上周折腾 OpenClaw，我突然反应过来一个事：每次让 AI 干稍微复杂点的活，比如"先搜资料再写文章再润色"，我得一步步喂指令。跟带实习生没区别。
然后我翻到了 Sub-Agent 这个功能。
到底是啥
你的 AI 助手可以在后台"分身"，同时干好几件事，干完自动回来交差。
不是多开几个窗口那种伪并行。是真的——主 Agent 把任务甩出去，自己继续干别的，分身搞定了自动把结果送回来。整个过程你不用盯着。
我搭了个什么东西
我给 OpenClaw 配了三个 Skill，串成一条流水线：
Research → 丢个主题进去，自动多角度搜、自动出报告
Blog Agent → 拿到素材直接写稿，生封面，推到 WordPress
Humanizer → 把"值得注意的是"、"综上所述"这些 AI 八股全干掉
每个 Skill 跑不同的模型。搜集和润色用 Codex 5.3——便宜、快；写作用 Opus 4.6——贵，但写出来的东西确实好一个档次。这个分配很关键，后面细说。
配置长什么样
Sub-Agent 的配置不复杂，核心就这么几行：
{
"subagents": {
"maxConcurrent": 8,
"maxSpawnDepth": 2,
"maxChildrenPerAgent": 5,
"runTimeoutSeconds": 600
}
}
挨个说：
maxConcurrent— 同时跑几个分身。8 个差不多了，再多机器会吃不消maxSpawnDepth— 嵌套层数。2 的意思是分身还能再派小弟，三层结构runTimeoutSeconds— 超时。600 秒，也就是 10 分钟。别让一个卡死的任务永远占着资源
嵌套派发
把 maxSpawnDepth 设成 2 之后，可以玩这种套娃：
我（Telegram 聊天窗口）
└→ 调度员（接到大任务，自己拆成小的）
├→ 搜集小弟 — 跑搜索引擎
├→ 写作小弟 — 出初稿
└→ 润色小弟 — 去 AI 味
调度员是第一层，小弟们是第二层。每层做完了结果自动往上冒，最后回到我的 Telegram。
这不是画饼，我实际跑通了。
在 Telegram 里怎么操作
就几个命令：
/subagents list 看谁在跑
/subagents spawn main 搜集 AI 框架对比 手动派活
/steer 1 重点看开源的 跑到一半改方向
/subagents kill 1 不想要了，砍掉
/subagents log 1 看干了啥
/steer 我特别喜欢。任务跑到一半，发现搜偏了，直接丢一条修正过去，不用从头来。
Skill 文件怎么写
一个文件夹、一个 SKILL.md，完事。
skills/research/
└── SKILL.md
SKILL.md 长这样：
---
name: research
description: 深度搜集与研究
user-invocable: true
metadata: {"openclaw":{"subagent":{"model":"cliproxy/gpt-5.3-codex"}}}
---
metadata 里那个 subagent.model 是模型路由——告诉系统这个 Skill 被当成 sub-agent 跑的时候该用什么模型。
下面的 Markdown 正文就是给 AI 看的指令：搜什么、怎么搜、结果用什么格式输出。本质上是个结构化 prompt，但可以反复用。
关于模型路由
我踩过一个很蠢的坑。
一开始所有任务都丢给 Opus 4.6 跑。搜集资料这种事，翻来覆去调 web_search 和 web_fetch，一个任务烧掉的 token 比写三篇文章还多。纯纯浪费。
后来想通了。搜集和润色是体力活，不需要最聪明的模型；写作是创意活，确实得上强的。改成分级之后：
任务类型
模型
费用感受
搜集调研
Codex 5.3
便宜
博客写作
Opus 4.6
中等
去 AI 味
Codex 5.3
便宜
同一条任务链，成本大概是之前的三分之一。省下来的钱够我多跑十几次。
去 AI 味这个事我多说两句
这是我花时间最多的一个 Skill。
AI 检测器（GPTZero 那帮）主要盯三个信号：文本太"可预测"（perplexity 低）、写作节奏太均匀（burstiness 低）、有特征词汇。
所以 Humanizer 做的事：
换词 — "值得注意的是"→"有意思的是"，"此外"→"还有"，"至关重要"→"很关键"。我整理了一张中英文对照表，大概四十多个词。
打节奏 — AI 写东西每段差不多长。人不这样。有时候一句话就是一段。有时候脑子里东西多，一口气写出来的句子又臭又长，中间用破折号和括号东扯西扯（就像现在这样）。
加人味 — 插第一人称、加具体的时间地点版本号、偶尔吐槽两句。检测器不好识别"情绪"，这是人类写作最明显的特征。
你现在读的这篇文章就过了 Humanizer。哪些是原稿哪些改过的，自己品。
Sub-Agent 和 ACP 别搞混
OpenClaw 还有个 ACP，容易跟 Sub-Agent 搞混。
一句话区分：
- Sub-Agent = OpenClaw 内部分身。搜资料、写东西、做分析——通用任务
- ACP = 遥控外部编码工具（Codex CLI、Claude Code）。改代码、跑测试——编程专用
需要写代码就 ACP，其他场景 Sub-Agent。
踩过的坑
Sub-Agent 上下文是阉割版的。 它只加载 AGENTS.md 和 TOOLS.md，不会读你的 SOUL.md 和 USER.md。如果 Skill 依赖个性化配置，得在 task 描述里显式带上。
超时必须设。 有一回忘了配 runTimeoutSeconds，一个搜集任务网络不通，卡了四十分钟我才注意到。四十分钟。
并发写文件会出事。 两个 Agent 同时写一个文件 = 数据丢。每个 Agent 操作各自独立的文件，别偷懒。
结果回传不保证。 Gateway 要是中途重启，正在跑的 sub-agent 结果可能丢掉。重要的任务记得起个 label，至少能追溯。
就这些
Sub-Agent 说白了就是"AI 学会了委派"。不是什么革命性的概念，但跑通之后体感变化很大——我现在从"想写一篇东西"到"文章上线"，中间不需要我做任何事。
配置文件、Skill 模板上面都贴了。照着抄就能用。
OpenClaw 项目：github.com/nicepkg/openclaw · 文档：docs.openclaw.ai