القائمة
多 Agent 架构设计与智能 Spawn 系统。当需要设计多 Agent 系统、配置专业化 Agent、实现智能任务分发、或优化并发处理能力时使用此技能。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/aAAaqwq/AGI-Super-Team --skill multi-agent-architectureيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
币安广场合约投机雷达 v5：以最近24小时专业交易帖为主要证据，回源核验帖子， 联合币安公共合约行情、4周期K线、布林带、ATR、量能和RR，生成可审计的本地影子报告。 触发词：币安广场、扫描币安、binance square、合约机会、交易信号雷达、4小时雷达
BTC 5分钟K线实时方向预测。v5.9对抗式审查重构: 13因子收敛到3个有证据信号(half_body延续+volume放量+meanrev回归, 11个47-49%硬币因子清零) + 三层独立信息过滤(多周期4h/1h/15m趋势 + 跨资产ETH/SOL广度 + 真订单流OFI) + 移除bull×0.92惩罚/Platt置信度门控。半K线策略第2分钟执行。黑天鹅防护: ATR spike+FNG<25。Binance端点双向故障切换。
BB 双向套利策略：加密合约 10x 杠杆布林带均值回归。布林带收窄=横盘→在下轨买、上轨卖；三重过滤器(1h趋势/RSI/BB甜区)确认碗平放，轨对轨止盈(RR 2:1~4:1)。含实时WebSocket模拟盘(paper)、历史回测(simulate/backtest_daily)、币安永续实盘CLI(trade_exec)。触发：'bb套利'、'布林带'、'bollinger'、'横盘策略'、'NEAR'、'回测'、'模拟盘'、'paper trading'。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | multi-agent-architecture |
| description | 多 Agent 架构设计与智能 Spawn 系统。当需要设计多 Agent 系统、配置专业化 Agent、实现智能任务分发、或优化并发处理能力时使用此技能。 |
OpenClaw 支持多 Agent 架构，每个 Agent 可以有不同的：
┌─────────────────────────────────────────────────────────────┐
│ Main Agent (小a) │
│ - 主会话处理 │
│ - 任务分发和协调 │
│ - 复杂决策和规划 │
│ - 模型: opus-4.5 (高质量) │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────────┼───────────────────┐
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ News Agent │ │ Code Agent │ │ Research Agent │
│ - 新闻抓取 │ │ - 代码生成 │ │ - 深度研究 │
│ - 内容摘要 │ │ - Bug 修复 │ │ - 文档分析 │
│ - 定时推送 │ │ - 代码审查 │ │ - 知识整合 │
│ 模型: sonnet │ │ 模型: codex │ │ 模型: opus │
└─────────────────┘ └─────────────────┘ └─────────────────┘
│ │ │
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Quick Agent │ │ Batch Agent │ │ Monitor Agent │
│ - 快速问答 │ │ - 批量处理 │ │ - 系统监控 │
│ - 简单任务 │ │ - 数据处理 │ │ - 健康检查 │
│ - 低延迟响应 │ │ - 文件操作 │ │ - 告警通知 │
│ 模型: flash │ │ 模型: mini │ │ 模型: mini │
└─────────────────┘ └─────────────────┘ └─────────────────┘
~/.openclaw/agents/
├── main/ # 主 Agent (已存在)
│ └── agent/
│ ├── AGENTS.md
│ ├── SOUL.md
│ └── ...
