大模型小白必看：收藏这份多Agent架构学习指南，轻松掌握OpenClaw与Hermes

本文深入浅出地介绍了多Agent架构的定义、使用动机和常见实现模式，并通过对比OpenClaw和Hermes两个流行平台的具体实现，帮助读者理解多Agent架构的工程应用。文章指出，虽然多Agent架构在处理复杂任务时具有显著优势，但其工程实现较为复杂，需要仔细考虑上下文工程、权限控制、结果回传等问题。对于想要学习大模型开发的程序员来说，本文提供了一个全面而实用的学习框架。

无论是 OpenClaw 还是 Hermes 都是多 Agent 的架构，但大家不能“人云亦云”，为什么这么设计其实是很值得考虑的；

不能人家用什么，你也觉得什么好，比如就我去年的经历和学习的文章来看，多数场景下是用不到多 Agent 这种架构的，比如：

Cognition / Devin：《Don’t Build Multi-Agents》

生产级长任务 Agent 的关键是做好 Context Engineering

多 Agent 最大的问题是上下文割裂、隐性决策丢失、错误复合、协调成本上升，所以很多场景下不如一个连续、线性的 Agent 流程稳定

只不过《Don’t Build Multi-Agents》也绝不是在否定多 Agent 架构的合理性，只不过他应该在表达这东西工程难度颇高，而多数公司还用不到这么复杂的架构，因为多 Agent 的好处和可以解决的问题是很清晰的。

毕竟，单个 Agent 在多数场景下表现良好，但随着任务复杂度升高，其局限性逐渐暴露：

• 上下文不断膨胀，关键信息被淹没；
• 工具数量变多，模型更容易选错工具或误用工具；
• 错误影响范围扩大，局部失误可能污染整个任务链路；
• 中间状态缺少边界，任务难以并行、隔离和收敛。

引入多 Agent 架构是解决上述问题的关键思路：将复杂任务拆分为多个拥有独立上下文和权限边界的执行单元，并由上层编排逻辑统一收敛结果。

而为什么 OpenClaw 和 Hermes 要这么设计，其实最大原因是因为他们是平台型产品，本来就要解决复杂问题，而你的产品要不要启用多 Agent，然后又如何做这类设计，也许今天可以给个答案：

我们会分两部分展开：

1. 多 Agent 的定义、使用动机和常见实现模式。

2. OpenClaw 和 Hermes Agent 的多 Agent 实现路径。

争取将多 Agent 架构给你说清楚，好吧让我们开始吧！

什么是多 Agent

在工程实现里，多 Agent 指的是：系统在一次任务处理中创建多个 Agent 实体，让它们分别处理不同子任务，再通过编排层汇总结果。

一个最小可用的多 Agent 系统，通常至少有这几个元素：

• 一个主 Agent：负责理解用户目标、决定是否拆分任务、最后向用户交付结果。
• 若干子 Agent：在隔离上下文里处理局部任务。
• 一套编排机制：负责创建子 Agent、限制权限、跟踪生命周期、收集结果。
• 一条回传链路：把子 Agent 的结果送回父 Agent，避免主上下文持续膨胀。

为什么需要多 Agent

在真实工程任务里，单 Agent 的瓶颈来自两个层面：

第一个层面是模型自身的能力上限。

当前模型在处理长序列时，容易在大量历史信息中混淆哪些结论仍然有效、哪些只是中间步骤。这会增加推理成本，也会提高误用旧信息的概率。

此外，长程规划、工具调用准确率、幻觉控制等基础问题仍然存在，并没有被完全解决。

第二个层面是工程架构的耦合问题。

如果用一个 Agent 同时完成资料检索、代码阅读、文件修改、验证执行和结果总结，所有中间结果都会堆积在同一个上下文里。状态管理、并发控制、权限校验、失败重试也全部绑在同一个执行单元上。

结果是，任何局部任务的异常都可能拖垮整个流程，并发请求也难以安全隔离。

这两个瓶颈性质不同，模型能力的缺陷需要通过模型迭代来缓解，但即使模型变得更强大，只要仍然把不同职责强行塞进一个 Agent，就算我们从工程角度思考这一定都是正解，但他也一定会增加工程复杂度。

