有道龙虾又进化了，多Agent很酷

Agent圈现在很热闹，从OpenClaw火到了Hermes爱马仕，新范式仍在建立中。

之前介绍过网易有道的国产方案，LobsterAI有道龙虾，国内第一个100%代码全开源的AI Agent产品。

体验上，很完整，很丝滑，从MCP到Skills、Memory，效果的处理都不错。

官网：https://lobsterai.youdao.com/

让我感到有意思的，是最新版本里，有道龙虾内核对多Agent架构的处理方式。

它对持久Agent和子Agent的区分非常清晰。

持久Agent是多套长期存在、彼此隔离的脑子，各有各的工作空间、身份配置和会话历史；

子Agent则是当前任务临时派出去的worker，做完把结果汇报回来就归档了。

群聊协同、长期分工协作必须用持久Agent，比如你给工作Agent配一个独立账号处理工作消息，给生活Agent配另一个账号处理私人消息，它们互不干扰，各管一摊；

临时补充任务用子Agent，比如主Agent在处理复杂需求时，再临时派一个子Agent去查资料或跑检查。

之前玩OpenClaw遇到的成本高、响应慢、记忆连续性差等问题，在有道龙虾上，因为对Agent的处理，有了很好的控制。

拿Subagent、Multi-agent，去分类管理任务，更有团队协作的感觉了。

01多Agent组合，帮我分析公众号

先说说Multi-agent怎么用。

在My Agents中，创建New Agent。

可以根据自己的诉求，选择头像、基本信息等等，通过Prompt和Identity的描述，来形成稳定的Agent类型。

也可以加上需要的Skills，和常用的社交软件相绑定。

我先是给自己创建了一个分身。

希望分身可以承担起帮我完成日常工作的任务。

我公众号做了快三年，新年想做点增长规划。

最近90天的数据——11条视频的播放、点赞、涨粉逐条数据，加上每天的粉丝变化时间序列，两份CSV摆在那，问题很简单：从15万涨到100万粉，我的内容策略到底哪里有问题？

这个问题我想了很久，但一直懒得认真算。拉公式、做交叉分析、写结论，这套流程太磨人了。

正好拿LobsterAI试试。

操作很直观。对话框下面有按钮，挂上两份CSV，选一个专门做数据分析的Skill。

LobsterAI读完数据后，没有直接给我一段分析文字。

它启动了一个多专家深度分析工作流，同时开了四个并行的分析Agent，各自从不同角度切入同一份数据。

一个负责流量趋势分析，一个负责用户画像推断，一个做内容维度拆解，还有一个做竞品对比。它们同时在后台跑，互不干扰，跑完之后把各自的分析结果汇总回来。

这就是子Agent的典型应用场景：适合调研、慢工具调用、批量检查、并行处理。

我在对话里不用等，它自己把活拆开、分出去、收回来、拼好，然后告诉我结论。一套在后台完成，完全不阻塞当前的对话流程。

大概三四分钟后，LobsterAI给了我一整套策略建议：

我的粉丝增长曲线存在明显的波峰波谷周期，数据好的视频主要集中在三个选题方向上，而那几个播放量低的视频问题不在内容质量本身，而在封面和标题的转化率上。

它甚至建议我把每周的发片时间从周三调整到周五晚，因为数据显示那个时间段粉丝的互动意愿更高。

说实话，这些结论我自己其实隐约有感觉，但从来没有这么系统地被摊在面前过。

一个AI能把我脑子里模糊的直觉转化成结构化的数据结论，这种体验非常微妙。

02微信文件夹的考古清理

之前用下来跑得挺顺，我决定给Agents上点强度。

我选了一个所有职场人都头痛过的顽疾：微信PC端的文件夹整理。

众所周知，微信PC端的文件目录不仅深得像迷宫，而且你每次转发同一个文件，它都会在本地悄悄生成一个新副本，常年累月下来，几百G的硬盘空间就这么被吃掉了。

我的微信文件夹已经膨胀到187G，找了半天都不知道是什么在占空间。

我把路径丢给LobsterAI，下指令：帮我整理这个路径下的文件，把完全相同的重复文件标出来。

配置的时候有个细节值得一提。

LobsterAI默认优先使用沙箱隔离环境来保证安全，只有在你明确授权之后才会触及本地硬盘。我在设置里把执行模式从自动切换为本地运行，这才给了它访问本机资源的权限。

这个设计我觉得挺克制的，不像有些AI工具上来就要你给全部权限，它的默认行为是沙盒执行，只在指定文件夹里操作，动不了系统的其他文件。

而且针对涉及交易或密码等敏感操作，系统还有主动预警拦截机制。

LobsterAI扫描了十几分钟，把所有重复文件按照MD5值做了比对，给我生成了一个完整的重复文件清单，并列出了每个文件存在的副本数量和位置。我按照清单删了一遍，直接释放了43G空间。

我还尝试了一下整理我的桌面文件，很多文档时间久了，早就忘记存在了哪里，也有些历史文件找不到了。

让我的桌面都变得整齐干净了。

但这还不是最让我吃惊的部分。当天晚上我躺在床上刷手机的时候，突然收到飞书上一段完成的通知。

LobsterAI已经按照我设的定时任务，把当天的重复文件增量扫描又跑了一遍，还把结果自动整理成了表格发给我。

它打通了移动端和PC端，我不在电脑前也能通过手机在飞书里远程指挥它干活，真正实现了数字分身随时待命。

LobsterAI把AI直接放进了微信、钉钉、飞书、QQ这些我们每天在用的聊天工具里。

只需要在群里@它一下，说一句帮我把今天的销售数据整理成可视化周报，它就能像团队里一个随叫随到的虚拟同事，自主完成数据抓取、分析、报表制作全流程，把结果直接发回聊天框。

