核心用法
Agent Collaboration Framework 是 OpenClaw 多 Agent 部署场景下的协作编排系统，解决「多 Agent 如何协同工作并在单一对话返回结果」的核心问题。定义三种工作模式：
调度模式（Dispatch）：面向一次性任务，通过 sessions_spawn(mode="run") 将任务派发给目标 Agent，执行完毕后结果自动回流至发起者对话框。适用于数据查询、状态检查、脚本执行等无需追问的场景。
协同模式（Collaborate）：面向多轮复杂任务，通过 sessions_spawn(mode="session") 建立持久会话，配合 sessions_send 实现跨部门来回讨论。发起者可聚合多 Agent 的反馈后统一汇报用户，适用于税务分析、跨部门协调、需上下文的深度任务。
细聊模式（Direct Chat）：用户直接进入部门主管 Bot 对话框进行深度讨论，结果保留在该 Bot 会话中，适合反复修改、用户全程参与的场景。
框架内置组织架构定义（高阶部门含独立 Bot，低阶部门被调度）、HANDOFF 异步文件推送机制（解决会话中断场景下的任务流转），以及 scope-isolated 内存隔离。
显著优点
- 三模态覆盖全场景：从简单查询到复杂协作到深度讨论，用户可按需选择交互深度
- 结果自动聚合：协同模式下 Main Agent 可整合多部门输出，避免用户多头对话
- HANDOFF 容错机制：文件推送替代即时通信，确保任务不因会话中断而丢失
- 层级权限清晰：高阶调度低阶、高阶协同高阶，支持业务增长后的部门升级
潜在局限
- 配置复杂度高：需维护
openclaw.json的 sessions 可见性、subagents 权限、多 workspace 目录结构 - 依赖 OpenClaw 生态：非通用框架，绑定特定平台会话管理 API
- HANDOFF 无确认机制：仅靠文件删除作为接收确认，存在误删或未读风险
- Agent 间无自动协商：任务拆分与依赖管理需人工在 Prompt 中显式定义
适合人群
OpenClaw 多 Agent 部署用户、需要跨职能角色协作的自动化工作流设计者、企业级 AI 助手架构师。
常规风险
权限配置错误可能导致 Agent 越权调度；HANDOFF 文件若未清理可能导致敏感任务信息残留；协同模式下多轮上下文累积可能触发 token 超限。