📦 Multi-Agent Coordinator — 多智能体调度器

v0.1.0

基于 OpenClaw 的生产级多智能体编排系统，支持四阶段工作流与并行 worker 会话，自动完成研究、合成、实现与验证，并持久化状态到本地。

0· 118·2 当前·3 累计

by @michealxie001

智能体自动化工作流开发工具生产力工具

下载技能包

最后更新

2026/4/1

安全扫描

VirusTotal

可疑

查看报告

OpenClaw

可疑

medium confidence

该技能实现了真正的多智能体协调器，但存在若干不一致与隐患：未声明 CLI 依赖、命令 API 不一致、worker 具备访问本地文件的强能力，安装或运行前需谨慎。

评估建议

该技能在功能上是一个连贯的多智能体编排器，但运行前请采取以下预防措施： - 确保 PATH 中存在 OpenClaw CLI（或等效工具）：脚本会调用 'openclaw sessions spawn' 等子进程命令，而注册元数据却声明无需二进制文件；请先安装并验证拟用的 OpenClaw CLI。 - SKILL.md 与代码对 spawn 命令描述不一致（SKILL.md 显示 'sessions_spawn'，代码使用 'openclaw sessions spawn'）；请根据环境确认正确调用方式。 - 被派生的 worker 被明确允许执行文件操作、shell 命令和网络抓取，并被要求在输出中包含具体文件路径和代码片段——请仅在隔离/沙箱工作区运行，避免机密或敏感文件暴露。 - 请审查 worker 提示模板与脚本（coordinator_v2.py、coordinator_phase2.py、worker.py），确认它们不会将数据外泄到不受控的外部端点。包本身不含外部网络端点，但 worker 提示可能指示子智能体发起网络请求。 - 先在一次性环境（空仓库、无凭据）中测...

详细分析 ▾

ℹ 用途与能力

名称/描述与代码一致：该包实现了协调器与 worker，采用四阶段工作流。但代码调用外部 'openclaw' CLI（SKILL.md 显示 'sessions_spawn' 命令），而注册元数据未声明所需二进制文件。协调器还生成提示，指示派生 worker 使用强大工具（读/写/bash/网络搜索），这符合编排特性，但应声明为运行时依赖。

⚠ 指令范围

SKILL.md 与脚本指示智能体准备提示、派生真实 worker 并处理 XML 通知；worker 提示明确要求使用文件操作、bash、web_fetch 等，并在结果中包含确切文件路径和代码片段。即派生 worker 可读写仓库文件及任何智能体可访问的文件。指令还期望收集并解析 worker 的任意 XML 输出。作用域广泛，包含文件读/写、shell/子进程调用、网络抓取等超出简单编排的动作；虽为功能所需，但风险增加，需验证。

ℹ 安装机制

无安装规范（仅指令），因此不会自动下载任何内容，风险较低。但代码通过子进程调用未声明为必需二进制的 'openclaw' CLI（SKILL.md 建议使用 'sessions_spawn' 工具）——属于未声明的外部依赖。包内无远程压缩包或安装程序。

⚠ 凭证需求

技能未声明所需环境变量或凭据，表面看似极简。实际上，它派生被指示使用强大工具（文件 I/O、bash、web_fetch、web_search）的 worker，并在 .openclaw/scratchpad 下持久化状态。因此本地敏感数据（机密、配置文件）可能暴露给派生 worker。此外，脚本调用的 'openclaw' CLI 可能需要凭据或环境，而包未声明。未声明凭据本身非恶意，但未声明 CLI 依赖与宽泛 worker 工具权限的组合，若预期轻量协调器则显得不成比例。

ℹ 持久化与权限

技能将状态持久化到 .openclaw/scratchpad 与 coordinator_state.json（对编排器属预期行为），且未设置 always:true。它似乎不会修改其他技能或全局智能体设置。然而，worker 提示/结果持久化到文件系统意味着敏感输出将留盘，需按需监控/清理。

安全有层次，运行前请审查代码。

运行时依赖

无特殊依赖

版本

latestv0.1.02026/4/1

首次发布：具备生产级协调器模式，四阶段工作流（研究→合成→实现→验证），通过 sessions_spawn 实现真实并行 worker 派生、XML 任务通知与状态持久化。

● 可疑

安装命令

点击复制

官方npx clawhub@latest install multi-agent

镜像加速npx clawhub@latest install multi-agent --registry https://cn.longxiaskill.com