这种感觉不像在用AI，更像是多了一个不用睡觉的同事。

03多Agent长期分工

前两个测试用到的都是子Agent机制——临时派任务、并行执行、结果汇总。但我真正想试的是Multi-agent的长期分工协作。

我配置了两个持久Agent，一个叫工作助手，专门处理工作消息和文档任务，另一个叫生活管家，负责日程管理、信息搜集和个人事务。

两个Agent完全隔离，各自有独立的对话上下文、工作目录和身份配置。工作助手绑定了我的飞书和钉钉，生活管家绑定了微信和QQ。

我把日常的所有任务按类型分流。工作上的事情直接在工作助手的频道里说，它处理完之后数据存在自己的workspace里，跟我的个人数据完全分开。

私人的事情，比如帮我规划周末安排、整理每天的新闻简报，就交给生活管家。

运行了一个星期之后，最大的感受是两个字：清爽。

以前我在同一个对话窗口里既要聊工作又要聊生活，上下文混杂，Agent经常把两个场景的事情搞混。现在两个Agent各管一摊，互相不串门，每个Agent的记忆都保持着高度的场景纯净度。

工作助手记住了我常用的PPT模板和数据口径，生活管家知道我喜欢哪一类新闻资讯。

这其实就是AI回复的，Multi-agent解决的是隔离和路由问题，不是并行问题。

它给每个角色配了一套独立的记忆系统和工具链，就像给不同的工作场景配了不同的专属助理。

而且Muti-agent支持多频道接入，工作助手可以在飞书群里响应团队需求，生活管家单独处理个人任务，入口层面就做了分流，不用用户手动切来切去。

04为什么2026年所有人都在谈多Agent

用有道龙虾这些日子，越来越感受到，多Agent不是一个选项，是一种必然。

2026年的行业共识已经非常明确了。多智能体系统，正在决定AI应用的上限，就是Agent时代的TCP/IP。

企业竞争的焦点，正在从招多少人，转向指挥多少硅基军团，因为单智能体的天花板太明显了。

一个Agent全包所有角色的时候，系统提示词和历史会越来越臃肿，模型更容易遗忘约束、推理漂移、成本上升。

把任务拆给专业Agent，相当于把上下文按职责切片，通常更稳、更便宜。

从技术架构上看，OpenClaw采用三层解构：Tools、Agent、Channels，把调度、推理、执行分离，兼顾安全、扩展和本地隐私。

这就是它能在本地安全地干那么多活的技术底气，也是有道龙虾进一步发展完善的一个基本框架。

更有意思的是，多Agent系统还有一层认知上的价值。

不再是在跟一个AI对话，越来越像在管理一支AI团队了。

以前我问AI一个问题，它给我一个答案，这是一对一的线性交互。

现在我对着工作助手说一句帮我分析一下Q1的销售数据，它自己决定要不要派子Agent去拉数据、要不要调另一个Agent去做预测模型、要不要把结果转给第三个Agent生成PPT。

我只需要给目标，不需要告诉它怎么拆解任务。

有道龙虾在这套架构上做得很扎实。

它覆盖了基于OpenClaw打造的5000+技能，支持GitHub全量skills安装和实时更新。

除了官方商店提供的技能外，还可以从GitHub直接导入第三方技能，或者从本地装自定义技能。我把自己在Claude Code里积攒的十几个自定义Skill——数据分析、内容审校、信息搜索、配图生成。

打包导进LobsterAI，全部可用，相当于把我另一个工具上的工作流资产直接迁移过来了。

而且它对国内办公场景的适配深度、覆盖度，都很到位。

不只是接入了微信、钉钉、飞书、QQ这些主流IM，更重要的是打通了移动端和PC端的连接，用户可以通过手机远程调度本地的Agent处理紧急任务。

上线首月，LobsterAI的访问量就突破了27万次，也是唯一一个被OpenCLaw创始人单独认可的龙虾产品。

市场对好用、安全、全场景的Agent产品，有着巨大的需求，还未被满足于。

但我的判断不止于此。

2026年，也许将是「多智能体规模化部署」的真正元年。

通信协议正在标准化，MCP和A2A的成熟让Agent之间有了通用的语言；模型推理成本在持续下降，多Agent调用的token消耗不再是一个不可承受之重；

企业认知已经到位，他们开始意识到多Agent不是替代单个人，而是替代一个完整的协作链路。

有道龙虾做的多Agent系统，也是在做一个更好的协作框架。

用开源和本地优先解决安全和信任问题，用GUI降低使用门槛，用多Agent架构支撑复杂工作流。这不是一个完美的产品，但它把方向选对了。

AI的终局不是一个单独的聊天框，是真正融入工作流。

当它不再需要你主动打开、主动提问、主动等待，而是像一个靠谱的同事一样随时待命、自动干活的时候，这场技术变革才算真正落地。

关于有道龙虾和Agent，还有更多AI实操资料，关注公众号后私信“frank”可以获得福利～