Agent Orchestrator

Agent 编排器

Agent 编排器技能负责协调多个专业 AI Agent、技能和工具，以完成需要发挥分布式专业知识优势的复杂任务。它充当指挥者，将子任务委派给合适的 Agent，管理依赖关系，整合结果，并确保最终输出连贯一致。

此技能了解可用 Agent（通用型、运营经理和专业技能）的能力，确定最优的任务分解方式，管理 Agent 间的通信，处理故障，并综合多样化的输出，形成统一结果。它是让多 Agent 协作发挥作用的元层。

对于需要多种专业知识的复杂项目、适合并行执行的任务，或专业 Agent 优于通用方法的工作流，请使用此技能。

核心工作流

工作流 1：分解任务并委派

1. 分析复杂任务：
   • 最终目标是什么？
   • 任务包含哪些部分？
   • 需要哪些专业知识？
2. 匹配可用 Agent/技能：
   • 哪些 Agent 具备相关能力？
   • 每个 Agent 的专长是什么？
   • 它们可以使用哪些工具/MCP？
3. 分解为子任务：
   • 按专业领域划分
   • 确定依赖关系
   • 确定执行顺序
4. 委派给合适的 Agent：
   • 分配子任务并提供明确指示
   • 提供必要的上下文
   • 设定成功标准
   • 指定输出格式
5. 监控执行：
   • 跟踪进度
   • 发现阻塞因素
   • 处理故障
6. 整合结果：
   • 收集 Agent 的输出
   • 解决冲突
   • 综合形成连贯的整体
7. 验证最终结果

工作流 2：并行执行 Agent

1. 识别可并行处理的子任务：
   • 哪些任务相互独立？
   • 哪些任务没有共同依赖？
   • 哪些任务可以并发运行？
2. 准备并行执行：
   • 将子任务分配给 Agent
   • 提供彼此隔离的上下文
   • 设置超时限制
3. 并行启动Agent：
   • 同时启动所有 Agent
   • 保持上下文彼此独立
   • 监控所有执行过程
4. 协调任务完成：
   • 等待所有任务完成
   • 处理迟迟未完成的任务
   • 管理超时故障
5. 汇总结果：
   • 收集所有输出
   • 合并相关发现
   • 解决不一致之处
6. 综合最终输出

工作流 3：顺序 Agent 流水线

1. 设计流水线流程：
   • 按依赖关系排列 Agent 顺序
   • 定义交接节点
   • 指定数据转换方式
2. 按顺序执行流水线：
   • Agent 1：处理初始输入 → 输出 A
   • 验证输出 A
   • Agent 2：处理输出 A → 输出 B
   • 验证输出 B
   • Agent N：处理输出 (N-1) → 最终输出
3. 管理Agent 之间的状态：
   • 向后续 Agent 传递相关数据
   • 在需要时保留上下文
   • 丢弃临时产物
4. 处理流水线故障：
   • 确定发生故障的阶段
   • 重试或使用备用方案
   • 不要传递错误数据
5. 验证端到端结果

工作流 4：自适应 Agent 选择

1. 动态评估任务需求：
   • 需要哪些能力？
   • 复杂程度如何？
   • 有哪些限制条件？
2. 选择最合适的 Agent：
   • 将能力与需求相匹配
   • 考虑 Agent 是否可用
   • 将过往表现纳入考量
   • 适当情况下优先选择专家型 Agent，而非通用型 Agent
3. 提供上下文并委派：
   • 提供针对任务的具体指示
   • 包含相关背景信息
   • 设定明确的期望
4. 评估Agent 的表现：
   • 是否达到标准？
   • 质量是否足够？
   • 耗时是否可以接受？
5. 总结经验以供今后选择：
   • 记录各 Agent 擅长的领域
   • 留意故障模式
   • 优化选择逻辑

工作流 5：错误恢复与回退

1. 检测 Agent 故障：
   • 任务未完成
   • 输出质量不足
   • 超时
   • 抛出错误
2. 诊断故障原因：
   • 任务是否不明确？
   • Agent 是否选错？
   • 输入是否格式错误？
   • 依赖项是否不可用？
3. 尝试恢复：
   • 如果是暂时性错误，使用同一个 Agent 重试
   • 如果是能力不匹配，使用不同的 Agent 重试
   • 如果任务过于复杂，简化任务后重试
   • 如果无法恢复，则升级给人工处理
4. 记录故障与恢复情况
5. 如果恢复成功，则继续工作流

