メニュー
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。
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/aAAaqwq/AGI-Super-Team --skill multi-agent-architectureコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
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'。
SOC 職業分類に基づく
SKILL.md を表示中
| 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