智能体编排器

技能简介

Agent Orchestrator 是一个元智能体技能，用于将复杂宏观任务分解为可并行执行的子任务，动态生成专用子智能体并协调其完成工作，最后整合结果。

能做什么

• 分析宏观目标并拆分为独立、可并行的子任务
• 为每个子任务自动生成包含角色定义、工具配置和成功标准的 SKILL.md 文件
• 通过文件系统（inbox/outbox）实现子智能体间的无状态通信
• 监控各智能体执行状态并在完成后回收资源
• 汇总多智能体输出，解决冲突并生成最终交付物

使用说明

安装准备

本技能依赖 Python 3 环境，需确保以下组件可用：

# 克隆技能仓库
git clone https://github.com/openclaw/skills.git
cd skills/skills/aatmaan1/agent-orchestrator

# 安装依赖（如有 requirements.txt 则执行）
pip install -r requirements.txt

使用步骤

1. 任务分解：识别最终目标和成功标准，列出所有主要交付物，确定组件间依赖关系，将独立工作分组为并行子任务
2. 生成子智能体：对每个子任务执行 python3 scripts/create_agent.py <agent-name> --workspace <path>，该命令创建包含 SKILL.md、inbox、outbox、workspace 和 status.json 的完整工作空间
3. 派发任务：向各智能体的 inbox/instructions.md 写入指令，复制输入文件，设置 status.json 为 pending 状态，使用 Task 工具启动智能体
4. 监控进度：定期检查各智能体的 status.json 文件，状态流转为 pending → running → completed/failed
5. 结果整合：从各智能体 outbox/ 收集输出，验证交付物是否符合成功标准，合并结果并解决冲突
6. 资源回收：执行 python3 scripts/dissolve_agents.py --workspace <path> --archive 归档或清理智能体工作空间

输入与输出

见下方输入与输出表格。

风险提示

• 子任务划分不当可能导致过度依赖或资源浪费
• 文件通信协议需要严格的读写权限管理，避免数据竞争
• 智能体状态监控依赖轮询机制，大规模场景下可能产生延迟
• 动态生成的 SKILL.md 质量直接影响子智能体执行效果
• 未正确配置依赖关系时，并行任务可能产生逻辑错误

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/aatmaan1/agent-orchestrator/SKILL.md
来源类型：GitHub 开源仓库