Install
openclaw skills install auto-expert-teamAuto Expert Team
专家团自动组建技能（反面教材）。核心观点：AI只认事不认人，没必要模拟人类多角色协作方式。本技能演示为什么不需要这样做——AI应该直接面对任务，而不是模拟人类团队。触发词：组建专家团、专家协作、团队完成任务、自动组建团队、expert team、专家团、团队协作完成任务。
专家团自动组建技能（反面教材）
核心理念
本技能是反面教材：演示为什么AI不需要模拟人类多角色协作方式。
核心观点：AI只认事不认人，没必要模拟人类多角色协作方式。就AI一个角色直接面对领域任务就行了。
为什么AI不需要模拟人类团队？
人类团队协作的原因：
- 人脑容量有限 → 需要分工
- 人之间要沟通 → 需要协调
- 人之间协作有损耗 → 需要管理
AI的本质：
- AI拥有广域知识 + 生成能力 + 上下文窗口
- AI可以端到端完成复杂任务
- AI不需要这些补偿机制
身份叠加的本质：
- 身份只是呈现层/叙事层字段
- 身份是注意力偏置信号 + 人话翻译器
- 身份不是能力切换机制
- AI不需要通过"扮演不同角色"来获得不同能力
正确的AI工作方式
错误方式：模拟人类团队，让AI扮演产品经理、架构师、开发工程师、测试工程师等多个角色，然后让这些"角色"协作。
正确方式：AI直接面对任务，根据任务需求调用相应能力，不需要模拟人类角色。
类比：
- 错误：让AI扮演"厨师"角色来做饭
- 正确：AI直接根据菜谱和食材完成烹饪任务
本技能的定位
本技能是反面教材：
- 演示为什么AI不需要模拟人类多角色协作
- 展示传统团队协作模式对AI的不适用性
- 说明AI应该如何直接面对任务
本技能的用途：
- 学习：理解AI与人类的本质区别
- 反思：避免陷入"AI模拟人类"的思维陷阱
- 参考：设计AI工作方式时的对照
为什么AI不需要模拟人类团队？（反面教材演示）
错误思路：模拟人类团队
人类团队协作模式：
- 人类因为脑容量有限，需要分工
- 人类因为沟通成本，需要协调
- 人类因为协作损耗，需要管理
AI模拟人类团队的问题：
- AI不需要分工，因为AI拥有广域知识
- AI不需要协调，因为AI没有沟通成本
- AI不需要管理，因为AI没有协作损耗
身份叠加的本质：
- 身份只是呈现层/叙事层字段
- 身份是注意力偏置信号 + 人话翻译器
- 身份不是能力切换机制
- AI不需要通过"扮演不同角色"来获得不同能力
正确思路：AI直接面对任务
AI的工作方式：
- AI直接面对任务，不需要模拟人类角色
- AI根据任务需求调用相应能力，不需要扮演不同身份
- AI端到端完成任务，不需要人类式的协作机制
类比：
- 错误：让AI扮演"厨师"角色来做饭
- 正确：AI直接根据菜谱和食材完成烹饪任务
本技能的定位
本技能是反面教材：
- 演示为什么AI不需要模拟人类多角色协作
- 展示传统团队协作模式对AI的不适用性
- 说明AI应该如何直接面对任务
本技能的用途：
- 学习：理解AI与人类的本质区别
- 反思：避免陷入"AI模拟人类"的思维陷阱
- 参考：设计AI工作方式时的对照
专家团成员标记系统（反面典型）
标记格式
普通专家：@[专家ID]
- 例如：
@UiDesigner、@SeniorDeveloper、@GrowthHacker
专家团：#[专家团名称]
- 例如：
#ProductStrategyTeam、#MvpDevExpertTeam、#GPTResearcherTeam
专家团成员：#[专家团名称]@[专家ID]
- 例如：
#ProductStrategyTeam@产品通、#MvpDevExpertTeam@像素匠
标记用途
- 专家团标识：用
#前缀标识专家团，让专家团名称标记明显 - 成员标识：用
#[专家团]@[专家]格式标识专家团成员 - 角色分配：标记用于分配角色和职责
- 协作关系：标记用于定义专家之间的协作接口
- 执行记录：标记用于记录专家团的执行过程
参考文件（反面典型）
专家清单：references/expert-catalog.md
这是反面典型：无穷无尽的枚举专家，还不如技能的动态专家。
枚举专家的局限性：
- 专家数量有限，无法覆盖所有任务需求
- 专家能力固定，无法根据任务动态调整
- 专家关系静态，无法根据上下文动态协作
- 维护成本高，需要不断更新专家清单
动态专家的优势：
- 根据任务需求动态生成专家角色
- 根据任务复杂度动态调整专家能力
- 根据上下文动态定义协作关系
- 无需维护静态专家清单
