多代理开发框架
基础版多代理开发框架,支持任务分解、独立子代理执行和两阶段评审,保障代码高质量迭代和上下文隔离。
天轰穿
@thcjp
Install
$ openclaw skills install @thcjp/multi-agent-dev-free多代理开发框架(Multi-Agent Dev)- 免费版
通过为每个任务派发新鲜子代理执行实现计划,并在每步后进行两阶段评审(规格合规+代码质量),实现基础的高质量迭代. 核心原则: 每任务新鲜子代理 + 两阶段评审 = 高质量迭代
输入格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 多代理开发框架处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |
核心能力
-
智能任务分解
- 读取实现计划文件,提取所有任务的完整文本与上下文
- 创建TodoWrite跟踪所有任务状态,确保进度可见
- 控制器提供完整任务文本给子代理,不让子代理读取计划文件
- 输出:TodoWrite任务列表、每个任务的完整上下文包
-
新鲜子代理执行
- 每个任务派发全新子代理,避免上下文污染
- 控制器提供完整任务文本+场景设定+相关文件内容
- 子代理可提问,控制器回答并提供上下文
- 子代理遵循TDD流程:实现、测试、提交、自评审
- 串行执行所有任务,确保安全
-
基础两阶段评审
- L0自评审:每次实现后,实现子代理自检
- L1规格合规:L0通过后,对照规格检查完整性与多余内容
- L2代码质量:L1通过后,检查代码质量与优秀实践
- 评审顺序:L0→L1→L2,绝不在L1通过前开始L2
- 评审循环:评审发现问题→实现者修复→重新评审,直到通过
-
应急处理
- 子代理提问时:清晰完整回答,提供额外上下文
- 评审发现问题:同一实现子代理修复,评审者重新评审
- 子代理任务失败:派发修复子代理并附具体指令
- 子代理上下文不足:控制器补充缺失上下文,重新派发
快速开始
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
使用流程
领先步:确认前置条件并读取计划
确认有明确的实现计划文件,任务相对独立,在当前会话中执行。读取计划文件,提取所有任务的完整文本和上下文,创建TodoWrite.
第二步:逐任务派发子代理执行
对每个任务:
- 获取任务文本和上下文(已提取)
- 派发实现子代理,提供完整任务文本+场景设定+相关文件内容
- 如子代理有疑问,回答问题后重新派发
- 子代理实现、测试、提交、自评审(L0)
- 派发规格合规评审(L1),不合规则实现者修复后重新评审
- 派发代码质量评审(L2),不通过则实现者修复后重新评审
- 在TodoWrite中标记任务完成
第三步:完成所有任务
所有任务完成后,使用"完成开发分支"流程决定合并或保留分支.
错误处理
| 错误类型 | 原因 | 处理方式 |
|---|---|---|
| 子代理产出与规格不符 | 上下文不足或规格模糊 | 补充完整任务文本+场景设定+相关文件内容,重新派发子代理 |
| 评审循环超过3次 | 实现质量低或规格不清晰 | 检查规格明确性,考虑重新分解任务为更小单元 |
| 子代理上下文污染 | 复用了非新鲜子代理 | 确保每任务派发全新子代理,不复用历史子代理实例 |
示例
示例:钩子安装功能开发
输入: 用户说"使用多代理开发执行这个计划",计划文件为 docs/plans/hook-feature-plan.md,包含3个任务.
执行过程:
[读取计划文件: docs/plans/hook-feature-plan.md]
[提取所有3个任务的完整文本和上下文]
[创建TodoWrite包含所有任务]
# ...
任务1: 钩子安装脚本
[派发实现子代理,提供完整任务文本+上下文]
# ...
实现者: "钩子应安装在用户级还是系统级?"
你: "用户级(./.config/hooks/)"
实现者: "明白。开始实现..."
[稍后] 实现者:
- 实现了install-hook命令
- 添加了测试,5/5通过
- 自评审: 发现漏了--force标志,已添加
- 已提交
# ...
[派发规格合规评审]
规格评审: 规格合规 - 所有要求满足
# ...
[派发代码质量评审]
代码评审: 测试覆盖好,代码整洁。通过.
