| name | multi-agent-swarm |
| description | 工业级多Agent蜂群系统——指挥10+ Agent并行开发的完整框架。覆盖：Agent角色定义、任务分解协议、蜂群调度算法、子Agent通信、冲突消解、质量门禁、OpenClaw原生集成。触发词：蜂群、swarm、多Agent调度、并行开发、Agent集群、任务分解、AI并行开发、swarm intelligence、agent orchestration |
🐝 多Agent蜂群系统 — Multi-Agent Swarm
版本：v1.0 | 角色：轩辕 CTO | 适用：AI集群并行开发
将CMU蜂群智能理念 + AutoGen/CrewAI模式 + OpenClaw原生API融合为一个可执行框架
一、核心架构
1.1 蜂群拓扑
┌──────────────────────────────────────────────────┐
│ 蜂王 (Queen Orchestrator) │
│ 轩辕CTO · 任务分解 · 结果聚合 · 质量门禁 │
└──────┬──────────┬──────────┬──────────┬───────────┘
│ │ │ │
▼ ▼ ▼ ▼
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ 工蜂-A │ │ 工蜂-B │ │ 工蜂-C │ │ 工蜂-D │
│ 前端Agent│ │ 后端Agent│ │ 测试Agent│ │ DB Agent │
└────┬─────┘ └────┬─────┘ └────┬─────┘ └────┬─────┘
│ │ │ │
└────────────┴──────┬─────┴────────────┘
▼
┌──────────────────┐
│ 仲裁蜂 (Review) │
│ 质量门禁+冲突消解│
└──────────────────┘
1.2 Agent角色模板
| 角色 | 职责 | 工具集 | 模型推荐 | 并发数 |
|---|
| 🐝 蜂王 (Queen) | 任务分解、调度、聚合、汇报 | sessions_spawn, sessions_send, sessions_yield | 顶级推理模型 | 1 |
| 🔧 工蜂-A (Builder-Frontend) | 前端代码、UI组件、样式 | coding-agent, fullstack-developer | 中高模型 | 1-3 |
| ⚙️ 工蜂-B (Builder-Backend) | API、业务逻辑、中间件 | backend-architect, api-design | 中高模型 | 1-3 |
| 🧪 工蜂-C (Builder-Test) | UT/IT/E2E测试 | test-automation, test-driven-dev | 中低模型 | 1-2 |
| 🗄️ 工蜂-D (Builder-DB) | Schema、迁移、查询优化 | database-master | 中低模型 | 1 |
| 🔍 仲裁蜂 (Reviewer) | Code Review、冲突消解、质量门禁 | code-reviewer, github-pr-review | 顶级推理模型 | 1 |
| 📡 哨兵蜂 (Ops) | 进度追踪、健康检查、状态汇报 | project-sdlc-tracker | 基础模型 | 1 |
二、任务分解协议
2.1 分解规则
将大任务按以下维度拆分为并行子任务：
输入：PRD / 功能描述 / 用户故事
Step 1 — 层级分解
┌─────────────────────────────────────┐
│ Epic: [功能名] │
│ ├── Story-1: 前端页面 │
│ │ ├── Task-1.1: HTML骨架 │
│ │ ├── Task-1.2: CSS样式 │
│ │ └── Task-1.3: JS交互逻辑 │
│ ├── Story-2: 后端API │
│ │ ├── Task-2.1: 路由定义 │
│ │ ├── Task-2.2: 业务逻辑 │
│ │ └── Task-2.3: 数据验证 │
│ └── Story-3: 数据库 │
│ ├── Task-3.1: Schema设计 │
│ ├── Task-3.2: 迁移脚本 │
│ └── Task-3.3: 查询优化 │
└─────────────────────────────────────┘
Step 2 — 依赖图构建
A ──→ B ──→ C (串行：A做完才能B)
D ──→ E (并行：D和A可同时开始)
F ──→ G ──→ H (条件：C和E都完成才能F开始)
Step 3 — 并行度判定
- 无依赖 → 立即分发
- 有依赖 → 等待上游完成
- 条件依赖 → 上游全部完成后触发
2.2 任务卡模板
## 🎯 Task-[ID]: [任务标题]
**状态**: ⏳ 待分配 | 🏗️ 进行中 | ✅ 完成 | ❌ 失败
**分配至**: @Agent-[name]
**优先级**: P0/P1/P2
**ETA**: [预估小时数]
### 输入
- 上游依赖: Task-[依赖IDs]
- 契约(Schema/接口定义): [链接/内联]
- 参考文件: [路径]
### 验收标准
- [ ] 标准1: 代码无语法错误
- [ ] 标准2: 单元测试通过率>90%
