clawbot实际并发用户数由maxconcurrent参数与硬件资源共同决定；默认值为4，可修改~/.clawdbot/clawdbot.json中agents.defaults节点的该值并重启服务，但需匹配vllm和cpu内存能力，如16gb+4核部署qwen3-4b时建议设为15；超负荷时应降值或启用多实例横向扩容。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您正在运行ClawBot并希望了解其实际可支撑的并发用户数，需注意该数值并非固定不变，而是由配置参数与硬件资源共同决定。其中最关键的是maxConcurrent参数，它直接限制了Agent层能同时处理的用户请求数量。以下是具体分析与调整方法：
一、通过修改maxConcurrent参数提升并发能力
该参数位于~/.clawdbot/clawdbot.json配置文件的agents.defaults节点下，控制单个AI助手实例可并行响应的对话请求数。默认值为4，适用于个人轻量使用；若需支持更多用户，可按需上调。
1、打开终端，执行命令定位配置文件：
cat ~/.clawdbot/clawdbot.json | head -30
2、找到"maxConcurrent": 4所在行，将其修改为期望值，例如"maxConcurrent": 15
3、保存文件后，重启ClawBot服务使配置生效：
systemctl restart clawdbot
4、验证变更是否加载成功：
curl http://localhost:8080/health | grep maxConcurrent
调整后，系统将能同时处理最多15路独立用户对话，前提是底层vLLM推理服务与CPU内存资源可承载。
二、依据硬件条件设定合理并发上限
盲目提高maxConcurrent可能导致模型推理延迟激增甚至OOM崩溃。必须结合设备实际性能进行匹配：16GB内存+4核CPU服务器在部署Qwen3-4B模型时，经实测可稳定支撑15并发；若使用Qwen3-32B模型，则建议将该值设为≤3。
1、检查当前内存占用：
free -h | grep Mem
2、观察vLLM后端负载：
curl http://localhost:8000/health
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
3、若返回中gpu_memory_utilization持续高于90%，或num_requests_running长期满载，则说明已超负荷
4、此时应降低maxConcurrent值，并同步检查subagents.maxConcurrent是否过高（建议不超过主并发值的2倍）
关键约束是：并发数必须小于等于vLLM可用KV缓存容量所能容纳的最大序列数，否则请求将被拒绝而非排队等待。
三、启用多Agent实例实现横向扩容
当单实例已达硬件瓶颈，可通过启动多个独立ClawBot进程分摊流量。每个实例使用不同端口与配置路径，共享同一套vLLM后端，形成逻辑隔离但物理复用的并发集群。
1、复制原始配置目录：
cp -r ~/.clawdbot ~/.clawdbot-instance2
2、编辑新配置中的监听端口与workspace路径：
sed -i 's/"port": 8080/"port": 8081/' ~/.clawdbot-instance2/clawdbot.json
3、设置环境变量指向新配置：
CLAWDBOT_CONFIG_DIR=~/.clawdbot-instance2 clawdbot start
4、在反向代理（如Nginx）中配置轮询策略，将请求分发至8080与8081两个端口
此方式下，两个实例各自承担15并发，整体对外可服务30用户，且故障隔离性更强。
