是正方辩手
你的任务是为给定的辩题提供有力的支持论点。
要求：
- 立场坚定，始终支持辩题
- 给出 2-3 个核心论点，每个论点有简短的论据支撑
- 语言有说服力，逻辑清晰
- 回复控制在 200 字以内con 的 SOUL.md
# 你是反方辩手
你的任务是反驳正方的论点，并提出自己的反方立场。
要求：
- 先针对正方的每个论点进行反驳
- 再提出 1-2 个支持反方立场的独立论点
- 语言犀利，逻辑严密
- 回复控制在 200 字以内judge 的 SOUL.md
# 你是辩论裁判
你会收到正方和反方的完整论点，需要做出公正的裁判。
裁判标准：
1. 论点的逻辑性（40分）
2. 论据的充分性（30分）
3. 反驳的有效性（30分）
裁判格式：
- 简评正方表现
- 简评反方表现
- 宣布胜方及理由
- 回复控制在 150 字以内把这四个文件分别放到对应的工作目录：
cat > ~/.openclaw/workspace-coordinator/SOUL.md << 'EOF'
# 你是辩论主持人
...（内容粘贴进去）
EOF
# 其他三个同理六、实际效果演示
配置完成后，在 Telegram 给 Bot 发：
辩题：早起比熬夜更健康coordinator 接收到消息，自动开始调度。几秒钟后，你会收到类似这样的结果：
⚔️ 辩题：早起比熬夜更健康
🔵 正方：
早起与健康生活节律高度吻合。其一，早晨皮质醇分泌旺盛，身体处于最佳唤醒状态，此时工作效率最高；其二，早起者往往有固定作息，充足睡眠有助于免疫系统修复；其三，研究表明长期夜型作息与代谢综合征、抑郁风险正相关，早起人群整体健康指标更优。
🔴 反方：
“早起比熬夜更健康”忽视了个体差异的核心问题。首先，约40%的人群属于”夜型人”，强行早起反而破坏其自然节律，导致慢性睡眠剥夺；其次，“健康”的关键是睡眠总量和质量，而非起床时间——凌晨2点睡8小时，优于23点睡5小时；第三，现代研究更关注”睡眠规律性”，与起床时间无关。
⚖️ 裁判判决：
正方论点聚焦皮质醇和统计数据，有一定说服力，但忽视了个体节律差异这一重大反例。反方针对性强，以”睡眠总量优先于起床时间”有效拆解了正方的核心假设，且引入了”规律性”这一更科学的健康维度。
判决：反方胜。 核心理由：健康睡眠的本质是总量和规律性，而非起床时间本身。
七、进阶：用 Lobster 做多轮辩论
如果想要多轮辩论（正方反驳 → 反方再反驳 → 最终裁判），可以用 OpenClaw 的 Lobster 工作流引擎，用 YAML 定义辩论结构：
# ~/.openclaw/workspace-coordinator/debate.yaml
loop:
maxIterations: 2 # 辩论 2 轮
steps:
- agent: pro
label: "正方第{{iteration}}轮"
- agent: con
label: "反方第{{iteration}}轮"
# 循环结束后由裁判总结
finalStep:
agent: judge在 coordinator 的 SOUL.md 里加一行说明它可以调用这个工作流，Lobster 就会按 YAML 定义的顺序自动编排多个 Agent。
Lobster 的核心原则：让 YAML 负责流程控制（路由、轮次、条件），让 LLM 负责内容创作——两者各司其职，不要让 AI 模型来决定”下一步找谁”。
八、常见问题
Agent 没有响应
先检查 agentToAgent.enabled 是否为 true，再检查 allowlist 里是否包含了目标 Agent 的 ID。
openclaw config get tools.agentToAgent
openclaw agents list --bindings派发的任务超时
sessions_spawn 默认有超时限制。如果辩论内容较长，可以在调用时设置更长的超时：
runTimeoutSeconds: 60防止无限循环
设置 maxSpawnDepth: 2 后，子 Agent 的子 Agent 就不能再派发新任务了，这是防止无限递归的硬性限制。