（6764期）Agent Orchestrator – 5大智能体协作模式，复杂任务高效编排

5大智能体协作模式，复杂任务高效编排 多智能体编排框架，提供5种成熟协作模式（工作组、监督者、流水线、专家委员会、自动路由），适合复杂任务并行处理与动态规划场景。 使用说明 核心用法 agent-orchestrator 是面向 OpenClaw 的多智能体编排框架，实现5种经过验证的协作模式： Work Crew（工作组）：并行化同一任务的多角度执行，适用于验证、研究广度、冗余备份 Supervisor（监督者）：动态任务分解与工作者委派，适合复杂规划场景 Pipeline（流水线）：明确定义的顺序阶段处理，带验证门控，适合内容创作流程 Expert Council（专家委员会）：跨领域专家协同审议，适用于风险评估、政策审查 Auto-Routing（自动路由）：智能任务分类，自动路由至 appropriate 专家 显著优点 模式成熟：基于 Anthropic、LangGraph、CrewAI、AutoGen 等研究成果 灵活覆盖：从简单并行到复杂动态规划的全场景支持 智能路由：内置置信度阈值（0.5-0.85+）分级决策机制 产出结构化：支持聚合结果、共识建议、路由决策、分阶段输出 潜在局限 成本敏感：多智能体模式消耗约15倍于单智能体的 token，仅适合高价值任务 异步限制：采用异步 spawn 机制，不支持实时智能体间对话 协调开销：简单任务（如"2+2="）使用本技能会造成资源浪费 阶段状态：当前 Phase 2 已 100% 完成全部5种模式实现 适合人群 需要多视角验证的关键分析任务（如智能合约审计） 复杂研究课题的广度优先探索 跨领域决策需要专家共识的场景 内容创作流水线（研究→草稿→审核→定稿） 混合工作负载的自动化分类与分发 常规风险 成本失控：未评估任务复杂度即启用多智能体，可能导致 token 费用激增 过度工程：固定流程误用 Supervisor、简单任务误用路由分类 收敛失败：部分模式（如 consensus）在观点分歧过大时可能无法达成有效结论 依赖要求：需 OpenClaw 0.8+ 的 sessions_spawn/list/history 能力支持 原始说明 Multi-agent orchestration with 5 proven patterns - Work Crew, Supervisor, Pipeline, Council, and Auto-Routing