用途：Agent Swarm 用于将工作拆分并跨多个智能体与工作树进行并行或流水线执行。编排器负责分区工作、派发给智能体，并校验和合并结果。
适用场景：可切分为独立工作包的大型功能；受益于并行的批量操作（测试、文档、迁移、RLM 蒸馏）；多关注点工作，由不同专家同时处理不同方面。
流程：1) 规划与分区，将工作拆分为独立任务并明确边界；2) 路由，选择串行流水线（任务相互依赖）或并行群体（任务独立）；2.5) 在引导阶段交互式确定 CLI 与模型，询问用户选择 LLM CLI 引擎（agy、claude、copilot、gemini、llama）和具体模型，构造 swarm_run.py 调用并追加 < /dev/null；3) 派发，每个任务创建工作树并分配给 CLI 智能体、确定性脚本或人类；4) 执行，各智能体隔离工作，无跨工作树通信；5) 校验与合并，按验收标准检查输出，执行 TDD、增量检查，失败则生成修正包并重新派发，通过则合并到主分支；6) 封存；7) 回顾。
实现：./../scripts/swarm_run.py 由带 YAML frontmatter 的 .md 作业文件驱动。支持断点续跑（.swarm_state_<job>.json，--resume）、智能重试、验证跳过（check_cmd）、干跑（--dry-run）以及切换后端（--engine [claude|gemini|copilot|agy]）。
依赖：需要 Python 3.8+，仅用标准库。安装依赖使用 pip-compile ./requirements.in 与 pip install -r ./requirements.txt。
限制与已记录的怪癖：Copilot CLI 使用 -p 时忽略 stdin，swarm_run.py 会把提示自动前置到文件内容；认证令牌应使用 source ~/.zshrc 加载；并发上限为 --workers 2。Gemini 支持更高并发（5-10 workers），模型会自动升级。使用 resume 时后置命令必须幂等。编排器持有整体作业状态，需在子任务完成时记录 total_tokens 与 duration_ms。各工作树必须独立。