👨‍⚕️主页： gis分享者👨‍⚕️感谢各位大佬 点赞👍 收藏⭐ 留言📝 加关注✅!👨‍⚕️收录于专栏：AI大模型原理和应用面试题文章目录一、🍀回答重点二、🍀扩展知识2.1 ☘️子 Agent 的两种运行模式2.2 ☘️Orchestrator 编排模式2.3 ☘️子 Agent 管理命令2.4 ☘️与其他多 Agent 框架的对比三、🍀追问一、🍀回答重点多 Agent 协作的核心判断标准是：单个 Agent 搞不定的时候（不是废话）。就像一个人干不完的活，你需要组一个团队分工协作。具体来看，有三种典型场景：1）任务天然可以拆成并行的独立子任务。比如你要做一次竞品分析，需要同时去搜 Google、GitHub、Twitter 三个信息源，一个 Agent 一个个串行去搜太慢了，开三个 Agent 并行抓取，效率直接翻倍。2）不同子任务需要不同的模型、工具、权限配置。比如一个子任务需要调 GPT-4o 做推理，另一个需要用 Claude 写代码，还有一个只需要调搜索 API。单个 Agent 想同时搞定这些配置差异很大的任务，prompt 会变得又臭又长，不如拆开各管各的。3）单个 Agent 的 context window 装不下所有信息。一个 128K 上下文的模型，如果你往里面塞 10 份文档让它做综合分析，context 早就爆了。用多 Agent 做分治，每个 Agent 只处理一部分数据，最后汇总结果，才是高效做法。OpenClaw 的子 Agent 支持可以用"派活 → 干活 → 交差"三步来理解：第一步：派活（创建子 Agent）。父 Agent 通过 sessions_spawn（创建/派生）工具发起创建，就像经理在项目管理工具里给下属建了一张任务卡。系统会给子 Agent 分配一个独立的 sessi