（164期）Agent Swarm – 多智能体集群编排 – 多智能体协同，复杂任务一键拆解

多智能体协同，复杂任务一键拆解 智能体集群编排系统，支持9种专业角色协同处理复杂任务，通过并行/串行调度优化效率与成本，适合多角色协作场景。 使用说明 核心功能 Agent Swarm 是一套完整的多智能体协同编排框架，允许用户将复杂任务拆解为多个子任务，调度不同专业智能体并行或串行执行。系统内置9种专业角色：规划者(pm)、研究员(researcher)、程序员(coder)、写作者(writer)、设计师(designer)、分析师(analyst)、审核员(reviewer)、助手(assistant)和自动化专家(automator)，覆盖从需求分析到交付审核的全流程。 显著优点 高效并行：无依赖子任务可同时派发，显著缩短总耗时，示例显示并行优化可节省约40%时间。 成本优化：不同任务匹配不同模型（Mini/Codex/O3/VL），实际案例显示可节省59%成本。 角色专业化：每个智能体有独立人格定义、工作规范和记忆系统，输出质量优于单一通用模型。 灵活编排：支持纯并行、纯串行、混合模式，通过 sessions_spawn 实现异步调度。 经验累积：内置经验记录机制，智能体可沉淀任务经验用于后续优化。 潜在局限 调试复杂度：多智能体协作失败时，问题定位比单智能体更困难。 通信开销：子任务间需明确的交接格式，上下文传递不当易导致结果碎片化。 延迟累积：串行链路越长，整体等待时间增加，需合理设计依赖关系。 资源占用：多模型同时运行对基础设施要求较高。 适合人群 需要处理跨领域复杂项目的团队或个人 追求效率与成本平衡的中大型任务场景 有明确分工需求的研究、开发、内容生产流程 希望建立可复用智能体工作流的自动化爱好者 常规风险 任务拆解不当：过度拆分导致管理成本超过收益，或拆分不清导致结果难以整合。 模型选择失误：复杂推理任务误用轻量模型，输出质量不达标。 超时与挂起：子任务设置 runTimeoutSeconds 不合理，可能导致长时间阻塞。 经验污染：经验记录缺乏筛选，错误经验被持续复用。 安全风险：coder 和 automator 拥有代码执行权限，需确保任务描述边界清晰，避免恶意指令执行。 使用建议 遵循"简单任务不过度编排"原则，优先在3个以上独立子任务或明确多角色协作场景启用；始终输出执行统计以便优化成本结构。 原始说明 创建和编排多智能体集群完成复杂任务。当用户需要将复杂任务拆解给多个专业智能体并行或串行执行时使用此技能。适用场景：(1) 复杂项目需要多角色协作（规划、调研、编码、写作、设计、分析、审核）(2) 需要并行执行多个独立子任务以提高效率 (3) 需要专业分工以优化成本和质量。关键词：多智能体、Agent集群、任务编排...