用途
Agent Orchestrator 是一个元智能体（meta-agent）技能，用于编排复杂任务。它把宏观任务分解为子任务，生成自主的子智能体，并整合它们的工作成果。
主要能力
该技能围绕六个阶段的工作流展开：
阶段一：任务分解 分析宏观任务，将其拆分为独立、可并行的子任务。步骤包括：确定最终目标与成功标准；列出所需的主要组件或交付物；确定组件之间的依赖关系；将独立工作归入并行子任务；为顺序工作创建依赖图。分解原则：每个子任务应能独立完成；尽量减少智能体之间的依赖；优先选择范围较广的自主任务，而非狭窄且相互依赖的任务；为每个子任务设定明确的成功标准。
阶段二：智能体生成 为每个子任务创建子智能体工作区，命令为：
python3 scripts/create_agent.py <agent-name> --workspace <path>
该命令会创建如下结构：
<workspace>/<agent-name>/ ├── SKILL.md # 为该智能体生成的技能文件 ├── inbox/ # 接收输入文件和指令 ├── outbox/ # 交付已完成的工作 ├── workspace/ # 智能体的工作区域 └── status.json # 智能体状态跟踪
SKILL.md 会动态生成，包含：智能体的具体角色与目标、所需的工具与能力、输入/输出规范、成功标准、通信协议。预置模板见 references/sub-agent-templates.md。
阶段三：智能体派发 初始化每个智能体：将任务指令写入 inbox/instructions.md；将所需输入文件复制到 inbox/；将 status.json 设为 {"state": "pending", "started": null}；使用 Task 工具生成智能体：
Task( description=f"{agent_name}: {brief_description}", prompt=f""" Read the skill at {agent_path}/SKILL.md and follow its instructions. Your workspace is {agent_path}/workspace/ Read your task from {agent_path}/inbox/instructions.md Write all outputs to {agent_path}/outbox/ Update {agent_path}/status.json when complete. """, subagent_type="general-purpose" )
阶段四：监控（基于检查点） 对于完全自主的智能体，只需最少的监控。可周期性检查每个智能体的 status.json，智能体完成时会更新该文件。示例：
def check_agent_status(agent_path): status = read_json(f"{agent_path}/status.json") return status.get("state") == "completed"
阶段五：整合 所有智能体完成后：从每个智能体的 outbox/ 收集输出；根据成功标准验证交付物；按需合并或集成输出；若多个智能体涉及共享关注点则解决冲突；生成所有已完成工作的总结。整合模式示例：
for agent in agents: outputs = glob(f"{agent.path}/outbox/*") validate_outputs(outputs, agent.success_criteria) consolidated_results.extend(outputs)
阶段六：解散与总结 整合之后：归档智能体工作区（可选）；清理临时文件；生成最终总结，包括每个智能体完成了什么、遇到的问题、最终交付物位置、时间/资源指标。命令为：
python3 scripts/dissolve_agents.py --workspace <path> --archive
使用方式
基于文件的通信协议（详见 references/communication-protocol.md）：
- inbox/ —— 对智能体只读，由编排器写入
- outbox/ —— 对智能体只写，由编排器读取
- status.json —— 智能体更新状态：pending → running → completed | failed
示例：研究报报任务
宏观任务：“创建一份全面的市场分析报告”
分解： ├── Agent: data-collector │ └── 收集市场数据、竞争对手信息、趋势 ├── Agent: analyst │ └── 分析收集到的数据，识别模式 ├── Agent: writer │ └── 根据分析起草报告章节 └── Agent: reviewer └── 审阅、编辑并最终定稿报告
依赖关系：data-collector → analyst → writer → reviewer
适用场景
适合需要将复杂任务拆解为多个可并行或按依赖顺序执行的子任务，并由多个自主子智能体分工完成的场景，例如市场分析报告、多组件交付物等。
子智能体模板
references/sub-agent-templates.md 中提供常见智能体类型的预置模板：
- Research Agent —— 网络搜索、数据收集
- Code Agent —— 实现、测试
- Analysis Agent —— 数据处理、模式发现
- Writer Agent —— 内容创作、文档编写
- Review Agent —— 质量保证、编辑
- Integration Agent —— 合并输出、解决冲突
最佳实践
- 从小处着手 —— 先从 2-3 个智能体开始，随模式出现再扩展
- 边界清晰 —— 每个智能体负责特定的交付物
- 显式交接 —— 使用结构化文件进行智能体通信
- 优雅失败 —— 智能体报告失败，编排器处理恢复
- 记录一切 —— 状态文件跟踪进度以便调试
限制
资料未提供关于收费、价格、平台支持范围、性能效果等方面的信息，暂未提供。