
让单个 Agent 承接复杂业务时,很多人都踩过同一个坑:需求理解、资料检索、提炼大纲、正文撰写、事实核对和配图制表,全都压在一个对话框里。任务跑到一半,上下文就被各种中间草稿和临时数据挤爆。到后半程,Agent 经常开始漏掉要求、格式变形,甚至逻辑前后断层。
在真实的业务团队里,没人会让一个员工独自硬扛整条流水线。写深度报告或技术方案,通常是主编定方向、作者写初稿、编辑做质检、设计师负责配图。腾讯云智能体开发平台(ADP) 在 Claw 模式下支持了 多 Agent 团队协作(Agent Team):让一个主 Agent 担任 Team Lead 统筹调度,多个专业子 Agent 分工执行,中间支持点对点沟通与自动返工闭环。

以前搭建多 Agent,很多时候只是机械的单向串联:上游做完传给下游,下游硬着头皮接着做。如果后半程发现数据错了,只能把整条链停下来人工介入。
ADP 的 Claw 模式把协作做成了一张灵活的网络:既有全局统筹的 Lead,也有自主交互的专业成员。

主 Agent 是整个团队对外的唯一窗口,负责全局管理,不参与细枝末节的执行:
每个子 Agent 都是高度聚焦的独立能力单元:
传统工作流每一步都要回传中心节点再分发,链路很长。在 ADP 团队协作规则下,成员之间可以直接沟通:
以企业技术运营场景中的内容创作团队为例,在 ADP 控制台只需三步就能搭好。
团队包含 1 位主编与 4 位专业成员:
| 角色类型 | Agent 名称 | 建议模型 | 工具与技能 | 核心职责 |
|---|---|---|---|---|
| Team Lead | 内容主编 | 旗舰推理模型 | 无 | 理解需求、任务派发、把关争议、最终交付 |
| Teammate 1 | 选题 Agent | 高性价比模型 | 无 | 分析受众、提炼切入点、输出结构化大纲 |
| Teammate 2 | 撰写 Agent | 擅长长文本模型 | 无 | 按大纲写正文初稿、根据审校意见修改 |
| Teammate 3 | 审校 Agent | 旗舰推理模型 | 无 | 审查逻辑、结构和事实,负责打回修改 |
| Teammate 4 | 配图 Agent | 多模态模型 | 挂载图片生成工具 | 分析插图位置、生成配图并插入 Markdown 正文 |
进入 腾讯云 ADP 控制台,新建一个应用,应用模式选择 Claw 模式。
不用手动一个个建 Agent。在开发页面顶部打开「智能设置」,直接把团队需求输入进去:
帮我创建一个企业内容创作团队。
团队包含:
1. 内容主编:担任 Lead,理解用户需求、安排成员并最终交付。
2. 选题 Agent:分析受众和选题,输出文章大纲。
3. 撰写 Agent:根据大纲完成 Markdown 初稿,并根据审校意见修改。
4. 审校 Agent:检查文章的逻辑、结构、表达和事实问题。
5. 配图 Agent:文章审校通过后,根据文章内容生成配图,并插入正文合适的位置。
请为配图 Agent 配置图片生成工具。
其他子 Agent 暂时不配置工具或技能。
最终交付一篇已经插入配图的 Markdown 文章。
系统会在几秒钟内建好主 Agent(内容主编)和 4 个子 Agent 成员,并自动生成基础设定。
进入左侧的 Agent 列表,可以逐个查看成员的具体配置。

重点看 配图 Agent:确认其「工具与连接器」中已绑定可用的图片生成工具。其他文字处理类 Agent(选题、撰写、审校)保持无工具状态,保证上下文纯净。
在右侧应用高级设置中,找到「允许多 Agent 团队协作」并打开开关。

点击设置协作规则,将团队流转逻辑粘贴进去:

# 团队目标与 Lead 职责
团队目标:完成用户提出的内容创作需求,交付一篇经过选题、撰写、审校并插入配图的 Markdown 文章。
Lead 职责:
1. 收到需求后识别任务特征,属于长文创作任务时启动团队协作。
2. 统筹派发初始任务,汇总最终产出并向用户统一交付。
3. 涉及敏感话题、事实争议或越界需求,由 Lead 决策。
4. Lead 不代替成员起草大纲、编写正文、核验事实或生成配图。
# 成员角色与分工
- 选题Agent:分析受众背景与传播角度,输出结构化写作大纲。
- 撰写Agent:根据大纲编写正文初稿,严格依据事实,接收审校返修意见。
- 审校Agent:从逻辑、结构、表达与事实四个维度检查初稿,发现问题直接打回撰写Agent。
- 配图Agent:仅在文章通过审校后接入,挑选适合插图的位置,生成图片并嵌入 Markdown 正文。
# 任务流转与协作流程
1. Lead 接收用户需求 → 拆解后派发给「选题Agent」。
2. 选题Agent 输出大纲 → 直接传给「撰写Agent」(不经 Lead 转发)。
3. 撰写Agent 写完初稿 → 直接交给「审校Agent」。
4. 审校Agent 进行质量检查:
- 发现问题:直接将修改要点发给「撰写Agent」返修;撰写Agent 改完后重新提交审校复核。
- 检查合格:将审校通过的文章交给「配图Agent」。
5. 配图Agent 确定插图位置,调用图片生成工具制作 2~3 张风格统一的插图,按 Markdown 语法插入正文,并写好 alt 文本。
6. 配图Agent 完成图文排版 → 提交给 Lead。
7. Lead 进行最终检查,统一向用户交付成品。
# 交付规范
- 格式:纯正文 Markdown 结构,小节清晰,不堆套话。
- 事实:论点明确、论据清晰,不得编造未经核实的数据或案例。
- 配图:插图服务于内容理解,alt 文本准确描述画面内容,不得使用虚假链接。
- 对外规范:子 Agent 不直接对终端用户输出对话,所有最终回复由 Lead 发出。配置保存后,在右侧调试区输入测试需求:
测试需求: 请以「企业级 Agent 落地为什么需要沙箱工作空间」为主题写一篇技术文章,包含技术原理、痛点对比,并配上对应插图。
调试面板中会实时打印整个团队的执行过程:

整个过程不需要人工在中间复制粘贴传话,各角色在自己的职责边界内运转,避免了单 Agent 常见的遗忘大纲和漏提要求的毛病。
在实际生产场景中配置多 Agent,有几条实操经验可以参考:
不要为了追求概念把流水线拆得太碎。角色越多,串联链路越长,整体耗时和 Token 开销也会随之增加。通常 1 个统筹 Lead 加上 2~4 个互补成员(如研究+撰写+审校,或规划+执行+核验),就能解决绝大多数复杂长任务。
每个角色对模型的要求不同:
在 Agent 粒度上精细选型,比全链路统一用最贵模型要节省一半以上的成本,而且速度更快。
把连接器和工具准确挂到需要它们的子 Agent 上,不要图省事全挂在主 Agent 或者每个成员上。每个 Agent 只看自己能用的工具,能彻底避免工具选择混乱和调用超时。
Claw 模式为每次对话提供独立的云端沙箱。当任务产生长代码、大数据表或长文草稿时,子 Agent 可以把中间产物保存在沙箱里,下一个 Agent 直接读取沙箱文件路径,不用在 Prompt 消息里来回传几万字原文,大幅减少上下文消耗。