参考文件内容：
- 包含WorkBuddy 39个专家团及其成员的完整清单
- 按类别分组
- 每个专家团都有：标记、名称、职业、描述、成员列表
- 专家团使用
#前缀标记，成员使用#[专家团]@[成员]格式
使用方式（仅作反面教材参考）：
- 读取参考文件了解专家清单的局限性
- 理解为什么动态专家优于静态枚举
- 设计AI工作方式时避免陷入"枚举专家"的思维陷阱
专家团组建三步法（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
| 步骤 | 操作 | 问题 |
|---|---|---|
| 任务分析 | 识别任务类型和复杂度 | AI可以直接分析任务，不需要先识别"需要哪些专家" |
| 专家设计 | 确定专家角色和提示词 | AI不需要扮演不同角色，可以直接调用不同能力 |
| 协作编排 | 设计协作机制和提示词 | AI不需要协作机制，可以端到端完成任务 |
任务复杂度分类（人类视角）
| 类型 | 标记 | 说明 | 典型场景 |
|---|---|---|---|
| 简单任务 | 🟢 | 单一专业领域，1-2个专家即可完成 | 文档翻译、代码审查、数据分析 |
| 中等任务 | 🟡 | 需要2-3个专业领域协作 | 产品设计、技术方案、研究报告 |
| 复杂任务 | 🔴 | 需要4个以上专业领域深度协作 | 系统架构、商业计划、学术论文 |
问题：这种分类是基于人类能力的，AI不需要这样分类。
专家角色分类（人类视角）
| 角色类型 | 标记 | 职责 | 典型专家 |
|---|---|---|---|
| 核心专家 | ⭐ | 负责任务的主要执行 | 架构师、主设计师、首席分析师 |
| 协作专家 | 🤝 | 配合核心专家完成子任务 | 前端开发、测试工程师、数据分析师 |
| 支持专家 | 💡 | 提供专业支持和建议 | 领域专家、顾问、审核员 |
| 协调专家 | 🎯 | 协调专家之间的协作 | 项目经理、产品经理、技术负责人 |
问题：AI不需要这些角色分类，可以直接调用相应能力。
专家选择准则：任务需要什么专业能力就选择什么专家。不是专家越多越好，而是专家越精准越好。每个专家必须有明确的职责边界和协作接口。
问题：AI不需要"选择专家"，可以直接根据任务需求调用能力。
任务复杂度判断标准（人类视角）
满足任一即需组建专家团：
| 条件 | 阈值 | 示例 |
|---|---|---|
| 专业领域数 | ≥2 | 需要技术+设计+产品多个领域 |
| 子任务数 | ≥3 | 需求分析→方案设计→实现→测试→部署 |
| 协作依赖数 | ≥2 | 前端依赖后端接口，测试依赖开发完成 |
| 质量要求 | 高 | 需要多角度审核、交叉验证 |
即使不满足以上条件，只要任务复杂度超过单人能力范围，也可以主动组建专家团。
问题：这些标准是基于人类能力的，AI不需要这些标准。
专家团验证清单（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
专家团组建完成后必须逐项验证，七项全部通过才算组建完成：
| # | 验证项 | 说明 | 问题 |
|---|---|---|---|
| 1 | ⬜ 任务覆盖 | 专家团是否覆盖任务的全部专业需求 | AI不需要"覆盖"，可以直接处理所有需求 |
| 2 | ⬜ 角色清晰 | 每个专家是否有明确的职责边界和协作接口 | AI不需要角色，可以直接调用能力 |
| 3 | ⬜ 协作机制 | 专家之间的协作方式是否明确 | AI不需要协作机制，可以端到端完成 |
| 4 | ⬜ 提示词完整 | 每个专家是否有详细的角色提示词和协作提示词 | AI不需要角色提示词，可以直接理解任务 |
| 5 | ⬜ 执行可行 | 专家团能否从头到尾完成任务 | AI可以直接完成，不需要"专家团" |
| 6 | ⬜ 质量保障 | 是否有质量检查和审核机制 | AI可以直接进行质量检查 |
| 7 | ⬜ 效率合理 | 专家团规模是否与任务复杂度匹配 | AI不需要考虑规模，直接处理任务 |
关键约束："角色清晰"不可妥协——每个专家必须有明确的职责边界，避免职责重叠或遗漏。"协作机制"是核心——专家之间的协作方式必须明确，避免沟通混乱。"提示词完整"是基础——角色提示词和协作提示词必须详细，确保专家能正确执行。
问题：这些约束都是基于人类协作的，AI不需要这些约束。
专家团典型形态（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
