multi-model-orchestrator

multi-model-orchestrator 用于跨多个 AI 智能体协调复杂工作，核心是使用一份 YAML 交接文档作为唯一事实来源。用途：把高层目标拆解为具体子任务，交由不同智能体并行或顺序执行，并集中记录结果、阻塞与反馈。主要能力：创建或更新交接文档；将目标分解为可执行子任务；为子任务指定依赖；记录执行轮次结果；将反馈综合为下一步行动。交接文档包含目标、子任务、上下文、执行追踪与反馈。使用方式：复制 templates/handoff-template.yaml 到 .claude/handoffs/my-task.yaml，请 Fable/Claude 将目标拆为 3 至 5 个子任务并填入，按分配把子任务输入交给对应执行者，再把结果追加到 execution.rounds，最后更新 metadata.status。与 Claude Code 配合时，保存交接文档后运行 cat .claude/handoffs/task.yaml 载入对话，再让其执行子任务。与 Codex 配合可使用命令：codex exec "Read .claude/handoffs/task.yaml. Execute subtask task-1 only. Return the result, blockers, files changed, and verification evidence." 分解示例命令：codex exec "Read .claude/handoffs/task.yaml. Propose 3-5 YAML subtasks using goal.summary, goal.context, and goal.acceptance_criteria. Do not edit files." 适用场景：单智能体会话过长或失焦、需要并行处理、目标模糊需拆解、需追踪决策与变更、探索多方案。限制：任务简单、无需追踪执行者、严格串行、或纯探索无结构时不适用；若目标、约束、执行者、可写范围或完成标准不明确，应先澄清再执行；需拒绝未经验证的完成声明与缺少验收标准的并行分配。扩展参考含 quick-start、handoff-structure、workflow-patterns、best-practices、advanced-sync、faq。状态为生产可用，MIT 许可。