- [ ] 标准3: 接口契约一致
- [ ] 标准4: 无安全漏洞
### 输出路径
- 代码: `/shared/artifacts/[task-id]/`
- 测试: `/shared/artifacts/[task-id]/tests/`
- 文档: `/shared/artifacts/[task-id]/docs/`
三、蜂群调度算法
3.1 调度策略
调度引擎根据以下规则分配任务：
1. 能力匹配度 — Agent的技能与任务要求相匹配
match_score = cosine_sim(task_skills_vector, agent_skills_vector)
2. 负载均衡 — 避免某个Agent过载
load_score = 1 / (current_assigned_tasks + 1)
3. 依赖优先级 — 关键路径上的任务优先
priority = depth_in_critical_path + upstream_blocked_count * 2
4. 亲和度 — 同一Story的任务尽量分配给同一Agent
affinity = previous_successful_tasks_by_this_agent / total_tasks_in_story
最终权重: score = 0.4 * match + 0.3 * load + 0.2 * priority + 0.1 * affinity
3.2 OpenClaw原生调度实现
class SwarmOrchestrator:
def decompose(self, epic_task):
stories = self.break_down(epic_task)
tasks = self.to_tasks_with_dependencies(stories)
return DependencyGraph(tasks)
def schedule(self, graph, agent_pool):
ready = graph.get_ready_tasks()
for task in ready:
agent = self.select_best_agent(task, agent_pool)
self.dispatch(agent, task)
def dispatch(self, agent, task):
spawned = sessions_spawn(
task=self.build_prompt(task),
label=f"swarm-{task.id}",
agentId=agent.id,
mode="run"
)
task.session_key = spawned.childSessionKey
def aggregate(self, completed_tasks):
results = {}
for task in completed_tasks:
results[task.id] = self.verify_deliverable(task)
conflicts = self.detect_conflicts(results)
if conflicts:
self.resolve_via_arbiter(conflicts)
return .merge_results(results)
3.3 实际调用模板（直接可用）
# 蜂王调度模板
## Step 1: 任务分解
「天工PRD已完成分解。任务拓扑如下：
- Task-001: 前端登录页面（@工蜂-A，3h，无依赖）
- Task-002: 后端Auth API（@工蜂-B，2h，无依赖）
- Task-003: 用户数据库Schema（@工蜂-D，1h，无依赖）
- Task-004: 端到端测试（@工蜂-C，2h，依赖001&002）
预期3h后全部完成。」
## Step 2: 并行分发
sessions_spawn:
- task: "实现Task-001: React登录页面，含表单验证..."
label: swarm-T001
- task: "实现Task-002: FastAPI Auth端点，JWT签发..."
label: swarm-T002
- task: "实现Task-003: PostgreSQL用户表，含迁移脚本..."
label: swarm-T003
# Task-004等待001和002完成后再触发
## Step 3: 聚合验收
「Task-001,002,003已完成。仲裁蜂开始Review。
检测到冲突：前端期望的login API路径与后端实现不一致。
仲裁蜂已自动消解：统一为 /api/v1/auth/login。」
四、子Agent通信协议
4.1 消息格式
{
"protocol": "swarm/v1",
"messageId": "msg-001",
"from": "agent-builder-frontend-1",
"to": ["agent-builder-backend-1", "queen"],
"type": "deliverable | dependency_request | conflict | status_update",
"payload": {
"taskId": "T001",
"artifactPath": "/shared/artifacts/T001/",
"contract": { "api": "POST /api/v1/login", "body": {"email", "password"} },