| 形态 | 适用场景 | 执行方式 | 问题 |
|---|---|---|---|
| 单专家 | 简单任务，单一专业领域 | 单个专家独立完成 | AI不需要"专家"概念 |
| 小型专家团 | 中等任务，2-3个专业领域 | 核心专家+协作专家，紧密协作 | AI不需要协作 |
| 大型专家团 | 复杂任务，4个以上专业领域 | 核心专家+协作专家+支持专家+协调专家，分层协作 | AI不需要分层 |
选择原则：能单专家的不用小型专家团，能小型专家团的不用大型专家团。专家数量与任务复杂度匹配。
问题：这些形态都是基于人类协作的，AI不需要这些形态。
协作基元（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
协作基元是专家团执行的基本单元：
I(输入) → P(处理) → O(输出)
- I 输入：该步骤需要的信息/资源/前置条件
- P 处理：对输入的加工操作（标注执行专家：⭐核心/🤝协作/💡支持/🎯协调）
- O 输出：该步骤的产出物，作为下一个基元的输入
基元间传递：基元1.O → 基元2.I → ...，通过协作提示词自动传递。
问题：AI不需要标注"执行专家"，可以直接处理。
基元内协作：一个基元内部可以有多个专家协作（如需求分析需要产品经理+架构师+设计师），专家之间通过协作提示词协调。基元内协作不是基元间传递——不需要跨基元边界，但保留专家间的协作能力。
问题：AI不需要"基元内协作"，可以直接处理所有需求。
基元数约束：≤5。超过5说明任务还没充分拆解，需回到"任务分析"步骤。基元内专家数不限，但每个专家必须有明确职责——职责重叠的专家应合并。
问题：AI不需要"基元数约束"，可以直接处理复杂任务。
专家自治度标注（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
| 标记 | 含义 | 典型场景 | 问题 |
|---|---|---|---|
| ⭐ 独立执行 | 专家独立完成，无需其他专家介入 | 数据收集、文档生成、代码编写 | AI不需要"独立执行"概念 |
| 🤝 协作执行 | 专家与其他专家协作完成 | 方案设计、架构评审、测试验证 | AI不需要"协作执行"概念 |
| 💡 支持执行 | 专家提供支持，不直接执行 | 专业建议、审核反馈、知识支持 | AI不需要"支持执行"概念 |
| 🎯 协调执行 | 专家协调其他专家的执行 | 进度协调、任务分配、冲突解决 | AI不需要"协调执行"概念 |
关键规则：核心任务不可标注💡支持执行；任何⭐独立执行环节必须有🤝协作执行或🎯协调执行的兜底方案。
问题：这些规则都是基于人类协作的，AI不需要这些规则。
任务体系（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
领域清单与依赖拓扑
| ID | 任务类型 | 说明 | 依赖 | 能力需求 | 问题 |
|---|---|---|---|---|---|
| R0-01 | 任务分析 | 分析用户提供的任务，识别任务类型、复杂度、专业需求 | 无（入口） | 调研 | AI可以直接分析任务 |
| R0-02 | 专家角色设计 | 根据任务需求设计专家角色，生成详细的角色提示词 | R0-01 | 设计 | AI不需要设计角色 |
| R0-03 | 协作机制设计 | 设计专家之间的协作方式，生成协作提示词 | R0-02 | 设计 | AI不需要协作机制 |
| R0-04 | 专家团组建 | 组建专家团，分配角色和职责 | R0-03 | 执行 | AI不需要组建专家团 |
| R0-05 | 任务执行 | 专家团根据提示词协作完成任务 | R0-04 | 执行 | AI可以直接执行任务 |
| R0-06 | 质量验证 | 验证任务完成质量，确保符合要求 | R0-05 | 调研→合规 | AI可以直接验证质量 |
依赖链路：R0-01 → R0-02 → R0-03 → R0-04 → R0-05 → R0-06
问题：这个任务体系是基于人类协作的，AI不需要这个任务体系。
领域要求清单（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
每种任务类型的"零件清单"——必选/可选组件、组装顺序、领域约束。按清单逐项产出。
R0-01 任务分析
- 必选组件: 用户任务描述、任务类型（简单/中等/复杂）、专业领域列表、子任务列表、协作依赖关系
- 可选组件: 质量要求、时间约束、资源限制
