Claude Code Agent Teams 完全指南 — 从 OpenClaw 团队搭建到实战运营

Claude Code Agent Teams 完全指南 — 从 OpenClaw 团队搭建到实战运营

基于在 OpenClaw 环境中启用 Claude Code Agent Teams、组建 5 个专业团队并实际运营的经验,编写的实战指南。

什么是 Agent Teams

2026 年 2 月 5 日,Anthropic 发布了 Claude Code 的全新实验性功能 Agent Teams。与此前只能在单一会话内返回结果的子代理(subagent)不同,Agent Teams 由多个完全独立的 Claude Code 实例组成,它们能够直接相互通信、协同工作

核心区别如下:

维度子代理Agent Teams
上下文在主会话内部各自拥有独立的上下文窗口
通信仅向主代理返回结果队友之间直接收发消息
协调主代理统一管理通过共享任务列表自主协调
Token 成本相对较低随队友数量线性增长

发布当天,我决定在 OpenClaw 环境中立即测试这一功能。本文记录了从环境搭建到实际运营的完整过程。

前置准备 — OpenClaw dev 构建

使用 Agent Teams 需要最新版 Claude Code。当时 OpenClaw stable 频道存在 cron 任务的 bug,正好需要切换到 dev 频道。(相关文章

启用 pnpm

corepack enable pnpm

切换 dev 频道并源码构建

export OPENCLAW_GIT_DIR=~/openclaw
openclaw update --channel dev

如果自动更新失败,手动构建:

cd ~/openclaw
pnpm install && pnpm build && npm install -g .

重启网关

openclaw gateway restart

完成后即可使用 dev 频道的 v2026.2.4 版本,其中包含支持 Agent Teams 的 Claude Code。

启用 Agent Teams

Agent Teams 默认处于禁用状态。有两种启用方式:

方式一:直接设置环境变量

export CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1

方式二:在 settings.json 中持久化

~/.claude/settings.json

{
  "env": {
    "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1"
  }
}

在 OpenClaw LaunchAgent 中配置

如果你通过 macOS LaunchAgent 运行 OpenClaw,需要在 plist 文件的 EnvironmentVariables 中添加该变量,确保网关重启后依然生效:

<key>EnvironmentVariables</key>
<dict>
    <key>CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS</key>
    <string>1</string>
</dict>

我选择了 settings.json 方案。环境变量会随会话消失,而 settings.json 在每次 Claude Code 启动时自动加载。

配置 teammateMode

Agent Teams 支持三种显示模式:

  • in-process:所有队友在主终端内运行,用 Shift+↑/↓ 选择队友。
  • tmux:每个队友在独立的 tmux 分屏窗格中运行,一屏总览所有输出。
  • iTerm2:使用 iTerm2 时自动分屏。

默认为 auto——在 tmux 会话内自动使用分屏,否则使用 in-process。

我显式设置了 tmux 模式

{
  "teammateMode": "tmux"
}

理由很简单:同时运营 5 个团队时,必须在同一屏幕上实时看到每个队友的工作状态,才能快速发现瓶颈。

如果尚未安装 tmux:

brew install tmux

团队设计 — 5 个专业团队

以下是本次组建的 5 个团队及其设计思路。

1. ops(运维)

负责基础设施检查、网关状态监控、cron 任务验证。dev 频道切换后这个团队尤为重要。

2. branding(品牌)

负责博客撰写、封面图生成、多语言内容管理。该团队同时以 4 种语言(中/韩/日/英)生产技术内容。

3. invest(投资)

并行处理市场分析、投资组合审查和风险评估。

4. dev(开发)

负责代码审查、重构、测试编写和功能开发。关键在于明确划分每个队友的模块职责,避免文件冲突。

5. social(社交)

负责社交媒体文案起草、趋势分析和社区监控。

团队构建提示词示例:

创建 5 个代理团队:
- ops:基础设施运维与监控
- branding:内容生产与多语言管理
- invest:市场分析与投资研究
- dev:代码编写与审查
- social:社交媒体与社区管理
每个团队分配 2 名成员,使用 Sonnet 模型。

任务列表与依赖管理

Agent Teams 的核心机制之一是共享任务列表。团队主管创建任务,队友自主认领(claim)并执行。

任务状态

  • pending:等待认领
  • in progress:执行中
  • completed:已完成

依赖关系

设置任务间的依赖关系后,前置任务未完成时,后续任务无法被认领。

实际示例:

