用途：在多智能体并行调度完成后，追踪各智能体的 token 消耗，识别协调开销与重复劳动，判断并行调度是否划算。
主要能力：提供调度后复盘清单，检查每个智能体是否产出独有发现、总 token 支出是否与价值相称、是否存在重复工作、更少智能体能否得到相同结果；若有两项及以上答案为否，建议后续同类调度减少智能体数量。给出“智能体数量—预期协调开销”参考：1-3 个可自由调度，4-5 个约 10-15% 需先规划，6-8 个约 20-30% 需密切监控，9 个以上 30%+ 可能适得其反。协调开销以共享文件冲突衡量，即不同智能体对同一文件并发读写占总运行时间的比例。浪费信号分为 5 类，详见 modules/waste-signals.md。
使用方式：在并行调度结束后进行事后分析，逐项回答复盘问题并核对浪费信号，最终给出“将智能体数量减少到 N”或“调度高效”的结论及协调开销百分比。调度 4 个及以上智能体前需先商定计划，包括名单、各智能体范围与输出契约；1-3 个可直接调度。
适用场景：并行调度完成后的效率评估、是否增加智能体数量的决策、智能体密集工作流的复盘。
限制：不适用于单智能体工作流（无协调开销）；不用于执行中的实时分析，仅做事后分析；token 预算请改用 token-conservation。相关模块包括 conserve:token-conservation 与 conjure:agent-teams。