本技能整理协作式多智能体决策的团队理论原语，适用于智能体共享同一收益、但各自只观察到世界一部分的情形。游戏理论处理利益冲突，决策理论处理单人不确定性选择，团队理论处理二者之间的区域，即子智能体与编排式 AI 智能体运行的场景。
用途：需要决定每个子智能体看到什么、哪些信息集中化；在集中式编排器、去中心化集群与层级结构之间选择；衡量通信是否值得其延迟、token 与协调开销；构建角色专业化、各自负责不同观察通道的智能体团队；为多智能体强化学习或 Dec-POMDP 问题建模。若智能体利益分歧，应改用 foundations-game-theory；单智能体单次不确定性决策用 foundations-decision-theory；通信本身是瓶颈用 foundations-information-theory；递归控制系统用 foundations-cybernetics-vsm；所有智能体看到相同信息时，信息划分本身无优势。
主要能力：包含11个原语——团队决策问题、信息结构、逐人最优性、通信价值、Radner 的 LQG 定理、Witsenhausen 反例、信息成本、组织形式、Dec-POMDP/MARL 扩展、共同任务条件，以及聚合规则（投票、辩论、路由、Shapley 信用分配、联盟拓扑）。附有快速参考、原语索引、形式化支撑理论、反模式、决策清单、组合配方与工作流。
使用方式：先检查任务结构，可分解、可并行验证的子任务适合多智能体；按决策清单逐项核对共同收益、观察结构、通信成本与组织形态；聚合时先与匹配预算的多数投票或自洽基线比较，辩论须胜过该基线；成员能力有差异时按能力路由或加权，而非简单汇聚；Shapley 精确成本随成员数按 2^N 增长，较大团队宜用近似。
限制：资料中未提供安装命令、收费或价格信息；具体准确率数字、定理前提与证据细节需查阅资料引用的参考文件与论文；人类团队研究发现不能直接当作智能体团队设计规则。