🐝 OpenClaw Swarm

让你的 OpenClaw 从"单打独斗🦞"进化为"团队作战🦞🦞🦞"！

Work from Li Auto Inc.

基于Openclaw实现的Agent swarm

🇨🇳 中文 | 🇺🇸 English

---

🎬 在线案例展示

查看 OpenClaw Swarm 的实际效果

🔬 强化学习技术调研 多智能体并行调研，生成完整技术分析报告和发展路线图 涉及智能体: 🔍 researcher × 4, ✍️ writer × 5, 🎨 designer

📊 白银价格市场分析 多角度市场调研，生成深度分析文章和交互式可视化网页 涉及智能体: 🔍 researcher × 3, ✍️ writer, 🔎 reviewer, 👨‍💻 coder

💡 这两个案例展示了 OpenClaw Swarm 如何通过多智能体并行协作，高效完成复杂任务

---

📖 项目简介

OpenClaw 在处理简单和自动化任务上非常有效，但在处理复杂任务时存在几个痛点：

问题	描述
⏱️ 任务耗时极长	默认线性串行执行，处理超长任务时耗时极长
📄 鲁棒性较差	长任务链条中单一任务报错可能导致整体失败，中间过程不透明
🔥 非常烧钱	如果默认使用 Opus 4.5 模型，一天复杂任务可能烧掉几百元

OpenClaw Swarm 解决方案：

将复杂任务拆解为多个子任务，指派合适的子智能体并行完成，高难度任务用强模型，简单任务用便宜模型。

💡 一句话总结：把 OpenClaw 从"一个人干活"变成"带领一支团队干活"。就像公司里的项目经理，接到复杂任务后不是自己从头干到尾，而是把任务拆成小块，分配给不同专业人员（研究员搜资料、程序员写代码、设计师画图），大家并行工作，最后汇总结果。

✨ 核心优势

能力	说明
🔀 任务并行	多个无依赖的子任务同时执行，不再排队等
💰 成本优化	简单任务用便宜模型(GLM)，复杂任务才用昂贵模型(Claude)，实测节省 50-70% 成本
🔧 完全可定制	每个智能体有独立人格文件(SOUL.md)，可随时添加/删除/修改，工具权限精细控制
📚 经验积累	智能体记录有效经验，下次执行类似任务时自动注入，越用越聪明，不是每次从零开始
🏠 本地优先	完全运行在你自己的 OpenClaw 实例，数据不经过第三方，可离线使用

📦 智能体团队

智能体	角色	核心能力
📋 pm	产品经理	需求分析、任务拆解、优先级排序
🔍 researcher	研究员	信息搜集、资料整理、多源验证
👨‍💻 coder	程序员	编码、调试、测试、重构
✍️ writer	写作者	文档、报告、文案、翻译
🎨 designer	设计师	配图、插画、数据可视化
📊 analyst	分析师	数据处理、统计分析、趋势预测
🔎 reviewer	审核员	代码审查、内容审核、合规检查
💬 assistant	助手	简单问答、消息转发、提醒
🤖 automator	自动化	定时任务、网页自动化、脚本
🔥 github-tracker	GitHub追踪	热门项目追踪、趋势分析

💡 目前实现的是静态多智能体集群，后续我们也会尝试动态生成团队的配置

🚀 快速开始-安装说明

将本仓库的url交给openclaw，让它自行安装。

安装后验证

# 1. 检查智能体团队
openclaw agents list

# 2. 重启对话
/new

# 3. 重启网关
openclaw gateway restart

📚 使用案例

Case 1: 🔬 技术调研报告

"调研强化学习技术并写一篇分析报告,分别从Arxiv、github、网络渠道、各种教程中进行信息检索并对信息汇总,生成一个完整的文档,最后生成一副路线图来展示完整的智能体强化学习发展脉络，分批生成报告最后汇总。"

执行流程：

├── 🔍 researcher × 3 (并行)
│   ├── 搜索 Arxiv 论文
│   ├── 搜索 GitHub 项目
│   └── 搜索网络文档
├── ✍️ writer x n (并行)
│   └── 整合资料，撰写分析报告
└── 🎨 designer (串行)
    └── 生成技术发展路线图

🎬 查看在线演示 →

---

Case 2: 📊 市场调研 & 网页可视化

"现在你使用多智能体能力帮我完成以下任务：我要写一篇关于白银价格还能涨多久的文章。从客观数据、看多、看空等不同视角调研、辩论。最后再交给一个 agent 专门负责撰写。再有一人负责审稿，核查内容真实性。最后再让一名开发人员，把数据和文章内容，用一种可交互的网页形式呈现。"

执行流程：

├── 🔍 researcher × 3 (并行)
│   ├── 客观数据调研
│   ├── 看多观点收集
│   └── 看空观点收集
├── ✍️ writer → 🔎 reviewer (串行)
└── 👨‍💻 coder (串行)
    └── 开发交互式网页

