智能体编排器

通过将复杂任务分解为子任务、生成自主子智能体并整合其工作成果来编排复杂任务。

核心工作流程

阶段一：任务分解

分析宏观任务并将其拆分为独立的、可并行执行的子任务：

1. 确定最终目标和成功标准
2. 列出所有需要的主要组件/交付成果
3. 确定组件间的依赖关系
4. 将独立工作分组为并行子任务
5. 为顺序性工作创建依赖关系图

分解原则：

• 每个子任务应能独立完成
• 最小化智能体间的依赖关系
• 优先采用宽泛、自主的任务，而非狭窄、相互依赖的任务
• 为每个子任务包含明确的成功标准

阶段二：智能体生成

为每个子任务创建一个子智能体工作空间：

python3 scripts/create_agent.py <智能体名称> --workspace <路径>

这会创建：

<工作空间>/<智能体名称>/
├── SKILL.md          # 为该智能体生成的技能文件
├── inbox/            # 接收输入文件和指令
├── outbox/           # 交付已完成的工作
├── workspace/        # 智能体的工作区
└── status.json       # 智能体状态跟踪

动态生成 SKILL.md包含：

• 智能体的具体角色和目标
• 所需的工具和能力
• 输入/输出规格
• 成功标准
• 通信协议

参见references/sub-agent-templates.md获取预构建的模板。

阶段三：智能体调度

通过以下方式初始化每个智能体：

1. 将任务指令写入inbox/instructions.md
2. 将所需的输入文件复制到inbox/
3. 设置status.json为{"state": "pending", "started": null}
4. 使用任务工具启动代理：

# 使用其生成的技能启动代理
Task(
    description=f"{agent_name}: {brief_description}",
    prompt=f"""
    阅读 {agent_path}/SKILL.md 中的技能并遵循其指示。
    你的工作空间是 {agent_path}/workspace/
    从 {agent_path}/inbox/instructions.md 读取你的任务
    将所有输出写入 {agent_path}/outbox/
    完成后更新 {agent_path}/status.json。
    """,
    subagent_type="general-purpose"
)

阶段 4：监控（基于检查点）

对于完全自主的代理，只需要最少的监控：

# 检查代理完成状态
def check_agent_status(agent_path):
    status = read_json(f"{agent_path}/status.json")
    return status.get("state") == "completed"

定期检查status.json对于每个代理。代理在完成时会更新此文件。

阶段 5：整合

一旦所有代理完成：

1. 收集输出从每个代理的outbox/
2. 验证交付成果是否符合成功标准
3. 根据需要合并/整合输出
4. 解决冲突如果多个代理处理了共同关注点
5. 生成摘要总结所有已完成的工作

# 整合模式
for agent in agents:
    outputs = glob(f"{agent.path}/outbox/*")
    validate_outputs(outputs, agent.success_criteria)
    consolidated_results.extend(outputs)

阶段六：解散与总结

整合后：

1. 归档代理工作空间（可选）
2. 清理临时文件
3. 生成最终总结：
   • 每位代理完成的任务
   • 遇到的任何问题
   • 最终交付物位置
   • 时间/资源指标

python3 scripts/dissolve_agents.py --workspace <路径> --archive

基于文件的通信协议

详见references/communication-protocol.md以获取详细规格。

快速参考：

• 收件箱/- 代理只读，由协调器写入
• 发件箱/- 代理只写，由协调器读取
• status.json- 代理更新状态：待处理→运行中→已完成|失败

示例：研究报告任务

宏观任务："创建一份全面的市场分析报告"

分解：
├── 智能体：数据收集器
│   └── 收集市场数据、竞争对手信息、趋势
├── 智能体：分析师
│   └── 分析收集的数据，识别模式
├── 智能体：撰写者
│   └── 根据分析起草报告章节
└── 智能体：审阅者
    └── 审阅、编辑并最终定稿报告

依赖关系：数据收集器 → 分析师 → 撰写者 → 审阅者

子智能体模板

针对常见智能体类型的预构建模板位于参考资料/sub-agent-templates.md：

• 研究智能体- 网络搜索、数据收集
• 代码智能体- 实现、测试
• 分析智能体- 数据处理、模式发现
• 撰写智能体- 内容创作、文档编写
• 审阅智能体- 质量保证、编辑
• 集成智能体- 合并输出、解决冲突

最佳实践

1. 从小处着手- 从2-3个智能体开始，随着模式出现而扩展
2. 明确边界- 每个智能体负责特定的可交付成果
3. 明确交接- 使用结构化文件进行智能体间通信
4. 优雅地失败- 智能体报告失败；编排器处理恢复
5. 记录一切- 状态文件跟踪进度以进行调试