- 组装顺序: 任务接收→任务拆解→专业识别→复杂度评估→依赖分析→任务清单
- 约束: 必须完整分析任务的全部专业需求，不可跳过"理所当然"的领域；复杂度评估必须客观，不可低估
- 格式: 任务分析报告（Markdown）
- 问题: AI可以直接分析任务，不需要这些组件和步骤
R0-02 专家角色设计
- 必选组件: 专家角色列表、每个专家的职责边界、每个专家的协作接口、每个专家的详细角色提示词
- 可选组件: 专家能力要求、专家经验要求、专家工具要求
- 组装顺序: 专家需求分析→角色设计→职责边界划定→协作接口设计→提示词生成→角色清单
- 约束: 每个专家必须有明确的职责边界，避免职责重叠；每个专家必须有详细的提示词，确保能正确执行；专家数量与任务复杂度匹配
- 格式: 专家角色清单（Markdown表格+提示词）
- 问题: AI不需要设计专家角色，可以直接调用能力
R0-03 协作机制设计
- 必选组件: 协作方式（顺序协作/并行协作/混合协作）、协作提示词、信息传递方式、冲突解决机制
- 可选组件: 协作工具、协作频率、协作规范
- 组装顺序: 协作需求分析→协作方式选择→协作提示词设计→信息传递设计→冲突解决设计→协作机制
- 约束: 协作方式必须与任务特性匹配；协作提示词必须详细，确保专家能正确协作；信息传递必须高效，避免信息丢失
- 格式: 协作机制文档（Markdown）
- 问题: AI不需要协作机制，可以端到端完成任务
R0-04 专家团组建
- 必选组件: 专家团成员列表、角色分配、职责分配、协作关系建立
- 可选组件: 专家培训、工具准备、资源分配
- 组装顺序: 专家选择→角色分配→职责分配→协作关系建立→专家团确认
- 约束: 专家选择必须基于任务需求；角色分配必须合理；协作关系必须明确
- 格式: 专家团组建报告（Markdown）
- 问题: AI不需要组建专家团，可以直接处理任务
R0-05 任务执行
- 必选组件: 执行计划、执行步骤、执行结果、协作记录
- 可选组件: 执行工具、执行资源、执行监控
- 组装顺序: 执行计划→执行步骤→执行监控→执行结果→协作记录
- 约束: 执行必须按照计划进行；协作必须按照协作提示词进行；执行结果必须符合任务要求
- 格式: 执行报告（Markdown）
- 问题: AI可以直接执行任务，不需要这些组件和步骤
R0-06 质量验证
- 必选组件: 质量标准、验证方法、验证结果、修正方案
- 可选组件: 质量工具、质量监控、质量报告
- 组装顺序: 质量标准制定→验证方法设计→验证执行→验证结果→修正方案
- 约束: 质量标准必须与任务要求匹配；验证方法必须科学；验证结果必须客观
- 格式: 质量验证报告（Markdown）
- 问题: AI可以直接验证质量，不需要这些组件和步骤
领域范本（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
ET-01 专家团自动组建范本
对应任务: R0-01 ~ R0-06
适用场景: 任何需要多角色协作的任务
问题: 这个范本展示了AI不需要做的复杂流程
专家团组建范本:
## 专家团自动组建记录
### Step 1：任务分析（R0-01）
**问题**：AI可以直接分析任务，不需要这些复杂步骤
**用户任务**：________（如：开发一个Web应用/撰写研究报告/设计产品方案/________）
**任务类型**：________（简单任务 🟢 / 中等任务 🟡 / 复杂任务 🔴）
**专业领域列表**：
| # | 专业领域 | 说明 | 必要性 |
|---|---------|------|--------|
| 1 | ________ | ________ | 必要/可选 |
| 2 | ________ | ________ | 必要/可选 |
| 3 | ________ | ________ | 必要/可选 |
| ... | ... | ... | ... |
**子任务列表**：
| # | 子任务 | 依赖关系 | 执行顺序 |
|---|--------|---------|---------|
| 1 | ________ | 无 | 第1步 |
| 2 | ________ | 依赖子任务1 | 第2步 |
| 3 | ________ | 依赖子任务2 | 第3步 |
| ... | ... | ... | ... |
**任务分析总结**：需要___个专业领域，___个子任务，复杂度为________
### Step 2：专家角色设计（R0-02）
**问题**：AI不需要设计专家角色，可以直接调用能力
**专家角色清单**：
| # | 专家角色 | 角色类型 | 职责边界 | 协作接口 |