多 Agent 的做法是把这些职责拆开。常见的结构是：一个父 Agent 负责调度和汇总，多个子 Agent 各自承担聚焦的局部任务，比如只负责检索、只负责阅读某个文件、只负责执行验证。

这样做有四个好处：

1. 控制上下文范围

子 Agent 可以在自己的上下文里完成局部任务。父 Agent 不需要接收完整执行过程，只需要接收结论、关键证据和必要的状态变化。

父 Agent 的上下文因此更稳定。父 Agent 负责决策和汇总，子 Agent 负责局部执行，中间过程不会全部写入同一个对话历史。

2. 拆分可并行任务

很多任务本身可以并行处理，例如：

边读需求，一边查代码，一边核对测试
同时分析多个模块
同时比较多个方案
让一个 Agent 实现，让另一个 Agent 审查

如果全部交给一个 Agent，系统只能按顺序推进，多 Agent 可以把这些工作拆成多个独立执行分支，再由父 Agent 统一汇总。

3. 按任务限制权限

不同子任务需要的工具不同。

比如：

资料检索的 Agent，不需要写文件
局部改动的 Agent，不需要发消息给用户
执行验证的 Agent，不需要继续派生更多 Agent

多 Agent 系统可以按任务类型分配工具集，子 Agent 只拿到完成当前任务所需的能力，权限边界更清楚。

4. 隔离局部失败

子 Agent 可能超时、偏离目标、权限不足，也可能只完成一部分任务。多 Agent 架构可以把这些问题限制在当前执行分支里，由父 Agent 决定重试、丢弃、合并，或者换一个执行策略。

因此，一个可用的多 Agent 实现需要处理：

子 Agent 生命周期
超时与中断
结果回传
清理与回收

常见的多 Agent 实现模式

我们之前也说了，多 Agent 架构会增加系统工程复杂度，所以实现起来是有多套没有固定形态。

工程实现里，常见模式主要有下面几类，实际系统通常会组合使用这些模式：

1. 调度-执行模式

调度-执行是最基础的多 Agent 结构，主 Agent 保留用户目标和全局判断权，子 Agent 只处理被分配的局部任务。

主 Agent 分析用户请求，判断任务是否需要拆分。
主 Agent 为每个子任务生成明确的目标、上下文和输出要求。
子 Agent 在独立上下文中执行任务。
主 Agent 收集子 Agent 的结果，做冲突处理、信息合并和最终回复。

这种模式适合代码分析、资料调研、测试验证、方案比较等任务。它的核心要求是父子职责清楚：父 Agent 负责决策，子 Agent 负责执行。

工程实现时，核心要实现下面的功能

子任务描述必须足够具体，否则子 Agent 容易输出宽泛结论。
子 Agent 的返回格式要稳定，否则父 Agent 很难合并结果。
父 Agent 需要能处理失败、超时、结果冲突和部分完成。

2. 分层编排模式

分层编排是在调度-执行模式上继续扩展：子 Agent 不只执行任务，也可以继续拆分任务。

这里的调度子 Agent 承担中间调度角色，它接收父 Agent 分配的大任务，再继续拆成更小的执行任务。

这种模式适合任务层级明显的场景：

大型代码库分析：主 Agent 分配模块，调度子 Agent 再拆到文件或功能点。
多阶段开发任务：主 Agent 分配功能目标，调度子 Agent 再拆成实现、测试、文档。
复杂研究任务：主 Agent 分配研究方向，调度子 Agent 再拆成资料检索、事实核对、结论整理。

分层编排的工程风险也更高，系统必须限制递归深度、单个 Agent 可创建的子 Agent 数量，以及每层 Agent 能使用的工具。否则任务树会失控，结果回收也会变复杂。

实现这个编排通常需要记录下面的关系：

 当前 Agent 的层级
 当前 Agent 的角色
 当前 Agent 的父子关系
 当前层级是否允许继续派生子 Agent

3. 专家路由模式

这个是我实际工作中在用的模式，并且还用得挺深的

专家路由关注的是 把任务交给谁，系统会根据任务类型，把请求分发给不同角色的 Agent。 例如:

