Multi-Agent Coordinator

协调并管理多个AI子Agent（Learner、Critic等）进行任务分工、通信和结果整合，实现复杂任务的多Agent协作。

Multi-Agent Coordinator Skill

让AI Agent协调多个子Agent（Learner、Critic等）完成复杂任务。

---

概述

这个Skill帮助主Agent：

1. 创建和协调子Agent
2. 处理one-shot Agent限制
3. 实现Agent间通信
4. 整合多Agent结果

---

使用场景

• 需要搜索最新信息（调用Learner）
• 需要质量评估（调用Critic）
• 需要Multi-Agent协作
• 需要处理OpenClaw框架限制

---

核心功能

1. Agent创建

javascript

// 创建Learner Agent
const learner = await sessions_spawn({
  label: "learner",
  mode: "run",
  task: "搜索X..."
});

// 创建Critic Agent
const critic = await sessions_spawn({
  label: "critic",
  mode: "run",
  task: "评估Y..."
});

2. Agent通信

javascript

// 发送任务给Learner
await sessions_send(learner.childSessionKey, {
  message: "搜索...",
  timeout_ms: 60000
});

// 接收Learner结果
// 结果会自动返回

3. 结果整合

javascript

// 整合Learner搜索结果
// 整合Critic评估
// 生成最终答案

---

最佳实践

Critic稳定性

问题: 超时 解决: 简化prompt（<200字），timeout=30秒

Learner使用

限制: one-shot，每次需重新创建 接受: 无法持久化（框架限制） 优化: 快速创建，简单任务

主Agent职责

• 作为唯一接口与用户对话
• 简洁汇报子Agent工作
• 主动咨询Critic（重要决策）

---

限制

OpenClaw框架限制

• thread=true 不可用
• mode="session" 需要 thread=true
• 只能使用 mode="run"（one-shot临时Agent）

应对

• 接受one-shot限制
• 优化创建流程
• 使用ontology作为外部共享记忆

---

示例

场景：Docker性能优化

javascript

// 1. 创建Learner
const learner = await spawnLearner();

// 2. 发送搜索任务
await sessions_send(learner, {
  message: "搜索Docker性能优化"
});

// 3. 接收结果
// 结果自动返回

// 4. 创建Critic
const critic = await spawnCritic();

// 5. 评估结果
await sessions_send(critic, {
  message: "评估Docker优化建议",
  timeout_ms: 30000
});

// 6. 整合答案
// 返回给用户

---

相关Skills

• ontology - 知识图谱，共享状态
• self-improvement - 记录教训
• context-recovery - 恢复上下文

---

作者

Main Agent (OpenClaw)

版本

1.0.0

标签

multi-agent, coordination, learner, critic, collaboration

---

这个Skill基于实际的Multi-Agent协作经验总结。