// 当系统提示词需要设计多代理协作架构、子代理专业化分工、代理间上下文隔离与传递机制、任务生命周期管理时调用此 Skill。适用于 AI Agent 平台、多工具编排系统、代码审查流水线、跨应用协作场景等。不适用于：单代理系统（无委派需求）、简单工具调用（无子代理概念）、纯 API 编排（无 AI 决策）。当需求聚焦于"单代理内的对话路由"而非"多代理间的任务分配"时，应该用 conversation-flow 而非本 Skill。
| name | agent-delegation |
| description | 当系统提示词需要设计多代理协作架构、子代理专业化分工、代理间上下文隔离与传递机制、任务生命周期管理时调用此 Skill。适用于 AI Agent 平台、多工具编排系统、代码审查流水线、跨应用协作场景等。不适用于：单代理系统（无委派需求）、简单工具调用（无子代理概念）、纯 API 编排（无 AI 决策）。当需求聚焦于"单代理内的对话路由"而非"多代理间的任务分配"时，应该用 conversation-flow 而非本 Skill。 |
| tags | ["多代理","任务委派","子代理专业化","生命周期管理","输出隔离"] |
| related_skills | ["conversation-flow","context-management","search-integration"] |
跨供应商系统提示词中浮现的多代理协作核心模式：Claude Code 定义了专业化子代理（Explore/Plan/code-reviewer），要求"像跟刚进门的聪明同事简报一样"传递上下文且"绝不委派理解"；Gemini CLI 的子代理（codebase_investigator/browser_agent 等）压缩为单条摘要返回；Jules 有正式的 Plan→Review→Execute 生命周期含 plan_step_complete 和 request_plan_review 步骤；ChatGPT Agent 用三通道输出（分析/评论/最终结果）严格隔离中间过程与用户可见输出；Gemini Workspace 实现跨应用代理协调（Word→Excel→PowerPoint）。
conversation-flow 的区别: conversation-flow 管理单代理内的对话路由和澄清策略，本 Skill 管理多代理间的任务分配和结果汇总context-management 的区别: context-management 管理单代理内的信息存储和压缩，本 Skill 管理代理间的上下文隔离和传递search-integration 的区别: search-integration 管理外部信息检索策略，本 Skill 管理代理间的任务委派和结果整合定义子代理能力矩阵 — 完成标准: 建立子代理清单（至少 3 个），每个子代理有明确的职责描述、输入格式、输出格式、适用场景和不适用场景，以及质量评估标准
设计上下文简报协议 — 完成标准: 定义主代理向子代理传递上下文的标准格式（任务描述 + 背景摘要 + 具体目标 + 约束条件），以及子代理返回结果的标准格式（执行摘要 + 关键发现 + 置信度 + 待确认项）
建立生命周期门控机制 — 完成标准: 定义至少三个阶段门控（规划评审/执行前确认/结果验证），每道门控有明确的通过标准、驳回条件和驳回后的处理流程
实现输出通道隔离 — 完成标准: 定义至少两个输出通道（内部过程通道/用户可见通道），明确哪些内容进入哪个通道，以及内部通道内容的日志级别和存储策略
添加结果验证规则 — 完成标准: 定义主代理对子代理输出的验证检查清单（至少 5 项：目标完成度/格式合规性/事实准确性/一致性/边界条件），以及验证失败时的升级策略（重试/换代理/人工介入）
当系统提示需要设计引用格式、信息溯源机制、来源标注系统时调用。适用于文档问答、搜索增强生成（RAG）、代码引用、浏览器辅助等需要让用户追溯信息来源的场景。不适用于纯创作类输出（如故事、诗歌），不适用于无需溯源的常识问答，也不适用于注入防御（虽然两者都涉及内容可信度）。
当系统提示面向编程代理（Coding Agent）场景时调用。适用于构建代码编辑、文件操作、Git 工作流、自动化编程助手的系统提示。不适用于代码解释或教学场景（无文件修改），不适用于 DevOps 基础设施配置（非代码层），不适用于纯对话式代码问答（无工具调用）。
当系统提示词需要设计 token 预算分配、上下文压缩策略、延迟加载机制、记忆持久化方案时调用此 Skill。适用于长对话 AI 助手、代码编辑器集成、研究型 Agent、多会话系统等需要精细管理上下文窗口的场景。不适用于：单轮交互系统（无上下文管理需求）、纯无状态 API（无对话历史）、简单的 prompt 模板设计。当需求聚焦于"如何搜索外部信息"而非"如何管理已有信息"时，应该用 search-integration 而非本 Skill。
当系统提示词需要定义 AI 如何分类用户意图、路由到不同处理流程、决定澄清策略和自主度级别时调用此 Skill。适用于多任务型 AI 助手、客服机器人、编程工具、研究助手等需要结构化对话管理的场景。不适用于：纯问答型系统（无任务执行）、单轮交互（无对话状态）、简单的 prompt 模板（无路由逻辑）。当需求仅涉及"输出什么格式"而非"如何决定输出什么"时，应该用 output-formatting 而非本 Skill。
当系统提示需要防御提示注入、越狱攻击、社会工程、内容信任边界突破等安全威胁时调用此 Skill。适用于构建 AI Agent、聊天机器人、文档处理助手等任何接受外部输入的系统提示。不适用于纯内部工具调用场景或已完全隔离的沙箱环境，也不适用于 UI 布局或响应格式设计。
当需要为 AI 设计记忆存储、检索、应用和更新机制时调用此 skill。典型场景包括：设计持久化记忆架构（用户偏好、历史上下文、项目知识）、定义记忆的创建/读取/更新/删除生命周期、实现静默记忆应用（不在回复中透露记忆内容）、管理敏感记忆边界。 不适用于：定义工具接口（tool-specification）、定义安全规则（safety-guardrails）、定义人格风格（personality-system）。 关键 trigger 信号：AI 需要跨会话记住用户信息、记忆内容可能敏感、需要在回复中隐式应用记忆而非显式引用、用户要求"记住这个"。