（1163期）Claude Agent Team Workflows 0.1.0 – 多智能体协作编排框架

多智能体协作编排框架 Claude Code的多智能体协作框架，通过1主脑+4专家角色的标准分工，支持顺序、并行、迭代等4种工作流模式，实现软件开发、内容创作、数据分析等复杂任务的并行化分解与协同完成。 使用说明 核心用法 Agent Team Workflows 是 Claude Code 的实验性多智能体编排框架，核心架构为 1 Lead（主脑）+ 4 Teammates（专家角色）： Lead：任务分配、上下文传递、质量把关、最终输出合成 architect（架构师）：规划者，负责问题框架、任务分解、蓝图制定 developer（开发者）：构建者，负责产出核心交付物（代码、文档、数据、方案等） tester（测试者）：验证者，对照验收标准进行测试和正确性评估 reviewer（审阅者）：批判者，评估质量、风险、一致性，提出改进建议 四大工作流模式 | 模式 | 适用场景 ||------|---------|| sequential | 线性依赖任务，如功能开发、报告撰写 || parallel-merge | 多视角独立探索后合并，如战略分析、研究 || iterative-review | 创作者与批判者迭代打磨，如内容编辑、设计优化（默认最多2轮）|| fan-out-fan-in | 大任务拆分并行处理，如多模块开发、大数据集处理 | 六步协调协议 确认范围（目标、领域、模式、约束、输入、验收标准） 构建工作流实例规范（填写统一模板） 创建团队（使用特定ID实例化4个队友） 创建带依赖的任务（明确输入输出、验收标准） 启动队友并传递丰富上下文（角色卡+任务+输入+输出契约+约束） 协调交接与最终合成（验证、传递、修订、交付） 显著优点 领域通用性强：通过"角色卡（Role Cards）"机制，同一架构可映射到软件、内容、数据、战略、研究等任意领域 并行效率提升：适合可并行化的复杂任务，fan-out-fan-in 模式可显著加速大型工作 质量保障机制：专职验证者和批判者角色，配合迭代审查模式，减少单点失误 结构清晰可控：严格的6步协议和Lead纪律规则，避免多智能体协作常见的上下文混乱和责任模糊 成本透明：明确标注各模式约4-5倍单智能体成本，提供决策依据 潜在局限与风险 实验性功能依赖：需手动启用 CLAUDECODEEXPERIMENTALAGENTTEAMS 环境变量，稳定性未经验证 成本显著增加：团队模式成本为单智能体的3-5倍，简单任务反而低效 上下文传递负担：Teammates无共享历史，Lead必须手动转发所有相关工件，遗漏即导致失败 启动门槛较高：需完整填写工作流实例规范、创建多个带依赖的任务、准备详细的角色卡和契约，前置工作量大 迭代次数限制：默认最多2轮迭代审查，更多需用户批准，可能中断流畅性 无内置失败恢复：队友卡住、输出不合格、停止响应等情况需Lead手动干预，框架仅提供应对指南而非自动处理 适合人群 复杂任务处理者：工作跨度3+个工件/文件，存在明确流水线依赖 多视角需求场景：需要独立专家从不同角度评估（如战略分析需市场、财务、风险多维度） 质量敏感型工作：内容发布、代码合并、研究报告等需要专门验证和审查环节 具备Claude Code环境的技术用户：需能编辑settings.json并管理实验性功能 常规风险 实验性功能不稳定性：可能存在未记录的bug或行为变更 成本失控风险：未按"一人能完成的简单任务不用团队"原则使用，导致费用浪费 上下文丢失导致输出偏差：Lead未完整传递前置工件，队友基于不完整信息工作 权限边界模糊：Lead需用户批准高风险的不可逆操作、外部发布、生产部署，但规则依赖人工判断 原始说明 Universal multi-agent workflow orchestration using Claude Code Agent Teams. Use when user asks to run a team workflow, create an agent team, or coordinate pa...