星云多 Agent 协同中枢
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_796b1031/bin20260410。
技能介绍
解决什么问题
多 Agent 系统常见的问题不是单个模型能力不足,而是角色边界不清、过程记录散乱、跨 Agent 沟通缺少统一格式。星云多 Agent 协同中枢 针对 OpenClaw 场景,把任务拆解、信息检索、代码执行、文档撰写、系统监控和用户通知拆成六个固定角色:main、gatherer、coder、writer、monitor、notifier。
它如何工作
技能的核心是一套中心协调 + 固定工作目录 + 强制输出格式:
- 中枢
贾维斯/main负责任务拆解、全局协调、复盘和记忆管理。 - 感知
寻一/gatherer负责资料检索、需求补全。 - 执行
知程/coder负责代码生成、调试和技术反馈。 - 文案
书言/writer负责文档、纪要与表达优化。 - 运维
沐观/monitor负责任务监控、异常告警和日志。 - 通知
简信/notifier负责结果推送和用户沟通。
关键步骤包括启动自检、外部消息进入后由中枢输出核心结果、内部通信使用代码块、按 /0_config 到 /6_output 的目录结构沉淀过程产物,并通过 /memory 保留用户习惯、Agent 长期记忆、任务历史和规则。
适用边界
这套技能更适合需要多角色协作、过程留痕和固定交付格式的 OpenClaw 工作流。若任务只是单次问答、短提示词或不需要持久记忆,可能显得流程偏重;使用时需要关注角色权限、目录写权限、日志长度和记忆文件的实际落地。
使用场景
- 在 OpenClaw 里把一句需求拆成检索、编码、写文档、监控和推送多个子任务,并固定由中枢输出结果。
- 把检索材料、生成代码、运行日志分别沉淀到 `/2_gather`、`/3_code`、`/5_log`,再从 `/6_output` 交付结果。
- 为定时任务或长任务配置监控告警,让 `monitor` 记录异常并在需要时由 `notifier` 推送给用户。
- 使用固定外部消息格式展示核心结果,并用内部通信代码块记录多 Agent 协作过程。
适合人员
- 在 OpenClaw 中搭建多 Agent 工作流,需要明确 `main`、`coder`、`writer` 等角色职责的工程师。
- 希望把任务拆解、资料检索、代码生成、文档撰写和异常监控放在同一套目录与消息格式下的技术负责人。
- 需要给 Agent 协作结果增加稳定用户通知与过程留痕,而非只调用单个模型的开发者。
- 要维护长期记忆、复盘纪要和核心规则目录,并让多 Agent 按角色持续协作的 Agent 应用作者。