 搜索专家
 代码专家
 安全专家
 文案专家

这些 Agent 的差异包括提示词、工具集、权限范围、上下文输入和输出格式。

专家路由常见于工具能力差异明显的系统，例如搜索类 Agent 需要检索工具和引用整理能力；代码类 Agent 需要文件读取、编辑和测试能力；安全类 Agent 需要更严格的只读权限和检查规则。

工程实现时，路由层通常要处理：

根据任务意图选择 Agent 类型。
根据权限策略裁剪工具集。
根据任务类型准备上下文。
根据角色要求检查输出是否合格。

这种模式的好处是职责边界清晰，缺点是路由规则需要维护。如果任务被路由到错误角色，后续执行质量会明显下降。

4. 生成-审查模式

一个 Agent 先产出结果，另一个 Agent 负责审查、校验和找问题，再由主 Agent 或原 Agent 修订。

这种模式常用于代码审查、推理校验和事实核对，主要是提高结果可靠性。

- 生成 Agent 输出初版结果。
- 审查 Agent 根据明确标准检查问题。
- 主 Agent 判断哪些问题需要采纳。
- 原 Agent 或主 Agent 根据审查结果修订。

这个模式对审查标准要求很高，审查 Agent 应该输出可定位的问题、原因和修改建议。代码任务里通常要包含文件位置、风险级别和复现方式，事实核对任务里通常要包含证据来源和不确定性说明。

生成-审查模式也可以和调度-执行模式组合：一个子 Agent 负责实现，另一个子 Agent 负责审查，父 Agent 负责决定最终合并方案。

5. Ensemble / Mixture-of-Agents 模式

这一类系统会并行运行多个模型或多个推理分支：

多个参考模型并行生成答案
再由一个聚合器做综合

它和前面几种模式的区别在于：这里的多个分支不一定是带工具的完整 Agent，也可以是多个模型调用或多个独立推理路径。系统关注的是候选结果的多样性，以及聚合器能否从多个候选中提取稳定结论。

多个参考模型或参考 Agent 并行生成候选答案。
系统过滤失败结果或低质量结果。
聚合模型读取候选答案，生成最终综合结果。

这个模式适合开放式问答、方案生成、写作改写、复杂推理等任务。它的优势是可以减少单一路径带来的偏差，成本是延迟和 token 消耗更高。

工程实现时，关键点在于聚合器设计，聚合器不能简单投票，而要能识别候选结果中的共同结论、冲突点和证据强弱。

OpenClaw 的多 Agent 架构

OpenClaw是基于会话系统实现多 Agent 架构，要理解OpenClaw 的多 Agent，可以先看一个问题：父 Agent 是怎么把任务 交给 子Agent？

OpenClaw 的答案是：先创建一个子会话，再把这个子会话纳入现有的会话、运行网关、运行时和权限策略体系。

子 Agent 不是一个临时函数调用，而是一个带会话标识、生命周期状态和工具策略的子会话。

4.1 一次子任务如何跑起来

OpenClaw运行子任务的完成链路:

1. **父 Agent 发起子会话创建请求。**

2. **系统校验运行时、深度、并发数量、沙箱策略和目标 Agent。**

3. **系统生成新的子会话标识。**

4. **系统根据父子关系计算层级、角色和控制范围。**

5. **子会话的父子关系、角色、工作目录等信息写入会话状态。**

6. **运行网关启动这个子会话。**

7. **子任务注册机制接管等待、结果捕获、事件回传和清理。**

这条链路决定了 OpenClaw 的实现边界：子 Agent 不在父 Agent 的调用栈里直接跑完，而是交给会话系统管理。

这样做有两个直接效果：

• 适合跨渠道、跨线程和持久会话场景。
• 权限控制、事件广播、线程绑定、恢复和清理都可以放在会话系统内处理。

4.2 整体架构图

4.3 处理流程图

接下来是关键设计：

统一入口负责创建子运行时

OpenClaw 把子 Agent 启动收敛到一个统一入口，这个入口不只负责 创建一个子Agent，还会同时处理多Agent 启动所需的控制项：

- 子任务使用哪种运行时
- 子任务是一次性运行，还是保留为会话
- 子 Agent 使用隔离上下文，还是继承父上下文
- 子 Agent 是否继承沙箱策略
- 子任务是否绑定到当前线程
- 子 Agent 是否覆盖模型或推理配置