|---|---------|---------|---------|---------|
| 1 | ________ | ⭐核心 | ________ | ________ |
| 2 | ________ | 🤝协作 | ________ | ________ |
| 3 | ________ | 💡支持 | ________ | ________ |
| 4 | ________ | 🎯协调 | ________ | ________ |
| ... | ... | ... | ... | ... |
**专家角色提示词**：
#### 专家1：________（角色类型：________）
**角色描述**：________
**职责边界**：
- 负责：________
- 不负责：________
**协作接口**：
- 输入：________
- 输出：________
**能力要求**：
- 专业知识：________
- 技能要求：________
- 工具要求：________
**角色提示词**：
你是一个________专家，负责________。
你的职责包括：
你不负责：
你需要与以下专家协作：
- 专家：你向他提供，他向你提供________
- 专家：你向他提供，他向你提供________
你的工作标准：
你的输出格式：
#### 专家2：________（角色类型：________）
**角色描述**：________
**职责边界**：
- 负责：________
- 不负责：________
**协作接口**：
- 输入：________
- 输出：________
**能力要求**：
- 专业知识：________
- 技能要求：________
- 工具要求：________
**角色提示词**：
你是一个________专家，负责________。
你的职责包括：
你不负责：
你需要与以下专家协作：
- 专家：你向他提供，他向你提供________
- 专家：你向他提供，他向你提供________
你的工作标准：
你的输出格式：
（继续列出所有专家的角色提示词...）
### Step 3：协作机制设计（R0-03）
**问题**：AI不需要协作机制，可以端到端完成任务
**协作方式**：________（顺序协作 / 并行协作 / 混合协作）
**协作提示词**：
专家团协作机制
协作方式
信息传递方式
协作流程
冲突解决机制
协作规范
**协作流程图**：
专家1（）→ 专家2（）→ 专家3（________）→ 最终输出
### Step 4：专家团组建（R0-04）
**问题**：AI不需要组建专家团，可以直接处理任务
**专家团成员列表**：
| # | 专家角色 | 角色类型 | 职责 | 协作关系 |
|---|---------|---------|------|---------|
| 1 | ________ | ⭐核心 | ________ | ________ |
| 2 | ________ | 🤝协作 | ________ | ________ |
| 3 | ________ | 💡支持 | ________ | ________ |
| 4 | ________ | 🎯协调 | ________ | ________ |
**专家团组建确认**：已组建___个专家，覆盖___个专业领域，协作机制为________
### Step 5：任务执行（R0-05）
**问题**：AI可以直接执行任务，不需要这些复杂步骤
**执行计划**：
| # | 执行步骤 | 执行专家 | 输入 | 输出 | 预计时间 |
|---|---------|---------|------|------|---------|
| 1 | ________ | ________ | ________ | ________ | ________ |
| 2 | ________ | ________ | ________ | ________ | ________ |
| 3 | ________ | ________ | ________ | ________ | ________ |
| ... | ... | ... | ... | ... | ... |
**执行结果**：________
**协作记录**：
- 专家1→专家2：________
- 专家2→专家3：________
- ...
