应选用agent-council技能组织子代理分工，因其专为多Agent协作设计，支持任务分派、结果聚合与冲突协调；其余技能如agent-browser、self-improving-agent等分别增强执行、记忆与知识能力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在 OpenClaw 中实现多 Agent 协作，但不确定应选用哪个 Skill 来组织子代理分工，则可能是由于缺乏对协作型 Skill 的功能边界与适用场景的清晰认知。以下是解决此问题的步骤：
一、agent-council
该 Skill 是专为构建自主协作智能体团队而设计的核心框架，支持任务自动分派、结果聚合与冲突协调，适用于需多个专业角色协同完成复杂目标的场景。
1、在终端执行 npx clawhub@latest install agent-council 安装该 Skill。
2、安装完成后，在项目根目录运行 openclaw agents add pm && openclaw agents add dev 创建项目经理与开发工程师两个角色。
3、通过修改每个 Agent 的 agent.md 文件注入职责定义，确保角色语义隔离。
二、agent-browser
该 Skill 提供浏览器级自动化能力，可作为技术执行层 Agent 的关键工具组件，使子代理具备真实网页交互能力，从而支撑跨系统操作类协作流程。
1、执行 npx clawhub@latest install agent-browser 完成安装。
2、在目标 Agent（如 tech-expert）的 openclaw.json 配置中，于 skills.enabled 列表中显式添加 "agent-browser"。
3、验证是否启用成功：向该 Agent 发送指令“打开 https://example.com 并截图”，观察是否返回图像结果。
三、self-improving-agent
该 Skill 赋予协作团队长期记忆与路径优化能力，使多个 Agent 在多次交互后能自动沉淀协作模式，降低重复配置成本，提升整体响应一致性。
1、运行 npx clawhub@latest install self-improving-agent 安装技能。
2、在全局配置文件 ~/.openclaw/openclaw.json 中，将 "self-improving-agent" 加入 skills.global.enabled 数组。
3、启动任意两个已绑定通信渠道的 Agent，连续三次发起相同类型协作请求（如“生成 React 表单组件”），观察第三次响应中是否出现基于前序经验的结构化优化建议。
四、tavily-search
该 Skill 为多 Agent 协作提供可信外部知识注入通道，避免各子代理因幻觉导致决策偏差，特别适用于需要实时事实支撑的任务拆解与验证环节。
1、执行 npx clawhub@latest install tavily-search 安装搜索能力。
2、为调度型 Agent（如 boss-manager）单独启用该 Skill，在其工作目录下的 openclaw.json 中设置 "skills.enabled": ["tavily-search"]。
3、向该 Agent 发送含模糊信息的指令，例如“使用 2026 年最新版 Ant Design 实现暗色主题开关”，确认其是否主动调用搜索并引用有效文档链接。
五、messaging-integration
该 Skill 实现跨通讯平台的消息路由与上下文保真，确保不同子代理在钉钉、Telegram 或企业微信等渠道间接收/发送消息时，身份标识与会话状态不丢失。
1、运行 npx clawhub@latest install messaging-integration 安装集成模块。
2、编辑 openclaw.json 的 channels 区块，按平台填写 webhookUrl 与 botToken 参数。
3、在 bindings 中为每个 Agent 明确指定 chatId，确保 boss-manager 接收私聊、tech-expert 接收群聊消息互不干扰。