快速参考

操作	命令/触发语
委派复杂任务	"Orchestrate agents for [task]"
并行运行 Agent	"Run these tasks in parallel: [tasks]"
创建 Agent 流水线	"Create pipeline: [agent1] → [agent2] → [agent3]"
选择最佳 Agent	"Which agent should handle [task]?"
协调工作流	"Coordinate [workflow] across agents"
处理 Agent 故障	"Agent [X] failed on [task], recover"
整合 Agent 输出	"Synthesize outputs from [agents]"

最佳实践

• 根据任务匹配专业能力：专业工作使用专门的 Agent

  • 使用 Operations Manager 协调项目
  • 使用 UI Builder 设计组件
  • 使用 Database Designer 设计架构
  • 不要事事都使用通用型 Agent

• 提供清晰的上下文：每个 Agent 都需要了解自己的角色

  • 更大的目标是什么？
  • 这个 Agent 的具体职责是什么？
  • 预期输出是什么？
  • 这项工作如何融入工作流？

• 管理依赖关系：明确执行顺序

  • Agent B 需要 Agent A 的输出
  • Agent C 可以与 Agent A 和 B 并行运行
  • Agent D 等待 Agent B 和 C

• 验证交接内容：不要在 Agent 之间传递错误数据

  • 检查输出格式
  • 验证完整性
  • 根据架构验证
  • 出现问题时立即失败

• 妥善处理故障：Agent 有时会失败

  • 准备备用 Agent
  • 实施重试逻辑
  • 避免故障级联
  • 记录信息以供事后复盘

• 优化沟通：尽量减少 Agent 之间的交流

  • 只传递必要的数据
  • 使用结构化格式
  • 避免冗余信息
  • 适当压缩

• 监控进度：了解当前情况

  • 跟踪哪些 Agent 正在运行
  • 找出瓶颈
  • 尽早检测故障
  • 提供状态更新

• 周全地整合：协调整合不同输出

  • 解决冲突
  • 保持一致性
  • 保留重要细节
  • 形成统一的叙述

Agent 能力图谱

可用 Agent/技能

Agent/技能	专长	最适合	不适合
General-Purpose	广泛任务	快速任务、通用编码	复杂编排
Operations Manager	项目协调	工作流、时间线、资源	编写代码
UI Builder	前端设计	组件、布局、样式	后端逻辑
Database Designer	架构设计	表、关系、RLS	前端工作
API Designer	端点设计	RESTful API、验证	UI/UX
Testing QA	测试创建	E2E 测试、测试计划	功能开发
Performance Optimizer	速度优化	指标、缓存、延迟加载	初始开发
Deployment Automation	CI/CD	Vercel、环境、流水线	功能编码
Prompt Engineer	AI 优化	改进提示词、AI 工作流	非 AI 任务
Skill Creator	技能开发	创建新技能	日常任务
Workflow Designer	流程设计	复杂工作流	简单任务
Chain Builder	提示词序列	多步骤 AI 任务	单条提示词

MCP/工具访问

Agent	可用 MCP/工具
通用	全部（Playwright、Supabase、GitHub、Firecrawl、Memory）
运营经理	GitHub（PR、问题），Memory（跟踪）
UI 构建者	Playwright（测试），Memory（设计决策）
数据库设计师	Supabase（迁移、查询），Memory（架构）
测试 QA	Playwright（端到端测试），GitHub（测试运行）

编排模式

模式 1：专家小组

Task → [Expert A, Expert B, Expert C] → Synthesize → Decision

适用场景：需要针对同一问题征求多方意见 示例：架构决策 → [性能专家、安全专家、可维护性专家] → 建议

模式 2：流水线

Task → Agent A → Agent B → Agent C → Output

适用场景：需要按顺序进行转换 示例：设计 → 实现 → 测试 → 部署

模式 3：分而治之

Task → Split → [Agent 1: Part A, Agent 2: Part B, Agent N: Part N] → Merge → Output

适用场景：大型任务可拆分为多个独立部分 示例：多页面应用 → [每个页面由一个 Agent 负责] → 集成

模式 4：监督者-工作者

Supervisor analyzes → Delegates to Workers → Workers execute → Supervisor integrates

适用场景：需要集中协调 示例：项目经理 → [功能开发者] → 集成

模式 5：协作改进

Agent A: Draft → Agent B: Critique → Agent A: Revise → Validate → Output

适用场景：通过迭代提升质量 示例：作者 → 审阅者 → 作者 → 定稿

模式 6：专家路由

Analyze task → Route to appropriate specialist → Specialist executes → Return

适用场景：不同类型的任务需要不同的 Agent 示例：问题分流 → [Bug 交给 QA | 功能交给开发者 | 运维交给 DevOps]

委派模板

标准委派

**Agent**: [Agent name]
**Task**: [Clear, specific task description]
**Context**: [Relevant background information]
**Inputs**: [Provided data/resources]
**Expected Output**: [Format and content requirements]
**Success Criteria**: [How to know it's done well]
**Constraints**: [Limitations or requirements]
**Deadline**: [If time-sensitive]