这些控制项放在同一个入口里，父 Agent 就不需要分别关心会话创建、线程绑定、沙箱设置和模型配置。

父 Agent 只提交任务和运行参数，后面的运行时准备由框架接管。

角色信息会写入会话元数据

子 Agent 启动前，系统会先计算它在任务树里的位置和权限范围：

- 当前层级
- 当前角色
- 能控制哪些子任务
- 是否允许继续派生子 Agent
- 是否允许管理自己的子 Agent

OpenClaw 的默认只开放一层子 Agent，并限制单个 Agent 可创建的活跃子 Agent 数量。

默认配置只允许单层并行展开，不会直接放开多层递归委派。

角色推导规则如下：

- 第 0 层是主 Agent
- 中间层是负责继续调度的角色
- 最后一层是只执行任务的角色

然后这些能力会被写回会话状态，例如：

- 子 Agent 处在第几层
- 子 Agent 是调度角色还是执行角色
- 子 Agent 由哪个父 Agent 创建
- 子 Agent 对应的工作目录

后续的工具权限、恢复逻辑和生命周期管理，依赖的都是这些结构化元数据。

这些信息 解决了系统如何识别子 Agent 身份的问题。子 Agent 的角色、深度和父子关系进入会话状态后， 其他模块才能在运行时查询它能做什么、不能做什么、完成后应该通知谁。

权限控制同时发生在提示词和运行时

提示词层面，系统会告诉子 Agent：

- 你是子 Agent，不是主 Agent
- 只完成分配给你的任务
- 是否允许继续派生子 Agent
- 不要主动轮询，等待完成事件回推

运行时层面，系统会根据角色裁剪工具。

按当前实现，所有子 Agent 都会被禁止一部分系统级能力，例如：

- 直接控制运行网关
- 查看或控制其他 Agent
- 管理定时任务
- 主动向其他会话发送消息

而执行角色还会额外禁止会话浏览和继续派生子 Agent 等能力。

因此，角色不是展示字段，它会直接改变可用工具集。

这套设计把 行为约束 和 工具约束 分开处理。

系统提示词负责告诉子 Agent 应该如何行动，工具策略负责在运行时收窄它实际能调用的工具。前者影响模型行为，后者影响系统边界。

子 Agent 结果通过事件链路回传

OpenClaw 没有把子 Agent 的完成结果建模为普通函数返回值。

子 Agent 启动后，系统会把它纳入子任务注册表。后面这套注册机制负责：

- 等待子任务完成
- 捕获最终输出
- 判断是否需要投递完成事件
- 处理嵌套子 Agent 的后代完成情况
- 必要时唤醒上层调度角色继续收敛
- 最后清理会话和附件

完成事件投递时，系统还会区分两类目标：

• 如果请求者本身也是子 Agent，就把完成事件注入父子链内部
• 如果请求者是顶层主 Agent，并且需要用户可见交付，就走用户交付链路

OpenClaw 的子 Agent 完成后，结果会通过事件投递回目标会话，而不是作为普通返回值直接交给父调用者。

Hermes Agent：多 Agent 架构

Hermes 是基于进程内委派实现多 Agent 架构，分析 Hermes 的多 Agent，需要换一个视角。

它没有围绕子会话展开，而是围绕一次任务委派展开：父 Agent 发起委派请求，当前进程里创建一组子 Agent，并行跑完后把结构化结果交回父 Agent。

5.1 一次委派任务如何执行

一次 Hermes 委派会经过这条链路：

1. **父 Agent 发起任务委派请求。**

2. **系统校验当前深度、并发上限和暂停状态。**

3. **系统把一个目标或多个子任务规范化成任务列表。**

4. **系统为每个子任务创建新的子 Agent。**

5. **子 Agent 继承父 Agent 的工具上限，再按规则裁剪权限。**

6. **多个子 Agent 通过线程池并行执行。**

7. **所有结果汇总成结构化结果数组返回给父 Agent。**

所以 Hermes 的多 Agent 更像一次进程
Hermes 会创建新的执行单元，但这个执行单元仍然是同一进程内的对象，不是独立会话。

这里的重点是执行上下文隔离，子 Agent 有自己的任务提示词、工具集、任务标识和进度回调，执行过程和父 Agent 分开；运行形态仍然是同一个 Python 进程内的对象，结果最终通过函数返回链路交回父 Agent。

