OpenClaw子代理是主智能体将大任务精准拆解并分派给专业小助手，在隔离环境中并行执行后统一交付；适用场景包括多源数据聚合、批量文件处理、条件分支长流程及多模型协同任务。
☞☞☞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☜☜☜
OpenClaw子代理不是“多开几个窗口”，而是让主智能体把大任务精准分派给专业小助手，各自在隔离环境中并行干活，最后统一交差。关键在任务拆解是否到位、子代理是否配得准、执行过程能否被看见。
明确哪些任务适合交给子代理
不是所有指令都需要启动子代理。真正适合的，是那些天然可切分、能并行、有专业门槛或耗时较长的任务：
- 需要同时查多个网站、数据库或API的数据聚合类任务（比如“对比京东、淘宝、拼多多上某款显卡的近30天价格走势”）
- 批量处理多个独立文件（如“把邮箱附件里的12份PDF全部提取表格、转成CSV、按日期归档”）
- 含条件分支的长流程（如“若合同金额＞50万，调用法务Agent审核；否则由财务Agent生成付款单”）
- 需不同模型能力协同的任务（如研究员Agent用Qwen3查资料，程序员Agent用DeepSeek-Coder写脚本，写作者Agent用Claude Opus润色报告）
用对工具：sessions_spawn 是核心入口
子代理不是自动冒出来的，得靠 sessions_spawn 工具主动创建。它接受结构化参数，决定子代理“是谁、干什么、用什么资源”：
-
role：指定角色名，比如
"researcher"或"pdf_parser"，系统会据此加载对应技能和模型配置 - task：用一句话说清要它完成的原子动作，避免模糊表述（✘“帮我看看这些数据” → ✔“从data_202604.csv中提取列A最大值及对应行ID”）
-
timeout：设合理超时（如
180秒），防某个子代理卡死拖垮整条链 -
isolated_memory：保持为
true，确保上下文不串，这是子代理安全隔离的关键
示例指令（在终端或微信发送）：/spawn role=researcher task="搜索2026年Q1国产AI芯片融资新闻，只返回公司名、金额、轮次，JSON格式" timeout=120
让子代理真正“各司其职”，得靠技能绑定
空有角色名没用，必须让每个子代理加载专属技能（Skills）。比如：
- 给
coder角色绑定skills/python_executor.yaml和skills/git_manager.yaml - 给
designer角色绑定skills/figma_api.yaml和skills/prompt_refiner.yaml - 配置路径统一放在
Skill/roles/目录下，文件名与 role 值严格一致
这样当主Agent调用 /spawn role=coder ... 时，系统会自动载入对应技能栈，无需每次手动指定工具。
监控执行过程，别让它变成黑盒
子代理跑起来后，不能只等结果。日常排查卡点，靠三样东西：
- 日志前缀识别：每个子代理输出自带标识，如
[SUB:researcher-7f2a]，方便 grep 过滤 - 状态查询命令：
/status all查所有活跃子代理，/status researcher-7f2a查单个详情（含已用token、运行时长、最后心跳） - 失败自动快照：任一子代理报错，系统默认保存其输入上下文、错误堆栈、memory快照到
logs/failures/，可直接复现调试
遇到“任务发出去就没回音”，先跑 /status all，90%的问题出在子代理已超时退出或权限不足未报错。
不复杂但容易忽略：子代理的价值不在数量，而在分工精度。一个精准的 data_cleaner 比五个泛泛而谈的 assistant 更可靠。