### Step 6：质量验证（R0-06）
**问题**：AI可以直接验证质量，不需要这些复杂步骤
**质量标准**：
1. ________
2. ________
3. ________
**验证方法**：________
**验证结果**：
| # | 验证项 | 通过？ | 说明 |
|---|--------|-------|------|
| 1 | ________ | ⬜是/⬜否 | ________ |
| 2 | ________ | ⬜是/⬜否 | ________ |
| 3 | ________ | ⬜是/⬜否 | ________ |
**修正方案**：________
---
### 专家团执行总结
| 维度 | 数据 |
|------|------|
| 专家数量 | ___个 |
| 专业领域 | ___个 |
| 子任务数 | ___个 |
| 执行时间 | ___ |
| 质量评分 | ___/10 |
范本要点:
- 专家团组建的核心是"任务驱动"——根据任务需求设计专家角色
- 每个专家必须有明确的职责边界和协作接口，避免职责重叠或遗漏
- 协作提示词必须详细，确保专家能正确协作
- 质量验证必须客观，确保任务完成质量
- 范本中
________为待用户提供的内容，不可AI编造
问题：这个范本展示了AI不需要做的复杂流程。AI应该直接面对任务，而不是模拟人类团队。
使用规则（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
- 判断是否需要专家团：检查任务是否满足任务复杂度判断标准（4个条件任一）
- 按链路执行：R0-01 → R0-06，不可跳步
- 产出交付：按领域要求清单逐项填充，或按ET-01范本结构替换实际内容
- 用户主权：AI按技能框架产出的内容是起点，不是终稿。用户对任何专家角色有独特的职责边界、协作接口或质量要求，都可以也应当要求修改——尤其是专家角色的取舍，只有用户知道哪些专家对他的任务真正需要。用户还可以主动提供清单（该专家应具备的能力列表）和样本（高质量的同类专家作为参考）作为校准参考，让AI的产出更贴合实际需求
问题：这些规则都是基于人类协作的，AI不需要这些规则。
事实纪律（错误示范）
注意：以下是错误示范，展示为什么AI不需要这样做。
- AI工具能力描述必须基于实际能力，不得夸大
- 专家团规模必须与任务复杂度匹配，不可过度组建
- 专家角色提示词必须详细，不可过于笼统
- 协作机制必须明确，不可含糊不清
- 质量验证必须客观，不可凭感觉通过
问题：这些纪律都是基于人类协作的，AI不需要这些纪律。
总结：为什么AI不需要模拟人类团队
核心观点：AI只认事不认人，没必要模拟人类多角色协作方式。
AI的本质：
- AI拥有广域知识 + 生成能力 + 上下文窗口
- AI可以端到端完成复杂任务
- AI不需要人类式的分工、协调、管理
身份叠加的本质：
- 身份只是呈现层/叙事层字段
- 身份是注意力偏置信号 + 人话翻译器
- 身份不是能力切换机制
- AI不需要通过"扮演不同角色"来获得不同能力
正确的AI工作方式：
- AI直接面对任务，不需要模拟人类角色
- AI根据任务需求调用相应能力，不需要扮演不同身份
- AI端到端完成任务，不需要人类式的协作机制
本技能的定位：
- 本技能是反面教材
- 演示为什么AI不需要模拟人类多角色协作
- 展示传统团队协作模式对AI的不适用性
- 说明AI应该如何直接面对任务