权限继承

如果委派请求里要求额外工具，Hermes 会先与父 Agent 当前可用的工具做交集：

• 父 Agent 没有的工具，子 Agent 无法获得。
• 子 Agent 的权限上界由父 Agent 当前工具面决定。

然后系统还会执行一层强制裁剪，默认会剥离一些不适合下放给子 Agent 的能力，例如：

- 继续委派子任务
- 向用户追问
- 写入长期记忆
- 主动发消息
- 执行脚本代码

这样处理后，子 Agent 主要通过常规工具执行任务，不会额外嵌套脚本执行层。

这套规则保证了一个边界：子 Agent 的权限不会超过父 Agent。父 Agent 没有的工具，子 Agent 也拿不到；父 Agent 有但不适合下放的工具，也会被强制裁掉。

调度角色

Hermes 对子 Agent 定义了两种角色：

• 执行角色：只执行当前任务
• 调度角色：可以继续拆分任务

调用方传入的角色还会经过运行时校验。

系统会做一次角色降级判断：

• 当前 child depth 是否还没到深度上限
• 是否开启了继续委派能力

只有同时满足，调度角色才会保留继续委派能力；否则就自动退化成执行角色。

按当前默认配置，Hermes 也是单层并行展开。如果不显式提高最大派生深度，调度角色只是一个可选能力，默认不会形成多层递归委派。

这个设计让 Hermes 保留了递归委派能力，但默认不打开深层任务树。对于代码任务来说，这个默认值比较务实：先保证一层并行委派可控，再由配置决定是否允许更复杂的层级结构。

Hermes 以同步返回为主，不依赖事件回传

一次委派调用之后：

- 单任务：直接运行一个子 Agent
- 多任务：放进线程池并行执行
- 所有子 Agent 完成后，返回结构化结果数组

在 Hermes 里，子 Agent 的调用语义更接近同步子调用，不是异步会话加事件回传。

调用顺序如下：

- 父 Agent 发起委派
- 等待结构化结果数组返回
- 再继续后续推理

这种实现方式缩短了调用链，但更多状态管理需要在当前进程内处理。

这也是 Hermes 调用链更短的原因，OpenClaw 要把结果放进会话生命周期和完成事件投递流程；Hermes 直接等待子 Agent 返回结果数组。链路缩短后，中断、进度、文件状态这些运行期问题需要在进程内补齐。

---

然后说说 Hermes 的运行期保障：观测、中断、文件协调

Hermes 的子 Agent 都跑在当前进程内，所以运行期保障也必须在进程内完成。这里重点处理三类问题：子 Agent 现在跑到哪了，父 Agent 中断时子 Agent 怎么停，多子 Agent 同时改文件时如何避免覆盖。

记录子 Agent 运行状态

Hermes 会维护一个子 Agent 运行状态表。

它记录：

- 子 Agent 标识
- 父 Agent 标识
- 当前层级
- 任务目标
- 使用的模型
- 启动时间
- 工具调用次数
- 当前状态

配合进度回调，这些状态可以实时转发到界面或上层网关，例如：

- 子 Agent 已启动
- 子 Agent 正在调用工具
- 子 Agent 正在推进任务
- 子 Agent 已完成

这样父 Agent 和前端界面都能知道子 Agent 是否已经启动、正在调用什么工具、是否已经完成。对于并行委派来说，这个能力很重要，否则多个子 Agent 同时运行时会缺少可观测性。

