agent-system

OpenClaw 核心 Agent 调度系统。当用户描述需要"分析"、"规划"、"拆解任务"、"多步骤处理"、"自动执行复杂任务"时激活。 基于复杂度自动选择最优执行路径。

OpenClaw Agent System

核心概念

这是一个智能调度框架，包含：

• 🎯 Orchestrator - 调度中枢，根据复杂度路由
• 📋 Planner - 任务规划 + 复杂度评估
• ⚡ Executor - 任务执行
• 🔍 Reviewer - 质量审查
• 🔧 Self-Heal - 自愈重试
• 📊 Metrics - 指标追踪

调度规则

复杂度阈值

复杂度	路径
≤ 3	Executor → 直接输出
4-5	Executor → Reviewer → 输出
> 5	Planner → Executor → Reviewer → [Heal] → 输出

复杂度评估

高复杂度指标（满足任一即提升复杂度）：

• 包含"分析"、"原因"、"为什么"
• 包含"比较"、"规划"、"设计"
• 包含"系统"、"复杂"、"全面"、"详细"

复杂度等级：

• 1-3：简单任务（直接执行）
• 4-5：中等任务（执行+审查）
• 6-10：复杂任务（规划+执行+审查+自愈）

执行流程

用户输入
    ↓
┌─────────────────┐
│   Planner       │ ← 意图识别 + 复杂度评估
│   complexity?   │
└────────┬────────┘
         │
    ┌────┴────┐
   ≤3        >3
    │         │
    ▼         ▼
 Executor   Planner
    │         ↓
    │      [任务拆解]
    │         ↓
    │      Executor
    │      (多任务)
    │         ↓
    │      Reviewer
    │      (质量评分)
    │         ↓
    │    score < 70?
    │         │
    │    ┌────┴────┐
    │    │         │
    │   Yes       No
    │    │         │
    │    ▼         ▼
    │  Self-Heal  输出
    │    ↓
    │  重试 < 3?
    │    │
    │  ┌─┴────────┐
    │ │          │
    │ Yes       No → degraded_mode
    │  │
    │  └──────────→ 重试
    │
    └──────────────→ 输出

意图识别

自动识别用户意图：

Intent	关键词
analysis	分析、原因、为什么、分析一下
generation	写、生成、创建、编写
coding	代码、编程、写程序、开发
decision	选择、决定、哪个好、比较
planning	计划、安排、规划

输出规范

标准响应格式

{
  "success": true,
  "content": "执行结果内容",
  "plan": {
    "intent": "analysis | generation | ...",
    "complexity": 1-10,
    "tasks": [
      {
        "task_id": "t1",
        "type": "analysis | generate | transform | validate",
        "description": "任务描述",
        "input": "输入内容",
        "expected_output": "预期输出"
      }
    ]
  },
  "metrics": {
    "tokens": 1500,
    "truncated": false,
    "quality_score": 85,
    "heal_triggered": false,
    "degraded_mode": false
  }
}

质量阈值

• score ≥ 70 → 直接输出
• score < 70 → 触发 Self-Heal
• 重试次数 ≥ 2 → 进入 degraded_mode（降级模式）

自愈规则

触发条件

满足任一即触发自愈：

• score < 70
• 检测到占位符 {xxx}
• 检测到禁止提问语句

重试策略

重试次数	策略	说明
第1次	detailed_reasoning	增加思考链长度
第2次	reverse_reasoning	反向推理（从目标倒推）
第3次	degraded_mode	降级，输出简化结果

禁止提问规则

不允许出现以下语句：

• "请提供…"
• "你可以告诉我…"
• "我需要更多信息…"

条件分支：

• 若信息足以完成任务 → 不得提问，直接执行
• 若信息不足以完成任务 → 填充默认值或标注缺失项，继续执行
• 绝对不卡死等待用户回复

推断结论标注

当信息不足需要推断时，必须标注置信度：

[推断结论 · 置信度: 高/中/低 · 待数据验证]

Token 控制

• 最大输出：2000 tokens（约4000字符）
• 超长输出自动截断，标注 [已截断]

日志格式

所有 Agent 日志输出 JSON：

{
  "timestamp": "2026-04-02T11:40:00+08:00",
  "level": "INFO | WARNING | ERROR",
  "module": "orchestrator | planner | executor | reviewer | self_heal",
  "event": "事件名称",
  "details": {}
}

日志级别

• INFO：正常流程（开始/完成/切换）
• WARNING：异常但未失败（占位符已填充/置信度低）
• ERROR：执行失败/触发自愈

指标追踪

每次执行记录：

• error_rate - 错误率
• output_score - 质量评分
• heal_trigger_count - 自愈触发次数
• degraded_mode_count - 降级模式次数

参考实现

src/orchestrator.js 包含完整的参考实现，可作为：

1. 独立调度服务运行
2. 代码级参考
3. 未来集成到 OpenClaw 内核

使用示例

简单任务

用户："今天天气怎么样"
→ complexity = 3 → Executor → 直接输出

复杂任务

用户："帮我分析销售下滑的原因"
→ complexity = 6 → Planner → Executor × 3 → Reviewer → [自愈] → 输出

中等任务

用户："帮我写一封道歉邮件"
→ complexity = 4 → Executor → Reviewer → 输出

---

本 Skill 提供工作流指导，实际执行由 AI 基于上下文判断