├── news/ # 新闻 Agent
│ └── agent/
│ ├── AGENTS.md
│ └── config.json
├── code/ # 代码 Agent
│ └── agent/
│ ├── AGENTS.md
│ └── config.json
├── research/ # 研究 Agent
│ └── agent/
│ ├── AGENTS.md
│ └── config.json
├── quick/ # 快速响应 Agent
│ └── agent/
│ └── config.json
└── batch/ # 批量处理 Agent
└── agent/
└── config.json
~/.openclaw/agents/news/agent/config.json){
"model": {
"primary": "anthropic/claude-sonnet-4-5"
},
"systemPrompt": "你是新闻抓取和摘要专家。专注于：\n1. 从权威来源抓取真实新闻\n2. 生成简洁准确的摘要\n3. 确保每条新闻有原文链接\n4. 按时推送到指定渠道",
"tools": {
"allow": ["web_fetch", "exec", "message"]
}
}
~/.openclaw/agents/code/agent/config.json){
"model": {
"primary": "openrouter-vip/gpt-5.2-codex"
},
"systemPrompt": "你是代码专家。专注于：\n1. 高质量代码生成\n2. Bug 分析和修复\n3. 代码审查和优化\n4. 技术文档编写",
"tools": {
"allow": ["read", "write", "edit", "exec"]
}
}
~/.openclaw/agents/quick/agent/config.json){
"model": {
"primary": "google/gemini-flash-latest"
},
"systemPrompt": "你是快速响应助手。特点：\n1. 简洁直接的回答\n2. 低延迟响应\n3. 处理简单查询\n4. 不需要深度分析的任务"
}
{
"agents": {
"entries": {
"news": {
"enabled": true,
"allowSpawnFrom": ["main"]
},
"code": {
"enabled": true,
"allowSpawnFrom": ["main"]
},
"research": {
"enabled": true,
"allowSpawnFrom": ["main"]
},
"quick": {
"enabled": true
Main Agent 根据任务类型自动选择合适的 Agent：
| 任务类型 | 关键词 | 目标 Agent | 模型 |
|---|---|---|---|
| 新闻抓取 | news, 新闻, 早报, 推送 | news | sonnet |
| 代码任务 | code, 代码, bug, 开发 | code | codex |
| 深度研究 | research, 分析, 调研 | research | opus |
| 快速问答 | 简单, 快速, 查询 | quick | flash |
| 批量处理 | batch, 批量, 文件 | batch | mini |
| 复杂任务 | 保留在 main | main | opus |
# 在 AGENTS.md 中添加智能 Spawn 逻辑
## 🧠 智能任务分发
当收到任务时，评估以下因素：
1. **任务复杂度**
- 简单查询 → quick agent
- 中等任务 → 专业 agent
- 复杂任务 → main 处理或 research agent
2. **任务类型**
- 新闻相关 → news agent
- 代码相关 → code agent
- 研究分析 → research agent
- 批量操作 → batch agent
3. **时间敏感度**
- 需要快速响应 → quick agent
- 可以等待 → 专业 agent
4. **资源消耗**
- 高 token 消耗 → 使用便宜模型的 agent
- 需要高质量 → 使用 opus 的 agent
### Spawn 命令示例
```python
# 新闻任务
sessions_spawn(
task="抓取今日科技新闻并推送到 DailyNews 群组",
agentId="news",
label="news-morning"
)
# 代码任务
sessions_spawn(
task="修复 auth.py 中的登录 bug",
agentId="code",
label="fix-auth-bug"
)
# 研究任务
sessions_spawn(
task="深度分析 GPT-5 的技术架构",
agentId="research",
label="gpt5-analysis"
)
# 快速查询
sessions_spawn(
task="查询今天的天气",
agentId="quick",
label="weather-check"
)
{
"agents": {
"defaults": {
"maxConcurrent": 4, // 主 agent 最大并发
"subagents": {
"maxConcurrent": 8 // 子 agent 最大并发
}
}
}
}
用户消息 → Main Agent
│
├─→ spawn(news) ──→ 抓取新闻
│
├─→ spawn(code) ──→ 修复 bug
│
└─→ spawn(research) ──→ 深度分析
↓ (并行执行)
所有任务完成后汇报
{
"channels": {
"telegram": {
"defaultAgent": "main"
},
"whatsapp": {
"defaultAgent": "main"
}
},
"agents": {
"entries": {
"news": {
"channels": ["telegram-newsbot"]
}
}
}
}
# 列出所有 session
openclaw sessions list
# 查看特定 agent 的 session
openclaw sessions list --agent news
# 在代码中
sessions_list(kinds=["spawn"], limit=10)
# spawn 时设置超时
sessions_spawn(
task="...",
agentId="code",
runTimeoutSeconds=300, # 5分钟超时
cleanup="keep" # 保留 session 用于调试
)
由小a设计 - 实现真正的多 Agent 协作