用途
Agent Swarm Orchestrator 是一个用于设计多智能体系统的技能，帮助开发者构建由多个 AI 智能体协作、通过分布式执行与涌现行为完成复杂任务的系统。它关注的是多智能体架构层面的设计，而非单一智能体的提示词调优。
主要能力
该技能覆盖以下核心能力：
- 蜂群架构（Swarm Architecture）：智能体拓扑结构与通信模式的设计。
- 任务分配（Task Distribution）：工作分配与负载均衡。
- 协调协议（Coordination Protocols）：共识、投票、委派。
- 涌现行为（Emergent Behavior）：从简单规则产生集体智能。
智能体角色
资料中列出的角色及其职责与特征包括：
| 角色 | 职责 | 特征 |
|---|---|---|
| Orchestrator | 协调蜂群 | 全局视角、任务分配 |
| Worker | 执行任务 | 专门技能、专注 |
| Supervisor | 质量控制 | 审查、批准、重定向 |
| Specialist | 领域专长 | 深度知识、范围较窄 |
| Scout | 探索 | 信息收集、调研 |
蜂群拓扑
- 层级式（Hierarchical）：适合清晰的任务分解、需要质量控制的场景。
- 点对点（Peer-to-Peer）：适合协作式问题求解、无单点故障的场景。
- 黑板式（Blackboard）：适合复杂问题、智能体异步贡献的场景。
专用智能体
资料给出研究智能体（ResearchAgent，能力为 research/search/analyze）、代码智能体（CodeAgent，能力为 code/implement/debug）与审查智能体（ReviewAgent，能力为 review/critique/approve）的实现示例，分别返回来源与分析、代码与测试、审查结论（是否通过、问题与建议）等结果。
编排模式
- 基于任务的编排：SwarmOrchestrator 通过优先级队列、依赖检查与可用智能体匹配来分配任务。
- 工作流编排：WorkflowOrchestrator 按注册的步骤顺序执行，支持输入变换与可选审批环节。
智能体间通信
- 消息总线（MessageBus）：基于主题的订阅/发布、定向发送与广播，并保留消息历史。
- 共识协议（ConsensusProtocol）：收集智能体投票并按阈值（示例为 0.66）统计是否达成共识。
涌现行为
资料提及惰性协调模式（Stigmergy Pattern），即通过修改共享环境实现间接协调，示例中包含共享工作区（SharedWorkspace）与信息素（pheromones）概念。
使用方式
该技能以设计指导与代码结构参考的形式提供，包含 Python 抽象类与示例实现，涉及 asyncio 队列、枚举状态、数据类等。使用时应依据自身系统需求选择拓扑与角色，并参考其编排、通信与共识结构进行实现。资料未提供安装命令或具体调用步骤。
适用场景
- 需要多智能体并行执行以提高吞吐的任务。
- 需要角色分工与专门能力的复杂任务（研究、编码、审查等）。
- 对容错性与多样性视角有要求的系统。
- 需要质量审查与审批环节的多步骤工作流。
限制
资料未提供该技能的收费、价格、价格方案、支持的平台或运行环境要求，也未提供性能与效果数据、安装命令或使用步骤，这些信息暂未提供。示例中的阈值、超时等参数仅为代码示例中的取值，不代表通用推荐配置。