用途：alethe-orchestrate 用于编排有限的 CLI worker（Codex、Claude Code、Agy、Kimi 或自定义 CLI）来完成工作。主会话作为规划者和整合者：把任务拆成有边界的单元分派出去，详细记录留在自身上下文之外，只整合有证据或 diff 支持的结果。目标是在最省主导上下文和供应商用量的前提下完成工作，或在用户要求最大化产出时使用最强组合。
主要能力：
- 后端选择：尊重用户明确要求使用本地技能或不用 MCP；否则运行 policy show 查看选择。skill 表示用本 runner，mcp 表示有 alethe_* 工具时用工具，auto 表示可用则优先用工具。
- 策略与 playbook：内置 auto、economy、balanced、quality、research、parallel、rescue 等 runner 策略；playbook 定义各阶段、谁执行、并发数、是否只读、是否隔离 worktree、门禁与失败后的重试链。
- 供应商与模型：按有效 profile 选层级，再匹配规则；可在同层切换到下一个供应商，或按 quota.whenSpare 使用空闲额度。
- 运行控制：并发进程、截止时间、终止超时进程树、原子写状态、保留 worktree 供审查；预算可限制调用次数、墙钟时间、估算提示 token、报告 token 和报告成本。
- 可恢复性：可复用返回的 sessionId 做聚焦追问。
- 报告：report 输出每个 worker 做了什么、计划变更、时间、token 和成本（仅 Claude 报告成本），以及剩余待审查内容。
使用方式：
- 环境可能未准备好时运行 scripts/orchestrate.py doctor，查看 Python 版本、已安装供应商、已保存策略是否有效及提示。
- 规划前运行 scripts/orchestrate.py playbook 读取生效的 playbook 文件。
- 用 scaffold <strategy> --workers N 生成计划骨架，填写任务、预算、标题、playbook 与阶段，并按 schemas/plan.schema.json 或 validate 校验。
- 用 dry-run 预览解析后的策略、各 worker 有效供应商、并发、估算提示 token 和适用预算；必要时 dry-run --write 后用 scripts/diagram.py 渲染 SVG。
- 用 new "<title>" --playbook <name> --why "<one line>" 启动一次编排，再对每个 wave 运行 run <plan> --in current。
- 阅读 state.json、各 outcome.json、result.md 和写者的 diff.patch，整合已审查的改动，在合并检出上验证，标记 worker 结果为 used、partial 或 discarded，并清理临时数据和已处理完的 worktree。
- 用 report 收尾。
常用短命令：/alethe 后的词映射为动作，包括 status、list、stop、budget、note、mark、setup、help，以及 mode on/off、--goal save|balanced|max、--care careful、--rule 持久指令等。
适用场景：请求可拆成多个有界独立单元且委派开销划算时，可在任务开始、中途或另一技能工作流内部加入编排；小型、紧耦合或含糊的任务应留给主会话。
限制：Python 可选，若各 Python 版本不可用或低于 3.9，或用户要求不依赖 Python，则按 references/manual.md 手动检测 CLI、提供 2 到 4 个选项、自行启动 worker 并撰写报告。worker 启动时禁用子代理，且设置 ALETHE_ORCHESTRATE_WORKER=1 防止再启动编排；worker 的状态和摘要只是声明，需检查 diff。计划、任务、参数和日志中不得放密钥；除非用户明确要求，否则不得使用绕过隔离的标志；自定义 worker 使用已知不安全标志需 allowUnsafe: true。runner 不增加 Alethe 看板 worker，也不编造 CLI 未报告的额度读数。除用户明确要求外，不得 commit、push、打标签、发布或开 PR。