Agent Hub：给你的 OpenClaw 装一个多模型军团

一句话：一条命令注册一个专家 agent，图片分析、写代码、翻译，各找各的专业户。

起因

  1. ​主模型什么都干，但可能什么都干不精​——分析图片不如其他模型，写代码不如专门负责coding的模型。
  2. ​OpenClaw 的 agent 是独立的​——没有内置机制让 main agent 把任务派给其他 agent。

于是有了 Agent Hub。

它是什么

Agent Hub 是一个​主从式多 agent 调度系统​。用户和 main agent 交互，由 main agent 通过 Skill 机制调用 hub.py，把任务分发给专业 agent。

agent-hub/
├── hub.py              # 核心：CLI 封装 + 媒体预处理
├── agent-lists.json    # 配置：你的 agent 清单
├── add_agent.sh        # 一键注册新 agent
├── remove_agent.sh     # 一键移除 agent
├── silk2wav.js         # 语音格式转换（QQ 语音适配）
├── voice_analyze.sh    # 语音分析流水线
└── requirements.md     # 依赖清单

设计哲学：不造轮子，封装 openclaw agent CLI。认证、工具权限、会话管理，全由 OpenClaw Gateway 兜底；hub.py 只负责本地预处理（URL 下载、媒体格式包装、QQ 标签生成）。

架构一眼看懂

用户与 main agent 对话
     │
     ▼
main agent 判别意图，根据 SKILL.md 选择调用 hub.py
     │
     ▼
  hub.py <agent-id> "<task>" [-i img.jpg ...]
     │
     ├─ 读取 agent-lists.json
     │      │
     │      ▼
     │   找到对应 agent + model
     │
     ├─ 下载 URL 资源到本地（如果是 HTTP 链接）
     │
     ├─ 包装成 [media attached: ...] 格式
     │
     ▼
 openclaw agent --agent <id>
     │
     ▼
 OpenClaw Gateway
     │
     ├─► omni-agent (healer-alpha)  → 图片/视频/音频
     ├─► coder-agent (qwen3-coder)  → 代码生成
     └─► translator-agent (step-3.5) → 翻译润色
     │
     ▼
  返回结果 → hub.py 包装 → main agent 汇总 → 用户

​关键点​：

  • main agent 通过 SKILL.md 学习​如何调用 hub.py（参数格式、capabilities 匹配）
  • ​hub.py 不直接调 API​，只封装 openclaw agent CLI，继承 Gateway 的权限体系

快速部署（5 分钟上手）

前置条件

  • OpenClaw >= 2026.3.8（支持 --json 输出和 agents.list 配置）
  • 至少配置了一个 OpenRouter API key（或其他 provider）
  • Python 3 + Node.js
  • silk-wasm 模块（用于 QQ 语音转换，路径：~/.openclaw/extensions/qqbot/node_modules/silk-wasm）

⚠️ 注意：如果你需要语音分析功能，必须先安装 qqbot 插件，因为 silk2wav.js 硬编码了依赖路径。

Step 1：拷贝文件

cp -r agent-hub/ ~/.openclaw/workspace/agent-hub/
cd ~/.openclaw/workspace/agent-hub/

Step 2：配置你的 Agent 清单

编辑 agent-lists.json：

{
  "agents": {
    "omni-agent": {
      "model": "openrouter/healer-alpha",
      "description": "全模态：图片/视频/音频分析",
      "emoji": "👁️",
      "capabilities": ["image", "video", "audio", "vision", "multimodal"]
    },
    "coder-agent": {
      "model": "openrouter/qwen/qwen3-coder:free",
      "description": "代码生成/调试/优化",
      "emoji": "💻",
      "capabilities": ["code", "debug", "refactor"]
    },
    "translator-agent": {
      "model": "openrouter/stepfun/step-3.5-flash:free",
      "description": "多语言翻译/文本润色",
      "emoji": "🌐",
      "capabilities": ["translate", "polish"]
    }
  }
}

capabilities 目前用于文档化和列表展示，手动指定 agent 是必须的：

# 正确：明确指定用哪个 agent
python3 hub.py coder-agent "写个快速排序"

# 错误：没有自动路由，不能只说"写代码"让系统自己选

Step 3：注册 Agent 到 OpenClaw

一条命令完成注册：

bash add_agent.sh omni-agent "openrouter/healer-alpha" \
  "全模态分析" "你是视觉分析专家，擅长描述图像、视频和音频内容。"

bash add_agent.sh coder-agent "openrouter/qwen/qwen3-coder:free" \
  "代码专家" "你是编程专家，写出简洁高效的代码，附带必要的注释。"

bash add_agent.sh translator-agent "openrouter/stepfun/step-3.5-flash:free" \
  "翻译专家" "你是多语言翻译专家，保留原文风格和语气。"

add_agent.sh 自动执行 8 步：

  1. 备份 openclaw.json
  2. 添加 agent 到 openclaw.json 的 agents.list
  3. 创建 agent 目录 + config.json
  4. 创建 workspace + SOUL.md
  5. 更新 agent-lists.json
  6. 重新生成 SKILL.md（OpenClaw 技能注册）
  7. openclaw doctor 验证配置
  8. 重启 Gateway + 自动测试

