概述

一、一句话理解 Agent

Agent = 消息的实际处理者

Gateway 只负责"传"，Agent 负责"想"和"做"：

  • 理解你发的消息是什么意思
  • 决定需要调用哪些工具
  • 调用工具获取结果
  • 生成回复返回给你

二、Agent 和 Gateway 的关系

┌──────────────────────────────────────────────┐
│              Gateway（网关）                    │
│   负责：接收消息 → 分发给对应的 Agent          │
└──────────────────┬───────────────────────────┘
                   │
                   ↓ 消息进来
┌──────────────────────────────────────────────┐
│              Agent（智能体）                    │
│   负责：理解 → 决策 → 调用工具 → 生成回复       │
└──────────────────────────────────────────────┘

Gateway 和 Agent 是配合关系，不是替代关系：

  • Gateway 是"快递站"
  • Agent 是"处理员"

三、为什么需要多个 Agent

一个 Gateway 可以连接多个 Agent，每个 Agent 服务不同的场景：

Agent用途例子
主 Agent（main）处理日常对话和任务当前你用的这个 AI
客服 Agent专门处理客户咨询自动回复常见问题
数据 Agent专门处理数据分析生成销售报表
多 Agent 的好处：
  • 不同场景用不同的 AI，质量更高
  • 任务隔离，互不影响
  • 可以给不同人分配不同的 Agent

四、你系统中的 Agent

在你当前的配置里：

{
  "agents": {
    "list": [
      { "id": "main" },           // 主 Agent，处理所有消息
      { "id": "mic", "name": "mic" }  // 另一个 Agent
    ]
  }
}

当前你的飞书消息全部由 main 这个 Agent 处理。

五、单 Agent 工作流程

用户发消息
    ↓
Gateway 接收
    ↓
分发给 main Agent
    ↓
Agent 理解意图
    ↓
决定调用工具（Skill）
    ↓
工具执行，返回结果
    ↓
Agent 生成回复
    ↓
Gateway 发送回复
    ↓
用户收到消息

六、Agent 的配置

每个 Agent 都可以有自己独立的配置：

{
  "agents": {
    "defaults": {
      "model": "minimax-portal/MiniMax-M2.7-highspeed",  // 默认用的模型
      "workspace": "/path/to/workspace"                      // 工作区目录
    }
  }
}

七、常见问题

Q: 一个 Agent 能同时服务多个人吗？
A: 可以。Agent 会为每个对话维护独立的上下文，互不干扰。
Q: 不同 Agent 用不同模型，会不会更好？
A: 不一定。模型越强越贵，要根据场景选择合适的模型。比如数据分析用 DeepSeek，对话用 MiniMax。
Q: 普通用户需要配置多个 Agent 吗？
A: 不需要。单个 Agent 足够满足大部分需求。多个 Agent 主要用于复杂的企业场景。
Q: Agent 回复内容不符合预期？
A: 检查 system prompt 配置是否清晰。越具体、越明确的指令，AI 理解越准确。
Q: Agent 记忆力太差？
A: 配置 Memory 系统。短期对话靠上下文，长期记忆靠 Memory 文件持久化。
Q: 多 Agent 之间如何共享数据？
A: 通过共享 Skill 或外部存储（如数据库）实现 Agent 间数据共享。

八、下一步学什么

  • 1.6 核心概念三：Channel（渠道）是什么 → 理解消息是从哪些入口进来的
  • 1.7 核心概念四：Plugin（插件）是什么 → 理解 OpenClaw 是怎么支持这么多渠道的

如有疑问，欢迎在群内提问！

上一篇 1.4 核心概念一：Gateway（网关）是什么
下一篇 1.6 核心概念三：Channel（渠道）是什么 →