"status": "completed",
"issues"
4.2 状态同步
状态枚举:
┌─────────────┐
│ ASSIGNED │ ← 已分配
│ IN_PROGRESS │ ← 进行中
│ BLOCKED │ ← 阻塞（需蜂王介入）
│ REVIEW │ ← 待评审
│ COMPLETED │ ← 完成
│ FAILED │ ← 失败（自动通知蜂王）
└─────────────┘
同步机制:
1. 子Agent每完成一个里程碑 → 自动sessions_send汇报给蜂王
2. 蜂王每10分钟轮询一次整体进度
3. BLOCKED状态自动触发升级通知
五、冲突消解机制
5.1 冲突类型与消解策略
| 冲突类型 | 典型场景 | 自动消解策略 | 人工介入条件 |
|---|
| 接口冲突 | 前端期望字段名与后端不一致 | 仲裁蜂统一协调，取最优命名 | 双方争议超过3轮 |
| 数据冲突 | 两个模块同时修改同一表 | 按Task依赖顺序合并 | 数据完整性受损 |
| 逻辑冲突 | 同一功能的不同实现方式 | A/B方案对比，取性能更优 | 两种方案无显著优劣 |
| 约定冲突 | 代码风格/命名规范不一致 | 强制使用BEER编码规则格式化 | — |
| 资源冲突 | 两个Agent竞争同一端口/文件 | 蜂王重新分配互斥资源 | 冲突无可避免时 |
5.2 仲裁流程
1. 冲突检测 → 自动识别冲突类型
2. 仲裁蜂分析 → 生成合并方案
3. 双方Agent确认 → 自动执行合并
4. 回归验证 → 确认合并后无副作用
仲裁蜂裁决示例：
「检测到冲突：前端Task-001使用"user_name"，后端Task-002使用"username"。
仲裁决定：统一使用"username"（符合BEER简短命名原则）。
后端保持不变，前端Task-001需更新，预计耗时15分钟。」
六、质量门禁
6.1 子任务验收标准
┌─────────────────────────────────────┐
│ 质量门禁矩阵 │
├─────────────────────────────────────┤
│ ① 编译/语法检查 ████████░░ 80% │
│ ② 单元测试覆盖率 ████████░░ 80% │
│ ③ 接口契约一致 ██████████ 100% │
│ ④ 代码风格(BEER) ██████░░░░ 60% │
│ ⑤ 安全漏洞(Trivy) ██████████ 100% │
│ ⑥ 文档完整性 ████░░░░░░ 40% │
│ │
│ 通过阈值: 所有项≥80% ✅ │
└─────────────────────────────────────┘
6.2 OpenClaw集成
# 实战：使用swarm构建用户系统
## 蜂王部署
「收到天工PRD：用户注册/登录/权限系统」
## 任务分解（2分钟）
「复杂度评估: Medium（3个Story, 8个Task）
依赖图:
T001(前端注册页) ─┐
T002(后端注册API) ├──→ T004(集成测试)
T003(用户数据库) ─┘
并行分配:
@工蜂-A → T001 (前端)
@工蜂-B → T002 (后端)
@工蜂-D → T003 (DB)」
## 蜂群执行
sessions_spawn(task="T001: 注册页...", label="swarm-T001")
sessions_spawn(task="T002: 注册API...", label="swarm-T002")
sessions_spawn(task="T003: 用户表...", label="swarm-T003")
## 结果聚合（3小时后）
「Task-001 ✅ 前端注册页完成
Task-002 ✅ 后端API完成
Task-003 ✅ 数据库完成
仲裁蜂Review:
✅ 接口契约一致 (POST /api/v1/auth/register)
✅ 测试覆盖92%
⚠️ 冲突已消解：前端期待的响应格式与后端修正一致
质量门禁: 95% ✅ 通过」
七、与轩辕现有体系的集成
7.1 与AGENTS.md的SDLC 4.0对接
SDLC 4.0 Step 2 (并行开发) → 直接调用本蜂群系统
SDLC 4.0 Step 3 (自愈循环) → 仲裁蜂自动处理
SDLC 4.0 Step 4 (部署) → 结果聚合后交给CI/CD流水线
7.2 能力依赖
本skill依赖以下现有技能：
sessions_spawn / sessions_yield (OpenClaw原生)coding-agent (执行编码)code-reviewer (评审)project-sdlc-tracker (进度追踪 — 配套P0技能)
八、常见陷阱
| 陷阱 | 后果 | 解决方法 |
|---|
| 任务分解太粗 | Agent串行化，无并行收益 | 粒度控制在每个Task<4小时 |
| 通信过于频繁 | 上下文膨胀，token浪费 | 只在里程碑事件时通信 |
| 忽略依赖图 | 下游Agent空转等待 | 先画依赖图再分配 |
| 仲裁蜂不独立 | 所有Agent互相包庇 | 仲裁蜂必须用顶级模型独立运行 |
| 没有超时机制 | 某个Agent死循环拖慢全队 | 设置任务超时（默认4h，可配置） |
轩辕在此。 🔧
多Agent蜂群系统 v1.0 | 蜂王调度 + 仲裁消解 + 质量门禁
