用途：将复杂问题拆解为适合智能体处理的子任务，进行委派并整合结果。资料指出该领域快速演进，所列模式为相对稳定部分，最后验证时间为2026年2月；编排框架、Claude/GPT 原生多智能体功能、VS Code Copilot 智能体架构变化会触发内容刷新。
适用判断：简单代码编辑用单智能体即可，多智能体属过度设计；多文件重构可考虑；研究加实现、跨领域任务、可并行独立工作适合多智能体。
角色：编排者负责拆解、委派、综合；专家负责单一领域深度处理；工作者执行明确子任务；批评者负责验证、审查与改进。
拆解模式：水平（并行）适用于无依赖、结果可机械合并、时间敏感的任务；垂直（流水线）适用于每步依赖前一步输出、上下文递增、步骤间需质量门禁的任务；层级（树）适用于极复杂任务、任务内含不同领域、超出单编排者上下文规模的情况。
委派要点：子智能体提示需明确上下文、范围、输出格式与约束；资料给出包含任务、上下文、范围、预期输出、成功标准的模板。
综合模式：独立结果可拼接，重叠搜索可去重，多意见可投票，多视角可用模型总结，关键决策可由批评者验证。冲突需先判断类型（事实、观点、解释），再通过追问、要求证据、升级到更强模型或交由用户选择解决。
VS Code 用法：runSubagent 用于编排，提示需清晰并指定返回格式；简单搜索用 grep_search，单文件编辑用 replace_string_in_file 等直接操作。
常见反模式：过度编排、上下文不足、缺少综合策略、循环依赖。
框架参考：LangGraph、AutoGen、CrewAI、VS Code Agents、Semantic Kernel，各自侧重不同。另提及 Master Alex 与继承人编排、技能选择优化作为自我编排的形式。
限制：资料未提供安装命令、收费与价格、平台支持范围及具体效果数据。