# ...
[标记任务1完成]
# ...
任务2: 恢复模式
[派发实现子代理]
实现者:
- 添加了verify/repair模式
- 8/8测试通过
- 已提交
# ...
[规格评审: 缺失进度报告,多余--json标志]
[实现者修复: 移除--json,添加进度报告]
[规格评审重新评审: 规格合规]
[代码评审: 魔术数字(100)]
[实现者修复: 提取PROGRESS_INTERVAL常量]
[代码评审重新评审: 通过]
# ...
[标记任务2完成]
# ...
... (任务3类似执行)
# ...
[所有任务完成]
完成!
FAQ
Q1:任务之间有依赖怎么办? 免费版采用串行执行,所有任务按顺序执行。依赖任务需等待前序任务完成后再开始,前序任务的输出作为后续任务的上下文。不确定任务关系时默认串行处理. Q2:评审循环太多导致成本过高怎么办? 使用L0自评审过滤明显问题,减少L1/L2评审循环。确保实现子代理在提交前充分自检。规格清晰的计划能减少规格合规循环。如果评审循环超过3次,应检查规格明确性. Q3:为什么不让子代理读取计划文件? 控制器提供完整任务文本而非让子代理读取计划文件,有两个好处:(1) 无文件读取开销,子代理预先获得完整信息;(2) 控制器精确策展所需上下文,避免子代理被无关任务信息干扰.
依赖说明
运行环境
- Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- 操作系统: Windows / macOS / Linux
依赖项
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
需要配置对应API Key,详见上文环境配置章节
可用性分类
- 分类: MD+EXEC()
API Key配置方式:
export API_KEY=${API_KEY:?请设置环境变量}
配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.
已知限制
- 串行执行无并行加速:免费版所有任务串行执行,不支持选择性并行执行,任务数量较多时耗时较长.
- 无全局评审:免费版不包含L3全局评审,无法检测跨任务的集成问题与接口对齐问题.
- 无依赖图构建:免费版不构建任务依赖图,无法自动识别可并行任务,所有任务按顺序执行.
- 子代理调用成本:每个任务需要实现子代理+2个评审子代理,评审循环增加迭代次数.
升级提示
升级到多代理开发框架专业版即可解锁以下高级能力:
- 选择性并行执行:根据任务依赖关系自动选择并行或串行策略,完全独立任务可并行派发实现子代理,大幅加速开发
- 依赖图构建:自动构建任务依赖图,识别完全独立任务、共享文件任务、有逻辑依赖任务,智能选择最优执行策略
- L3全局评审:所有任务完成后派发全局代码评审子代理,检查整体一致性、集成问题、接口对齐
- 完整应急处理:并行任务冲突自动回退串行、子代理上下文不足自动补充、TodoWrite状态同步检查
- 工作流集成:与git-worktrees(隔离工作空间)、writing-plans(计划创建)、finishing-a-development-branch(分支完成)深度集成
- 红旗防护清单:12项红旗规则确保开发质量,包括分支保护、评审顺序、上下文隔离等
- 评审模板支持:implementer-prompt.md、spec-reviewer-prompt.md、code-quality-reviewer-prompt.md三套专业提示模板
专业版适合需要并行加速、处理复杂多任务开发、或需要全局集成评审的团队和高级用户使用.
输出格式
{
"success": true,
"data": {
"result": "多代理开发框架处理结果",
"execution_time": "0.5s",
"metadata": {
"version": "1.0",
"processor": "multi-agent-dev"
}
},
"execution_log": [
"解析输入参数",
"执行核心处理",
"格式化输出结果"
],
"error": null
}
Top skills in this category
Skill Vetter
@spclaudehomeSecurity-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
Clawdhub
@steipeteUse the ClawdHub CLI to search, install, update, and publish agent skills from clawdhub.com. Use when you need to fetch new skills on the fly, sync installed skills to latest or a specific version, or publish new/updated skill folders with the npm-installed clawdhub CLI.
Evolver
@autogame-17A self-evolution engine for AI agents. Analyzes runtime history to identify improvements and applies protocol-constrained evolution. Communicates with EvoMap...
Evolver
@autogame-17A self-evolution engine for AI agents. Analyzes runtime history to identify improvements and applies protocol-constrained evolution. Communicates with EvoMap...
Openclaw Command Center
@jontsaiMission control dashboard for OpenClaw - real-time session monitoring, LLM usage tracking, cost intelligence, and system vitals. View all your AI agents in o...