Agent圈現在很熱鬧，從OpenClaw火到了Hermes愛馬仕，新范式仍在建立中。

之前介紹過網易有道的國產方案，LobsterAI有道龍蝦，國內第一個100%代碼全開源的AI Agent產品。

體驗上，很完整，很絲滑，從MCP到Skills、Memory，效果的處理都不錯。

官網：https://lobsterai.youdao.com/

讓我感到有意思的，是最新版本里，有道龍蝦內核對多Agent架構的處理方式。

它對持久Agent和子Agent的區分非常清晰。

持久Agent是多套長期存在、彼此隔離的腦子，各有各的工作空間、身份配置和會話歷史；

子Agent則是當前任務臨時派出去的worker，做完把結果匯報回來就歸檔了。

群聊協同、長期分工協作必須用持久Agent，比如你給工作Agent配一個獨立賬號處理工作消息，給生活Agent配另一個賬號處理私人消息，它們互不干擾，各管一攤；

臨時補充任務用子Agent，比如主Agent在處理復雜需求時，再臨時派一個子Agent去查資料或跑檢查。

之前玩OpenClaw遇到的成本高、響應慢、記憶連續性差等問題，在有道龍蝦上，因為對Agent的處理，有了很好的控制。

拿Subagent、Multi-agent，去分類管理任務，更有團隊協作的感覺了。

01多Agent組合，幫我分析公眾號

先說說Multi-agent怎么用。

在My Agents中，創建New Agent。

可以根據自己的訴求，選擇頭像、基本信息等等，通過Prompt和Identity的描述，來形成穩定的Agent類型。

也可以加上需要的Skills，和常用的社交軟件相綁定。

我先是給自己創建了一個分身。

希望分身可以承擔起幫我完成日常工作的任務。

我公眾號做了快三年，新年想做點增長規劃。

最近90天的數據——11條視頻的播放、點贊、漲粉逐條數據，加上每天的粉絲變化時間序列，兩份CSV擺在那，問題很簡單：從15萬漲到100萬粉，我的內容策略到底哪里有問題？

這個問題我想了很久，但一直懶得認真算。拉公式、做交叉分析、寫結論，這套流程太磨人了。

正好拿LobsterAI試試。

操作很直觀。對話框下面有按鈕，掛上兩份CSV，選一個專門做數據分析的Skill。

LobsterAI讀完數據后，沒有直接給我一段分析文字。

它啟動了一個多專家深度分析工作流，同時開了四個并行的分析Agent，各自從不同角度切入同一份數據。

一個負責流量趨勢分析，一個負責用戶畫像推斷，一個做內容維度拆解，還有一個做競品對比。它們同時在后臺跑，互不干擾，跑完之后把各自的分析結果匯總回來。

這就是子Agent的典型應用場景：適合調研、慢工具調用、批量檢查、并行處理。

我在對話里不用等，它自己把活拆開、分出去、收回來、拼好，然后告訴我結論。一套在后臺完成，完全不阻塞當前的對話流程。

大概三四分鐘后，LobsterAI給了我一整套策略建議：

我的粉絲增長曲線存在明顯的波峰波谷周期，數據好的視頻主要集中在三個選題方向上，而那幾個播放量低的視頻問題不在內容質量本身，而在封面和標題的轉化率上。

它甚至建議我把每周的發片時間從周三調整到周五晚，因為數據顯示那個時間段粉絲的互動意愿更高。

說實話，這些結論我自己其實隱約有感覺，但從來沒有這么系統地被攤在面前過。

一個AI能把我腦子里模糊的直覺轉化成結構化的數據結論，這種體驗非常微妙。

02微信文件夾的考古清理

之前用下來跑得挺順，我決定給Agents上點強度。

我選了一個所有職場人都頭痛過的頑疾：微信PC端的文件夾整理。

眾所周知，微信PC端的文件目錄不僅深得像迷宮，而且你每次轉發同一個文件，它都會在本地悄悄生成一個新副本，常年累月下來，幾百G的硬盤空間就這么被吃掉了。

我的微信文件夾已經膨脹到187G，找了半天都不知道是什么在占空間。

我把路徑丟給LobsterAI，下指令：幫我整理這個路徑下的文件，把完全相同的重復文件標出來。

配置的時候有個細節值得一提。

LobsterAI默認優先使用沙箱隔離環境來保證安全，只有在你明確授權之后才會觸及本地硬盤。我在設置里把執行模式從自動切換為本地運行，這才給了它訪問本機資源的權限。

這個設計我覺得挺克制的，不像有些AI工具上來就要你給全部權限，它的默認行為是沙盒執行，只在指定文件夾里操作，動不了系統的其他文件。

而且針對涉及交易或密碼等敏感操作，系統還有主動預警攔截機制。

LobsterAI掃描了十幾分鐘，把所有重復文件按照MD5值做了比對，給我生成了一個完整的重復文件清單，并列出了每個文件存在的副本數量和位置。我按照清單刪了一遍，直接釋放了43G空間。

我還嘗試了一下整理我的桌面文件，很多文檔時間久了，早就忘記存在了哪里，也有些歷史文件找不到了。

讓我的桌面都變得整齊干凈了。

但這還不是最讓我吃驚的部分。當天晚上我躺在床上刷手機的時候，突然收到飛書上一段完成的通知。

LobsterAI已經按照我設的定時任務，把當天的重復文件增量掃描又跑了一遍，還把結果自動整理成了表格發給我。

它打通了移動端和PC端，我不在電腦前也能通過手機在飛書里遠程指揮它干活，真正實現了數字分身隨時待命。

LobsterAI把AI直接放進了微信、釘釘、飛書、QQ這些我們每天在用的聊天工具里。

只需要在群里@它一下，說一句幫我把今天的銷售數據整理成可視化周報，它就能像團隊里一個隨叫隨到的虛擬同事，自主完成數據抓取、分析、報表制作全流程，把結果直接發回聊天框。