中断会向子 Agent 递归传播

当父 Agent 被中断时，系统不会只停止父 Agent 自己，还会把中断继续传给正在运行的子 Agent。

父 Agent 一旦被打断：

- 当前线程会收到中断信号
- 并发工具线程会收到中断信号
- 运行中的子 Agent 也会收到中断信号

这可以避免父 Agent 已经停止、子 Agent 仍在后台继续执行。

记录文件状态，避免并发覆盖

Hermes 还实现了一套进程级文件状态登记，核心是：

- 记录每个任务读过哪些文件
- 记录某个文件最后是谁写的
- 在写之前检查当前内容是否已经过期

这套机制处理的是典型的并发写问题：子 Agent B 已经写回文件，但子 Agent A 仍然基于旧内容继续修改。

这套机制会提醒父 Agent：

- 哪些文件在它读过之后，被别的子 Agent 改了
- 需要先重新读取文件，再继续编辑

Hermes 的多 Agent 同时处理两类问题：如何并行启动子 Agent，以及并行执行后文件状态是否还能保持一致。

MoA

Hermes 里还有一个单独的 Mixture-of-Agents 工具。

它不属于层级委派，而是 MoA 结构：首先让多个参考模型并行生成各自的候选答案，然后由聚合模型读取所有这些候选答案，最后基于综合对比输出一个融合了多方优点的最终结果。

Hermes 同时支持两类多Agent：

层级式任务委派：负责任务拆分和执行
Mixture-of-Agents：负责并行候选结果加聚合综合

最后，我们简单说下两个流行 Agent 平台的差异：

结语

今天不写结语了，就说说两个架构的差异：

OpenClaw 把子 Agent 放进会话边界。

父 Agent 发起子会话创建请求后，系统创建的是一个新的子会话。这个子会话有自己的会话标识、会话状态、生命周期状态和交付上下文。后续的权限裁剪、结果回传、线程绑定、清理策略，都围绕这个子会话展开。

Hermes 把子 Agent 放进进程边界。

父 Agent 发起委派请求后，系统创建的是同一个 Python 进程里的子 Agent 对象。这个对象有自己的任务提示词、工具集、任务标识和执行状态，但它不是独立会话。子 Agent 跑完后，结果以结构化数组返回给父 Agent。

这个边界差异会继续影响结果回传方式，OpenClaw 需要子任务注册和完成事件投递，因为子 Agent 是一个被会话系统接管的运行单元，完成结果要投递回正确的目标会话。Hermes 的路径更短，父 Agent 等待委派调用返回即可拿到结构化结果。

多层委派的实现方式也不同，OpenClaw 把层级、角色和控制范围写进会话状态，再由工具策略按角色裁剪工具。Hermes 则根据当前层级、最大派生深度和开关配置，判断子 Agent 是否还能继续委派。

两者默认都没有放开深层递归委派，OpenClaw 和 Hermes 默认都是单层并行展开。这个默认值说明，两套系统都先保证一层并行可控，再通过配置决定是否允许更复杂的多层任务树。

至于优劣不好评价，因为整体多 Agent 框架还要进行迭代，现在最优范式还没出来，喜欢专家模型。

最后

2026 年一晃已经过半，AI 大模型的热潮不仅没有降温，反而持续升温！

金融行业用大模型做风控、医疗依靠 AI 解析影像，电商、制造、教育各行各业，都在把 AI 融入日常业务。曾经热闹的 “百模大战”，早就告别单纯比拼模型参数，正式进入落地应用时代。

现在企业疯狂紧缺一类人才：懂业务、懂 AI、能做出可上线项目的大模型开发工程师，岗位缺口大，薪资待遇十分可观。

风口再好，不如手握高薪 offer 实在。行情火热，普通人、程序员该怎样从零入门大模型，抓住这波机会？

今天整理好【2026 最新版】AI 大模型全套免费学习资源，覆盖零基础入门、项目实战、理论知识、大厂面试，从基础一路进阶。所有资料分类归档，没有多余杂料，无套路免费分享给想要入局 AI 赛道的程序员与零基础小白！

👇👇扫码免费领取全部内容👇👇

1、大模型系统化完整学习路线

2、大模型经典书籍&文档

3、AI 大模型最新行业研究报告

4、企业级实战项目 + 完整配套源码

5、大厂大模型面试真题汇总

6、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】