Step 4：验证

# 查看注册的 agent
python3 hub.py list

# 测试图片分析（自动下载 URL）
python3 hub.py omni-agent "描述内容" -i https://example.com/photo.jpg

# 测试代码生成（JSON 输出）
python3 hub.py coder-agent "用 Python 写个 Hello World" --json

你可以自定义什么

1. 换模型

# 换成 deepseek-coder
bash add_agent.sh coder-agent "openrouter/deepseek/deepseek-coder" \
  "代码专家" "你是编程专家。"

# 用付费模型做深度推理
bash add_agent.sh brain-agent "openrouter/anthropic/claude-3-opus" \
  "深度推理" "你是推理专家，擅长复杂问题分析。"

2. 加能力标记（供扩展使用）

capabilities 字段目前用于文档，你可以加自定义标记，后续在 hub.py 中实现自动路由：

"capabilities": ["math", "statistics", "latex", "long-context"]

3. QQ 富媒体输出

加 --qq 参数，输出带 <qqimg> / <qqvoice> / <qqvideo> 标签，直接发给 QQ 机器人：

python3 hub.py omni-agent "描述这张图" -i photo.jpg --qq

4. 自定义 System Prompt

add_agent.sh 的最后一个参数就是 system prompt，直接写：

bash add_agent.sh poet-agent "openrouter/anthropic/claude-3-opus" \
  "诗人" "你是一位现代诗人，擅长用简洁的语言表达深刻的情感。回复控制在 4 行以内。"

5. 多模态组合

支持任意组合：

# 图片 + 视频对比
python3 hub.py omni-agent "对比这两张图和这段视频" -i a.jpg -i b.jpg -v clip.mp4

# 纯音频分析（注意：healer-alpha 分析声音特征，不做语音转文字）
python3 hub.py omni-agent "这段录音的背景噪音是什么类型" -a recording.wav

踩坑实录

坑 1：免费模型限流

OpenRouter 的 :free 模型限流约 8 次/分钟。如果同时触发多个 agent，会撞 429。

应对：关键任务用付费模型，或加 sleep 8 间隔。

坑 2：healer-alpha 的 audio 不是语音转录

它能分析声音特征（频率分布、振幅变化、噪音类型），但不能输出文字 transcript。要语音转文字，需要额外装 whisper：

pip3 install faster-whisper
# 然后自己封装一个 whisper-agent

坑 3：视频分析超时

大视频文件可能超过默认 120 秒超时。建议先用 ffmpeg 裁剪：

ffmpeg -i big_video.mp4 -t 10 -c copy short_clip.mp4
python3 hub.py omni-agent "描述这段视频" -v short_clip.mp4 -t 300

坑 4：silk-wasm 路径硬编码

如果 silk2wav.js 报错 Cannot find module 'silk-wasm'，检查：

ls ~/.openclaw/extensions/qqbot/node_modules/silk-wasm
# 不存在的话，先装 qqbot 插件或手动 npm install silk-wasm 到该路径

扩展思路

基于现有代码结构，这几个扩展比较自然：

扩展 切入点 实现提示
自动路由 hub.py 开头加意图分类 用关键词匹配或轻量模型判断该调哪个 agent
结果缓存 call_agent() 前 对 (agent_id, task, media_paths) 做 hash，缓存到 ~/.openclaw/hub/cache/
媒体缓存 prepare_media() 内 按 URL MD5 存下载文件，避免重复下载
批量处理 新加 batch.py 遍历文件夹，逐个调 hub.py，结果写 CSV/JSONL
Web API 用 FastAPI 包装 暴露 /agent/{agent_id} endpoint，接收 multipart/form-data

总结

Agent Hub 解决的问题很简单：不要让一个模型干所有事。

专业的事交给专业的模型，hub.py 做预处理和封装，OpenClaw 做底层调度。三件套组合起来，5 分钟部署，一条命令加 agent。

去试试吧。

项目位置: Agent Hub
依赖: OpenClaw >= 2026.3.8 + Python 3 + Node.js + silk-wasm（qqbot 插件）

# 人工智能 # 运维开发 # 自动化 # 云计算
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

315晚会曝光“AI大模型被投毒”，让AI听话，GEO是什么，带给我们什么思考

avatar AtomGit开源社区
cover

Thinkphp和Laravel框架都支持心血管疾病风险预测小程序设计与实现-

avatar AtomGit开源社区
cover

Vibe Coding 实践指南：用 AI 从 Idea 到 App

avatar AtomGit开源社区