今天通过一个实际案例来分享一些使用OpenClaw🦞进行vibe coding的经验和血泪教训
一、龙虾🦞星图
OpenClaw更新速度极快，但Release Note是纯文字（扁平的）：
但我希望能一眼看清这次更新的feature究竟主要是哪些模块的，因此今天vibe了一个小项目：将OpenClaw的各版本更新内容（Release Note）制作成了星图：
星图提供四种筛选器：
1. 版本号 2. 模块名 3. 关键词 4. feature更新类型
点击星图中特定的节点或‘模块’（例如Gateway、CLI)可以在右侧边栏看到详细信息。
此外，还调用了OpenClaw自带的cron job定时爬取openclaw仓库来保证网站up to date。
如果在All versions下选中了某个模块，其实还是挺“蔚为壮观”的~
对OpenClaw功能更新有兴趣的同学也可以去瞅瞅：
https://tclaw.aigc.green/graph.html
这个网站是我第一次“真·100%口喷”OpenClaw实现的（之前多少还采用了Codex/Claude Code辅助），过程中趟了不少坑，特将经验总结如下：
二、经验教训
1.sessions_spawn模式
在很多时候，OpenClaw的main Agent总是不记得采用sub-agent模式来工作，main Agent自己在同一个session中既要工作又要跟我们互动，一个活儿干的稀碎。
如果想保持一个session只负责沟通，一个session去执行任务，就需要采用sessions_spawn模式；启动sub-agent模式最好是显式跟main Agent讲：
请采用sessions_spawn模式启动sub-agent来完成xxx任务
如果你要指定特定的agent来完成该任务，则应该显式提醒main Agent：
请采用sessions_spawn模式启动
agent-yyy来完成xxx任务
如果你的OpenClaw中只有main Agent自己一个，那么sessions_spawn就只是main Agent自己的“影分身”，它的SOUL.md、IDENITY.md等配置文件都是通用的，并没有为特定任务进行“特化”（塞太多特化prompt到同一个md文件中也不是明智之举），这就导致main Agent大概率是干啥都半吊子，所谓“一瓶不满半瓶咣当”😂，那么，如何拥有100多个专家化Agents？↓↓
2. 如何拥有100多个🦞专家Agents
市面上有一些不错的开源Agents模板，我选的是Agency-agents： https://github.com/msitarzewski/agency-agents
又是一个Github上星数快速暴涨的项目（不到一个月暴涨4万星）
目前Agency-agents项目已经创建出来130多个专家Agents。
以下是The Agency包含的所有Agent模板，按部门分类：
🏗️ Engineering（工程部）- 23个
🎨 Design（设计部）- 8个
📈 Marketing（营销部）- 26个
💼 Sales（销售部）- 8个
💰 Paid Media（付费媒体部）- 7个
📦 Product（产品部）- 4个
📋 Project Management（项目管理部）- 6个
🧪 Testing（测试部）- 8个
🎧 Support（客服部）- 6个
🥽 Spatial Computing（空间计算部）- 6个
🎯 Specialized（专项服务部）- 20+个
🎮 Game Development（游戏开发部）- 8个
如果想安装这100多个Agents，可以在企微中跟openclaw的main Agent这么说：
请阅读并理解该Github仓库:
https://github.com/msitarzewski/agency-agents
然后将里面的全部agents安装为你(openclaw) 的sub-agents；并在未来的工作中尽量使用sessions_spawn方式来调用其中合适的sub-agents来执行任务，而你作为Orchestrator负责任务的指挥和调度。
几分钟后，main Agents会告诉你安装完成，之后就可以采用sessions_spawn（sub-agents）模式来工作了~
3. 上下文窗口（context）问题
如果企微里的🦞突然不回消息了，可以到终端（Terminal）用openclaw status 查看，大概率是上下文窗口快满了，
此外：
• 在企微中使用 /compact会报错：
• WebUI下的context compacting也有bug，会一直卡在这个界面↓
这种情况只能手动openclaw tui进入openclaw的TUI界面，手动执行/compact压缩上下文窗口
这个过程会长达几分钟…有时也会报错，但尝试了几次之后终于把context给压下去了… （其实到最后也没真的搞清楚究竟是哪边的/compact指令最终生效了…晕😓）
4. 模型能力问题
这个网站在第一次成功展示出星图之前，我把国内大模型试了一遍，效果一言难尽。
其实，如果使用coding agent，比如Claude Code/OpenCode/KIMI Code/Trae/CodeBuddy等，国内大模型实现这个效果是没有问题；那么问题就只能是这些大模型驱动OpenClaw的效能本身出现了问题，尤其是在sub-agents模式下；sub-agents模式需要main Agents对于其他Agents有非常精准高效的管理能力。
直到，切换到了GPT-5.4。一切突然变无比丝滑顺畅……… 难怪说GPT-5.4是“OpenClaw天选大模型”，诚不我欺，这次是真切的体会到了。
国内的大模型团队们，还要加油继续追啊~
5. 关于开发环境的选择
我使用的腾讯云轻量应用服务器的🦞版，在昨天的文章中提供过详细的保姆教程了，此处不再赘述。（保姆教程：如何基于腾讯云部署企业微信版OpenClaw+🦞驱动腾讯文档）
采用云服务器的好处是，你可以配置DNS指向该服务器的地址；然后，你在企微/飞书上跟OpenClaw动动嘴，就能上线一个网站，这种爽感是无与伦比的😊 ~
写在最后
由于OpenClaw的内核是一个轻量级的Pi Agent，并不具有Claude Code/Codex这种coding agent所特化的编程能力，对于复杂的coding任务，OpenClaw并不适合。这就是所谓的Harness Engineering的差异。对于复杂的coding任务，还是交给刚才提到的几个coding Agent比较适合，OpenClaw则适合轻量级的任务（简单前端网站、文件文档、邮件、任务管理等）。当然，Agent一日千里，以上仅是截止今天的临时性结论。