🎬 查看在线演示 →

---

Case 3: 🐙 GitHub 项目调研

"调研主流 AI Agent 框架（LangChain、AutoGPT、CrewAI），对比分析"

---

Case 4: 📚 批量资料处理

"用中文翻译所有巴菲特致股东信中近十年的内容： https://www.berkshirehathaway.com/letters/letters.html 并且创建一个总结文档，列出一系列可参考学习的经验。"

效率分析：

• ⏱️ 时间节省：从串行数小时缩短到并行十几分钟
• 💰 Token 成本：简单任务用 GLM 替代 Claude，节省 50-70%

---

Case 5: 🐱 图像生成

"帮我画四只不同风格的猫猫！"

配置 Gemini 图像模型后支持图片生成。

---

Case 6: 🎬 动画分镜绘制

"https://paulgraham.com/greatwork.html 我要把这篇文章做成视频，请把这篇文章翻译成中文，然后生成风格统一的5张分镜图片，使用皮克斯的风格，设计固定的一两个角色，必要时可以用图表。"

🎯 适用场景

✅ 适合用 Swarm

• 技术调研报告 — 多框架并行调研
• 代码项目 — 分析 → 编码 → 审核
• 数据分析报告 — 处理 → 分析 → 可视化 → 撰写
• 内容创作 — 调研 → 写作 → 配图 → 审核

❌ 不适合 Swarm

• 简单问答 — 直接问就行
• 单一任务 — 没必要拆解
• 实时对话 — 延迟要求高

🔧 高级配置

🎨 定制化智能体

根据需求和 OpenClaw 对话来新增定制化的子智能体，或通过调用 skill 修改智能体配置。

示例对话：

"帮我在 agent swarm 中增加一个子智能体，专门用来检测每天最新的 github 热门项目"

🖼️ 图像生成模型配置

申请 Gemini API 后，在 openclaw.json 中配置：

{
  "vendor-gemini-3-pro-image": {
    "baseUrl": "baseUrl",
    "apiKey": "Your API Key",
    "api": "google-generative-ai",
    "authHeader": "x-goog-api-key",
    "models": [
      {
        "id": "gemini-3-pro-image-preview",
        "name": "Gemini 3 Pro Image",
        "reasoning": false,
        "input": ["text", "image"],
        "cost": { "input": 0, "output": 0 },
        "contextWindow": 1000000,
        "maxTokens": 65536
      }
    ]
  }
}

配置完成后测试：帮我生成一张小猫的图片

🛠️ 脚本工具

脚本	功能
setup_wizard.py	配置向导，检测模型并生成配置
agent_manager.py	智能体管理（增删改查）
init_agents.py	初始化智能体工作目录
experience_logger.py	智能体经验记录管理

🆚 竞品对比

特性	OpenClaw Swarm	Kimi K2.5 Swarm	Claude Code Swarm
状态	✅ 可用	🔬 实验阶段	🔬 实验阶段
会员要求	无	最高级会员	-
模型可选	✅ 完全自定义	❌ 固定	-
定制性	✅ 高度可定制	❌ 受限	-
二次开发	✅ 低成本	❌ 不支持	-

使用 OpenClaw 具有高度可定制性，可以根据自己的需求通过对话进行低门槛且高定制化的二次开发，欢迎大家在我们的 skill 上进行优化和提供 feature。

📁 目录结构

openclaw-swarm/
├── README.md              # 项目说明（本文件）
├── README_EN.md           # 英文文档
├── openclaw-swarm/
│   ├── SKILL.md           # 主技能文档（必读）
│   ├── scripts/
│   │   ├── setup_wizard.py      # 配置向导
│   │   ├── agent_manager.py     # 智能体管理
│   │   ├── init_agents.py       # 初始化脚本
│   │   ├── config_checker.py    # 配置检查
│   │   ├── experience_logger.py # 经验记录
│   │   ├── swarm_entry.py       # 入口脚本
│   │   └── agent_souls.json     # 智能体配置
│   └── references/
│       ├── setup-guide.md       # 详细部署指南
│       ├── statistics-template.md # 统计模板
│       └── souls/               # 智能体人格文件

⚠️ 声明

Openclaw Swarm的部分设计思路和案例受到了Kimi K2.5 内测功能Swarm和Claude Code 实验性功能Agent Teams的启发. 目前关于 OpenClaw Swarm 的配置和优化还处于beta阶段，使用中该能力可能存在不稳定性，后续会不断优化和升级，并分享相关使用经验。欢迎共同开发&交流！

ToDO:

• 动态智能体团队配置生成
• 多智能体团队配置&任务进度可视化

📄 许可证

MIT License

---

Made with ❤️ for OpenClaw