核心用法
agent-team 是一套基于 OpenClaw 生态的多 Agent 团队管理系统，允许用户创建、管理和调用具有独立"灵魂"（SOUL.md 身份定义）的子 Agent。系统通过 CLI 命令实现 Agent 生命周期管理：
- 基础管理：
list/show查看团队配置，spawn/chat启动任务或对话 - 内置团队：5 个预置角色覆盖代码（coder）、写作（writer）、数据分析（analyst）、调研（researcher）、审查（reviewer）全链路
- 自定义扩展：通过 SOUL.md 定义人格特质，config.json 配置专属模型（支持 Qwen3/Gemini 多厂商）
- 协作模式：支持并行多 Agent 并发执行与链式依赖调用（Coder→Reviewer→Writer）
显著优点
1. 专业分工：每个 Agent 绑定特定模型（如 qwen3-coder-next 专攻代码），避免通用模型的能力稀释
2. 角色一致性：SOUL.md 机制确保长会话中人格、沟通风格稳定，适合创意写作等需要"人设"的场景
3. 架构灵活：文件驱动配置（~/.openclaw/workspace/agents/），无需重启即可热加载新 Agent
4. 生态整合：深度集成 OpenClaw 网关，自动处理模型路由与 API Key 管理
潜在缺点与局限性
- 配置门槛：需手动编写 SOUL.md 和 JSON 配置，对非技术用户不够友好
- 状态隔离：spawn 任务为独立会话，Agent 间无内置记忆共享，复杂协作需用户手动编排结果传递
- 模型依赖：部分专业模型（如 gemini-3.1-pro）需独立申请权限，国内用户可能受网络限制
- 调试困难：并行执行时的日志聚合与错误定位未在文档中体现
适合人群
- 技术团队：需将 AI 编码助手、技术文档写作、Code Review 纳入标准化工具链的开发者
- 内容创作者：希望构建"编辑+研究员+写手"虚拟工作室的自媒体运营者
- AI 工作流设计者：探索 Multi-Agent 架构的 prompt engineer 与自动化工程师
常规风险
1. 提示注入：SOUL.md 中的身份定义可能被用户输入覆盖，需严格限制 system 层权限
2. 成本失控：并行调用多个 Pro 级模型（qwen3-max/gemini-3.1-pro）易产生高额 token 消耗
3. 数据泄露：Agent 工作目录下的 SOUL.md 可能包含敏感业务描述，需确保 ~/.openclaw/workspace/ 访问控制
4. 模型漂移：fallback 模型与主模型能力差异可能导致输出质量断崖式下降