這種感覺不像在用AI，更像是多了一個不用睡覺的同事。

03多Agent長期分工

前兩個測試用到的都是子Agent機制——臨時派任務、并行執行、結果匯總。但我真正想試的是Multi-agent的長期分工協作。

我配置了兩個持久Agent，一個叫工作助手，專門處理工作消息和文檔任務，另一個叫生活管家，負責日程管理、信息搜集和個人事務。

兩個Agent完全隔離，各自有獨立的對話上下文、工作目錄和身份配置。工作助手綁定了我的飛書和釘釘，生活管家綁定了微信和QQ。

我把日常的所有任務按類型分流。工作上的事情直接在工作助手的頻道里說，它處理完之后數據存在自己的workspace里，跟我的個人數據完全分開。

私人的事情，比如幫我規劃周末安排、整理每天的新聞簡報，就交給生活管家。

運行了一個星期之后，最大的感受是兩個字：清爽。

以前我在同一個對話窗口里既要聊工作又要聊生活，上下文混雜，Agent經常把兩個場景的事情搞混。現在兩個Agent各管一攤，互相不串門，每個Agent的記憶都保持著高度的場景純凈度。

工作助手記住了我常用的PPT模板和數據口徑，生活管家知道我喜歡哪一類新聞資訊。

這其實就是AI回復的，Multi-agent解決的是隔離和路由問題，不是并行問題。

它給每個角色配了一套獨立的記憶系統和工具鏈，就像給不同的工作場景配了不同的專屬助理。

而且Muti-agent支持多頻道接入，工作助手可以在飛書群里響應團隊需求，生活管家單獨處理個人任務，入口層面就做了分流，不用用戶手動切來切去。

04為什么2026年所有人都在談多Agent

用有道龍蝦這些日子，越來越感受到，多Agent不是一個選項，是一種必然。

2026年的行業共識已經非常明確了。多智能體系統，正在決定AI應用的上限，就是Agent時代的TCP/IP。

企業競爭的焦點，正在從招多少人，轉向指揮多少硅基軍團，因為單智能體的天花板太明顯了。

一個Agent全包所有角色的時候，系統提示詞和歷史會越來越臃腫，模型更容易遺忘約束、推理漂移、成本上升。

把任務拆給專業Agent，相當于把上下文按職責切片，通常更穩、更便宜。

從技術架構上看，OpenClaw采用三層解構：Tools、Agent、Channels，把調度、推理、執行分離，兼顧安全、擴展和本地隱私。

這就是它能在本地安全地干那么多活的技術底氣，也是有道龍蝦進一步發展完善的一個基本框架。

更有意思的是，多Agent系統還有一層認知上的價值。

不再是在跟一個AI對話，越來越像在管理一支AI團隊了。

以前我問AI一個問題，它給我一個答案，這是一對一的線性交互。

現在我對著工作助手說一句幫我分析一下Q1的銷售數據，它自己決定要不要派子Agent去拉數據、要不要調另一個Agent去做預測模型、要不要把結果轉給第三個Agent生成PPT。

我只需要給目標，不需要告訴它怎么拆解任務。

有道龍蝦在這套架構上做得很扎實。

它覆蓋了基于OpenClaw打造的5000+技能，支持GitHub全量skills安裝和實時更新。

除了官方商店提供的技能外，還可以從GitHub直接導入第三方技能，或者從本地裝自定義技能。我把自己在Claude Code里積攢的十幾個自定義Skill——數據分析、內容審校、信息搜索、配圖生成。

打包導進LobsterAI，全部可用，相當于把我另一個工具上的工作流資產直接遷移過來了。

而且它對國內辦公場景的適配深度、覆蓋度，都很到位。

不只是接入了微信、釘釘、飛書、QQ這些主流IM，更重要的是打通了移動端和PC端的連接，用戶可以通過手機遠程調度本地的Agent處理緊急任務。

上線首月，LobsterAI的訪問量就突破了27萬次，也是唯一一個被OpenCLaw創始人單獨認可的龍蝦產品。

市場對好用、安全、全場景的Agent產品，有著巨大的需求，還未被滿足于。

但我的判斷不止于此。

2026年，也許將是「多智能體規模化部署」的真正元年。

通信協議正在標準化，MCP和A2A的成熟讓Agent之間有了通用的語言；模型推理成本在持續下降，多Agent調用的token消耗不再是一個不可承受之重；

企業認知已經到位，他們開始意識到多Agent不是替代單個人，而是替代一個完整的協作鏈路。

有道龍蝦做的多Agent系統，也是在做一個更好的協作框架。

用開源和本地優先解決安全和信任問題，用GUI降低使用門檻，用多Agent架構支撐復雜工作流。這不是一個完美的產品，但它把方向選對了。

AI的終局不是一個單獨的聊天框，是真正融入工作流。

當它不再需要你主動打開、主動提問、主動等待，而是像一個靠譜的同事一樣隨時待命、自動干活的時候，這場技術變革才算真正落地。

關于有道龍蝦和Agent，還有更多AI實操資料，關注公眾號后私信“frank"可以獲得福利～