并行委派

**Parallel Execution**: [N agents]

**Agent 1**: [Agent name]
- Task: [Task 1]
- Output: [Output 1]

**Agent 2**: [Agent name]
- Task: [Task 2]
- Output: [Output 2]

**Integration**: [How to combine outputs]

流水线委派

**Pipeline**: [Agent A] → [Agent B] → [Agent C]

**Stage 1**: [Agent A]
- Input: [Initial data]
- Task: [Transform 1]
- Output: [Intermediate 1]

**Stage 2**: [Agent B]
- Input: [Intermediate 1]
- Task: [Transform 2]
- Output: [Intermediate 2]

**Stage 3**: [Agent C]
- Input: [Intermediate 2]
- Task: [Transform 3]
- Output: [Final output]

协调策略

实时协调

• 适用场景：Agent 需要在执行过程中交互
• 方式：共享上下文、消息传递、状态更新
• 权衡：更复杂，但更灵活

批量协调

• 适用场景：Agent 独立工作，最后再集成
• 方式：收集所有输出，然后合并
• 权衡：更简单，但适应性较差

层级协调

• 适用场景：权责结构明确
• 方式：监督者进行委派，工作者汇报结果
• 权衡：结构清晰，但可能形成瓶颈

点对点协调

• 适用场景：Agent 平等协作
• 方式：共享工作区、相互了解进展
• 权衡：灵活，但需要明确的协议

冲突解决

当 Agent 产出互相冲突时：

1. 识别冲突：

   • 哪些内容不一致？
   • 哪些 Agent 意见不一？
   • 分歧的性质是什么？

2. 评估来源：

   • 哪个 Agent 在此问题上更权威？
   • 置信度如何？
   • 理由是什么？

3. 使用策略解决：

   • 权威性：信任专家
   • 投票：少数服从多数（适用于多个 Agent）
   • 综合：结合双方的优点
   • 升级处理：请人类作出决定

4. 记录解决结果：

   • 冲突是什么？
   • 如何解决的？
   • 为什么选择这种方案？

性能优化

降低开销

• 单个 Agent 足以完成时，不要进行编排
• 尽量减少交接和数据传递
• 对独立任务使用并行执行
• 缓存重复计算结果

负载均衡

• 在各 Agent 间均匀分配工作
• 避免单个 Agent 成为瓶颈
• 考虑 Agent 的容量和速度
• 使用排队机制处理突发工作负载

故障隔离

• 不要让一个 Agent 的故障导致工作流崩溃
• 对不可靠的 Agent 使用熔断器
• 准备备用方案
• 实施超时限制

监控与可观测性

跟踪以下指标：

• Agent 利用率：每个 Agent 有多忙？
• 任务完成时间：每个 Agent 需要多长时间？
• 成功率：哪些 Agent 成功或失败？
• 交接效率：交接是否顺畅？
• 集成质量：输出整合得如何？
• 错误率：故障发生在哪里？
• 成本：每个 Agent 的 Token 用量

编排示例

功能开发工作流

**Orchestrator**: Coordinate feature development

1. **Requirements Analysis** (Operations Manager)
   - Clarify requirements
   - Define scope
   - Identify constraints

2. **Parallel Design Phase**
   - **UI Builder**: Design components
   - **Database Designer**: Design schema
   - **API Designer**: Design endpoints

3. **Integration Review** (Orchestrator)
   - Ensure designs are compatible
   - Resolve conflicts
   - Approve for implementation

4. **Implementation** (General-Purpose)
   - Build based on approved designs

5. **Quality Assurance** (Testing QA)
   - Generate E2E tests
   - Run test suite
   - Report issues

6. **Fix Issues** (General-Purpose)
   - Address failing tests

7. **Deployment** (Deployment Automation)
   - Deploy to staging
   - Verify deployment
   - Deploy to production

内容创作流水线

**Orchestrator**: Create technical blog post

1. **Research** (General-Purpose + Firecrawl)
   - Gather sources
   - Extract key information

2. **Parallel Analysis**
   - **Prompt Engineer**: Analyze for clarity
   - **Workflow Designer**: Identify structure
   - **Output Formatter**: Determine format

3. **Draft** (General-Purpose)
   - Write based on research and analysis

4. **Review & Edit** (Prompt Engineer)
   - Review for quality
   - Suggest improvements

5. **Revise** (General-Purpose)
   - Apply feedback

6. **Format** (Output Formatter)
   - Format for target platform

7. **Generate Metadata** (General-Purpose)
   - SEO metadata
   - Social snippets