（7772期）Cord Trees – 运行时自主构建任务执行树

运行时自主构建任务执行树 动态任务树编排框架，支持运行时自主分解复杂目标，提供 spawn/fork/ask/serial 四种原语实现并行执行、上下文继承与人机协作，适合需要弹性工作流的多智能体场景。 使用说明 核心概述 Cord Trees 是一种受 Cord 协议启发的动态任务编排框架，其核心突破在于让智能体在运行时自主构建协调树，而非遵循预定义的工作流。该 skill 将传统静态 pipeline 转化为可演化的决策结构，使 Agent 能够根据任务复杂度、依赖关系和执行状态实时调整分解策略。 核心用法 采用五种原语构建任务树： SPAWN — 隔离上下文启动子任务，适用于独立研究或低成本重启场景 FORK — 继承所有兄弟节点完成结果，用于综合分析和最终集成 ASK — 暂停执行请求人工输入，建立人机协作检查点 SERIAL — 强制顺序执行的子任务序列 GOAL — 根节点，由智能体自主分解为子树 典型工作流包含五阶段：目标分析 → 构建初始树 → 执行就绪节点 → 监控更新状态 → 最终合成。状态通过 cord-state.json 持久化，支持运行时动态重构（子 Agent 可发现新需求并扩展自身子树）。 显著优点 运行时弹性：任务结构随执行发现演化，避免前期过度设计或设计不足 并行效率：自动识别无依赖节点并行执行，相比串行流程显著提速 人机融合：ASK 原语将人类决策嵌入执行关键路径，而非仅作事后审核 故障隔离：SPAWN 的隔离上下文确保单点失败不影响兄弟节点 可审计性：完整状态文件记录决策脉络，支持执行回溯与调试 潜在局限 复杂度门槛：简单任务可能因编排 overhead 反而低效，适合复杂度中高的多步骤目标 状态管理风险：持久化文件损坏或并发写入可能导致树结构不一致 调试难度：动态生成的执行路径使问题定位比静态 workflow 更困难 依赖 OpenClaw 生态：需 sessions_spawn 和 subagents 工具支持，迁移成本存在 无限递归风险：动态扩展子树若缺乏终止条件可能造成资源耗尽 适合人群 需要处理开放性研究问题的 AI 工程师（如技术选型评估、竞品分析） 构建人机协作系统的产品团队（审批流、渐进式澄清场景） 探索多智能体协调的研究者（自主分工、上下文继承实验） 厌倦硬编码 workflow、追求执行时适应性的自动化开发者 常规风险 资源竞争：并行 spawn 过多子 Agent 可能触发 rate limit 或成本激增 上下文污染：fork 继承的兄弟结果若格式不一致，可能误导下游分析 人机延迟：ASK 节点引入不确定等待时间，长时间阻塞需超时机制 循环依赖：blockedBy 配置错误可能造成死锁，需拓扑排序验证 原始说明 Dynamic task tree orchestration inspired by Cord protocol. Agent builds its own coordination tree at runtime — deciding decomposition, parallelism, and depen...