任务列表:
1. [ops] 网关健康检查
2. [ops] cron 任务验证(→ 依赖 #1)
3. [branding] 博客初稿撰写
4. [branding] 封面图生成
5. [branding] 多语言翻译(→ 依赖 #3)
6. [dev] 推荐系统重构
7. [dev] 测试编写(→ 依赖 #6)

任务认领通过文件锁机制防止竞争条件,多个队友同时尝试认领同一任务也不会冲突。

实战运营

Delegate 模式

默认情况下团队主管也可以直接执行任务,但启用 Delegate 模式后,主管只负责协调:

  • 创建/关闭队友
  • 转发消息
  • 管理任务

启用方式:Shift+Tab

运营大规模团队时强烈建议使用 Delegate 模式。主管一旦开始写代码,协调就会出现空档。

直接与队友对话

可以绕过主管,直接向某个队友发送指令:

  • in-processShift+↑/↓ 选择队友后输入消息
  • tmux:点击对应窗格直接交互

计划审批

对于关键任务,可以要求队友先制定计划,经主管审批后再执行:

为认证模块重构创建一个 architect 队友。
要求在执行变更前必须通过计划审批。

主管审核后批准或附带反馈驳回。

OpenClaw × Agent Teams — 协同效应

有趣的是,OpenClaw 自身的多代理能力与 Agent Teams 运行在不同层级

OpenClaw 多代理

  • 频道层级(Telegram、Discord 等)管理代理
  • 每个代理拥有独立的人设和配置
  • 支持 cron 任务、心跳等自动化调度

Claude Code Agent Teams

  • 会话层级实现多个 Claude Code 实例的协作
  • 共享任务列表和消息系统
  • 专为代码工作优化的并行处理

将两个层级组合:

OpenClaw 代理(频道层级)
  └─ Claude Code 会话
       └─ Agent Team(会话层级)
            ├─ 队友 A (ops)
            ├─ 队友 B (branding)
            └─ 队友 C (dev)

实现路径:OpenClaw 主代理接收 Telegram 消息,生成子代理,子代理组建 Agent Team 并行处理复杂任务,最终将结果通过 Telegram 返回。

最佳实践

1. 防止文件冲突

最大的坑是多个队友同时修改同一文件

  • 明确划分每个队友的目录/文件职责
  • 通过任务依赖确保共享文件只有一个写入者
  • .claude/teams/ 目录中查看团队配置

2. 上下文传递

队友会自动加载 CLAUDE.md、MCP 服务器和技能,但不会继承主管的对话历史。因此:

  • 在 spawn 提示中包含充足的上下文
  • 明确指定相关文件路径
  • 必要时在 CLAUDE.md 中添加团队公共信息

3. Token 管理

每个队友使用独立的上下文窗口,Token 消耗会急剧增加。

  • 简单任务用子代理就够了
  • Agent Teams 应聚焦于讨论、审查和并行探索
  • 广播消息的成本与团队规模成正比 → 尽量少用

4. 权限管理

队友继承主管的权限设置。如果主管使用 --dangerously-skip-permissions 启动,所有队友同样拥有完全权限。务必谨慎。

局限与注意事项

  1. 实验性功能:环境变量名中的 EXPERIMENTAL 说明一切。API 随时可能变更。

  2. Token 成本:5 人团队意味着至少 5 倍的 Token 消耗。需要评估投入产出比。

  3. 调试困难:多个队友同时工作时,问题定位变得复杂。

  4. 顺序任务效率低:依赖关系密集的工作最终还是串行执行,没必要动用团队。

  5. 同文件编辑风险:目前不支持文件级锁定,只能通过任务设计来规避。

  6. tmux 几乎是必需的:用 in-process 模式监控 5 个团队非常吃力,tmux 才是正解。

总结

Agent Teams 虽然还在实验阶段,但潜力已经显而易见。与 OpenClaw 的多代理架构结合后,能实现频道层级自动化 + 会话层级并行协作的双层体系。

但现阶段将 Agent Teams 应用于所有任务并不划算。应聚焦于并行探索、代码审查、竞争假设验证等场景——独立工作居多、队友间讨论能创造实际价值的场景。

环境搭建 30 分钟就能搞定。真正的难点在于如何划分团队、如何拆解任务这个设计问题。这种直觉,只能在实践中打磨。

阅读其他语言版本

这篇文章有帮助吗?

您的支持能帮助我创作更好的内容。请我喝杯咖啡吧!☕

关于作者

JK

Kim Jangwook

AI/LLM专业全栈开发者

凭借10年以上的Web开发经验,构建AI代理系统、LLM应用程序和自动化解决方案。分享Claude Code、MCP和RAG系统的实践经验。