技能文档

# 多智能体技能（阶段 2.5 – 生产级）生产级多智能体协调系统，支持真实的并行 Worker 执行和完整的四阶段工作流。 ## 快速开始 ### 1. 准备 Worker ``bash cd skills/multi-agent python3 scripts/coordinator_v2.py prepare "Your task description" --role researcher ` 这会生成： - Worker 规格文件 .openclaw/scratchpad/workers/{id}.json - Worker 提示词 .openclaw/scratchpad/prompts/prompt-{id}.txt ### 2. 派生 Worker（真实执行） `bash # 读取生成的 prompt 并派生 prompt=$(cat .openclaw/scratchpad/prompts/prompt-{worker-id}.txt) sessions_spawn --label "multi-agent-worker-{worker-id}" \ --task "$prompt" \ --timeout 300 \ --cleanup keep ` ### 3. 处理完成通知当 Worker 完成时，它会输出 XML 格式的通知。收集并处理： `bash python3 scripts/coordinator_v2.py notify {worker-id} --file notification.xml ` ### 4. 生成规格文档 `bash # 从已完成的 Research Workers 生成规格 python3 scripts/coordinator_v2.py spec {worker-id-1} {worker-id-2} {worker-id-3} ` ### 5. 运行演示 `bash # 四阶段工作流演示（模拟执行） python3 scripts/demo_workflow.py "Your task here" ` ## 架构 ` ┌─────────────────────────────────────────────────────────────────┐ │ COORDINATOR │ │ - spawn_worker() : Prepare worker spec and prompt │ │ - process_notification() : Handle worker completion │ │ - generate_spec() : Synthesize findings from workers │ └────────────────────┬────────────────────────────────────────────┘ │ ┌────────────┼────────────┐ ▼ ▼ ▼ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ Worker 1│ │ Worker 2│ │ Worker 3│ ... (parallel) │(Research│ │(Research│ │(Research│ │ 1) │ │ 2) │ │ 3) │ └────┬────┘ └────┬────┘ └────┬────┘ │ │ │ └────────────┼────────────┘ ▼ ┌─────────────────┐ │ SYNTHESIS │ Coordinator generates spec │ (generate_spec)│ └────────┬────────┘ ▼ ┌───────────┴───────────┐ ▼ ▼ ┌─────────┐ ┌─────────┐ │Worker 4 │ │Worker 5 │ │(Impl 1) │ │(Impl 2) │ └────┬────┘ └────┬────┘ │ │ └──────────┬───────────┘ ▼ ┌─────────────────┐ │ VERIFICATION │ │ (Worker 6, 7...)│ └─────────────────┘ ` ## 文件结构 ` skills/multi-agent/ ├── SKILL.md # 本文件 ├── test-report-phase2.5.md # 测试报告 ├── scripts/ │ ├── coordinator_v2.py # ⭐ 主协调器（生产级） │ ├── demo_workflow.py # 四阶段工作流演示 │ ├── coordinator.py # Phase 1: 模拟版 │ ├── coordinator_phase2.py # Phase 2: 过渡版 │ ├── worker.py # Worker 参考实现 │ └── protocol.py # XML 协议 └── references/ └── ARCHITECTURE.md # 架构设计文档 .openclaw/scratchpad/ # 运行时生成的共享知识 ├── workers/ # Worker 状态 ├── results/ # Worker 结果 ├── specs/ # 规格文档 ├── prompts/ # Worker 提示词 └── coordinator_state.json # 协调器状态 ` ## XML 协议 Worker 必须按以下格式返回结果： `xml {worker-id} completed|failed

One-line summary Detailed findings, changes made, or test results... Include specific file paths and code snippets. `

 ## 四阶段工作流 ### 阶段 1：研究（并行探索） - 派生 2-4 个 Researcher Worker - 每个从不同角度探索问题 - 并行执行，收集发现 ### 阶段 2：综合（合成） - Coordinator 读取所有 Researcher 的发现 - 生成 Implementation Specification - 定义具体的实现步骤 ### 阶段 3：实现（实现） - 派生 1-2 个 Implementer Worker - 基于规格执行代码修改 - 可以并行处理不同模块 ### 阶段 4：验证（验证） - 派生 1-2 个 Verifier Worker - 运行测试，检查回归 - 验证实现正确性 ## 命令 ### coordinator_v2.py

bash # 准备 Worker（创建规格和提示词） python3 coordinator_v2.py prepare "Task description" --role researcher # 处理 Worker 完成通知 python3 coordinator_v2.py notify {worker-id} --file notification.xml # 列出 Workers python3 coordinator_v2.py list python3 coordinator_v2.py list --status completed # 从 Workers 生成规格 python3 coordinator_v2.py spec {id1} {id2} {id3}

` ### demo_workflow.py `

bash # 运行完整演示（模拟执行） python3 demo_workflow.py "Your task" # 查看真实使用示例 python3 demo_workflow.py --real

 ## 与 OpenClaw 的集成 本技能利用 OpenClaw 原生能力： | OpenClaw 功能 | 多智能体用途 | |-----------------|-------------------| |

bash # 运行演示 python3 scripts/demo_workflow.py # 检查生成的文件 ls -la .openclaw/scratchpad/ cat .openclaw/scratchpad/specs/spec-*.md

`` ## 后续步骤 1. 使用它：用真实任务测试四阶段工作流 2. 改进提示词：优化 Worker 提示词模板 3. 增加功能：实现 Agent Teams（阶段 3） 4. 监控：添加 Token 消耗和耗时统计 ## 参考资料 - 架构设计 - 测试报告 - Claude Code Coordinator Mode

数据来源：ClawHub ↗ · 中文优化：龙虾技能库