agenthub

AgentHub - 多 Agent DAG 编排

AgentHub 提供了将多个 AI Agent 编排为有向无环图（DAG）的模式和工具。AgentHub 不会让一个 Agent 按顺序完成所有工作，而是让你将复杂任务分解为子任务，将每项子任务分配给专门的 Agent，定义它们之间的依赖关系，并将输出合并为连贯的结果。

核心理念：复杂任务的分解效果优于扩展规模。由一个 Agent 执行包含 10 个步骤的顺序任务，会受到上下文限制和质量下降的影响。由五个职责明确的并行 Agent 执行，并经过合并步骤，能更快地得出更好的结果。

核心能力

• DAG 工作流设计 — 将任务建模为节点，并为其定义明确的输入／输出约定和依赖边。
• 并行执行 — 通过拓扑排序、并行分组和 max_parallel 调度实现真正的加速。
• Agent 生命周期管理 — 创建、监控（看板）Agent，并跟踪从 PENDING 到 COMPLETED/FAILED 的状态。
• 质量关卡 — 根据阈值评估输出，并对相互竞争的结果进行排名。
• 输出合并 — 综合、排名筛选或串联终端输出，形成连贯的交付成果。

适用场景

• 任务需要多个职责范围各异的专门 Agent。
• 你希望将原本需要顺序执行的 AI 工作并行化。
• 单个 Agent 在处理长任务时受到上下文限制或质量下降的影响。
• 你需要对多个 Agent 的输出设置质量关卡和合并策略。

先明确需求

设计工作流前，请先确认以下输入。如果有任何一项未知或含糊不清，请先询问，不要自行假设：

• 任务分解 — 工作如何拆分为 Agent 子任务，以及这些子任务之间的依赖关系（用于定义 Init 中的 DAG 节点和边）
• 并行度预算 — 允许同时运行的 Agent 数量（用于设置 max_parallel 调度）
• 合并策略 — 综合、排名筛选或串联（决定 Merge 阶段如何合并输出）

停止规则：只询问最能影响输出的 2-3 个问题。如果用户说“先起草一版”，就继续处理，并在产出内容顶部列出你的假设。

子技能

此技能采用复合式子技能架构。skills/ 中的每个子技能都负责编排生命周期中的一个阶段：

子技能	文件	用途
Init	skills/init.md	初始化多 Agent 工作流定义
Run	skills/run.md	端到端执行已定义的工作流
Spawn	skills/spawn.md	在工作流中创建单个 Agent
Board	skills/board.md	展示 Agent 状态和进度的仪表板
Eval	skills/eval.md	评估 Agent 输出的质量和一致性
Merge	skills/merge.md	将多个 Agent 的输出合并为最终结果
Status	skills/status.md	显示工作流的执行状态和健康状况

生命周期： Init 定义工作流 DAG，Run 编排执行过程，Spawn 创建单个 Agent，Board 提供实时可见性，Eval 检查输出质量，Merge 合并结果，Status 报告整体健康状况（Init → Run → Spawn (parallel) → Eval → Merge，同时由 Board／Status 持续读取状态）。

工具

工具	用途	命令
dag_analyzer.py	验证 DAG 定义（循环、不可达节点、关键路径）	python scripts/dag_analyzer.py --workflow workflow.json --validate --critical-path
session_manager.py	管理编排会话和状态	python scripts/session_manager.py create --json
board_manager.py	管理带状态跟踪的 Agent 任务看板	python scripts/board_manager.py --session session.json --view board
result_ranker.py	对多个 Agent 的输出进行排名和合并	python scripts/result_ranker.py --session session.json --rank --merge synthesize

参考资料

根据任务加载相应的参考资料——保持此文件精简，按需查阅详细内容：

• references/orchestration-core.md — 工作流 DAG 概念、完整的工作流定义 JSON 格式、Agent 状态、执行策略、定义／执行／评估工作流，以及常见 DAG 模式（扇出／扇入、流水线、归约器、验证器链）。设计或运行工作流时阅读。
• references/multi-agent-patterns.md — 深入的模式目录（扇出／扇入、流水线、归约器、验证器链、映射－归约、菱形依赖）、Agent 设计原则、质量门模式、故障处理、扩展表和指标目标。选择模式或设计质量门与故障处理时阅读。
• references/operations-and-quality.md — 最佳实践、常见陷阱、故障排除表和成功标准。调试工作流或根据质量标准验证工作流时阅读。

范围与限制

此技能涵盖：

• 使用 DAG 依赖图设计多 Agent 工作流
• Agent 启动、监控和生命周期管理
• 输出质量评估与排序
• 为连贯的最终交付成果制定结果合并策略

此技能不涵盖：

• 单个 Agent 的设计或提示词工程（请参阅 agent-designer）
• Agent 记忆与自我改进（请参阅 self-improving-agent）
• 运行 Agent 的基础设施（计算、调度、部署）
• Agent 之间的实时流式通信

集成点

技能	集成方式	数据流
agent-designer	定义构成 DAG 节点的单个 Agent 能力	Agent 规格流入；执行结果返回，用于调整 Agent
self-improving-agent	每个 Agent 都可以使用自我改进模式来提升表现	编排产生的会话反馈会输入 Agent 学习循环
prompt-engineer-toolkit	Agent 任务提示词可从提示词工程中获益	优化后的提示词可提升 DAG 中各个 Agent 的质量
context-engine	管理每个 Agent 可见的上下文	上下文检索为每个启动的 Agent 提供相关输入
observability-designer	监控工作流执行情况和 Agent 状态	Agent 状态转换与计时指标会输入仪表板