Task Orchestra

协调多个智能体与任务，以支持复杂工作流。

适用场景

• 需协调的多步骤操作
• 独立任务的并行执行
• 存在依赖关系的复杂工作流
• 为大型项目编排子智能体

核心能力

1. 任务协调

• 将复杂任务拆解为可管理的步骤
• 管理任务之间的依赖关系
• 协调并行执行
• 处理任务排序与调度

2. 智能体编排

• 启动并管理多个子智能体
• 将任务路由至合适的智能体
• 监控进度并处理失败情况
• 聚合来自多个来源的结果

3. 工作流管理

• 定义工作流模式与模板
• 实现错误处理与恢复机制
• 管理状态与进度追踪
• 协调智能体之间的任务交接

4. 依赖解析

• 分析任务依赖关系
• 生成执行顺序
• 支持条件执行
• 管理资源冲突

编排模式

1. 顺序执行

Task A → Task B → Task C

2. 并行执行

Task A, Task B, Task C → Aggregate

3. 流水线处理

Input → Task A → Task B → Task C → Output

4. 监督者模式

Coordinator → Multiple Subagents → Results

5. 事件驱动处理

Event → Trigger → Response → Next Event

快捷操作

• orchestrate [workflow] — 执行复杂工作流
• parallel [tasks] — 并行运行任务
• pipeline [steps] — 按顺序串联任务
• supervise [agents] — 管理多个智能体
• dependencies [tasks] — 分析并解析依赖关系

使用示例

"Orchestrate a complete research project with multiple agents"
"Run these tasks in parallel and combine results"
"Create a pipeline for content creation from research to publication"
"Supervise a team of agents working on different aspects"
"Analyze dependencies and create execution order"

工作流模板

研究项目

1. Research Topic → Research Agent
2. Data Collection → Data Agent
3. Analysis → Analysis Agent
4. Report Generation → Writing Agent
5. Review → QA Agent

内容创作

1. Topic Research → Research Agent
2. Outline Creation → Writing Agent
3. Draft Writing → Writing Agent
4. Editing → Editing Agent
5. Publication → Publishing Agent

软件开发

1. Requirements → Analysis Agent
2. Design → Design Agent
3. Implementation → Coding Agent
4. Testing → QA Agent
5. Deployment → Deployment Agent

智能体管理

启动智能体

sessions_spawn({ task: "specific task", label: "agent-name", mode: "run" })

监控进度

subagents list

处理失败

subagents kill [agent-id]
subagents steer [agent-id] "new instructions"

依赖解析

依赖类型

• 数据依赖：Task B 需要 Task A 的输出
• 资源依赖：多个任务共享同一资源
• 顺序依赖：任务必须按特定顺序执行
• 条件依赖：仅当满足条件时才执行任务

解析流程

1. 识别所有依赖关系
2. 构建依赖图
3. 计算拓扑序
4. 按依赖顺序执行
5. 处理冲突与环路

错误处理

常见故障场景

• 智能体故障：子智能体崩溃或超时
• 依赖故障：必需任务执行失败
• 资源冲突：多个智能体争用同一资源
• 网络问题：API 调用失败或超时

恢复策略

• 重试：重新执行失败任务
• 替代方案：采用不同方法或切换智能体
• 跳过：忽略失败任务继续执行
• 回滚：撤销此前已完成的步骤

状态管理

进度追踪

• 记录已完成任务
• 监控当前执行状态
• 保存各任务结果
• 维护整体工作流状态

检查点（Checkpointing）

• 在关键节点保存执行进度
• 支持从检查点重启
• 确保故障发生后状态一致性

通信模式

父智能体 → 子智能体

/sessions_send [agent-id] "instructions"

子智能体 → 父智能体

Auto-announce results
Reply with findings
Report errors and status

智能体 ↔ 智能体

通过文件共享数据
通过共享状态协调
触发其他智能体

性能优化

并行执行

• 识别相互独立的任务
• 尽可能并行执行
• 高效聚合结果

资源管理

• 监控各智能体资源使用情况
• 在智能体间均衡负载
• 避免资源冲突

效率指标

• 任务完成耗时
• 资源利用率
• 错误率
• 成功率

安全考量

智能体限制

• 最多 10 个并发子智能体
• 最多 2 层嵌套深度
• 每个智能体默认超时时间为 10 分钟
• 自动清理已终止智能体

数据完整性

• 校验任务输入/输出
• 保障数据一致性
• 妥善处理部分失败
• 确保操作原子性

高级模式

1. 分层式编排

Main Coordinator → Team Coordinators → Individual Agents

2. 动态任务分配

根据智能体能力分配任务
智能体失败时重新分配任务
动态均衡负载

3. 事件驱动工作流

Event → Trigger → Agent → Result → Next Event

4. 自适应规划

Plan → Execute → Monitor → Adjust → Repeat

与其他技能集成

Self-Evolution

• 用于复杂的自我提升任务
• 协调多个进化智能体
• 管理长期能力构建过程

Analysis Skills

• 编排研究项目
• 协调数据分析任务
• 管理多步骤调查流程

Content Creation

• 协调内容生产流水线
• 管理多智能体协同内容创作
• 编排发布工作流

速查参考

常用命令

# 列出正在运行的智能体
subagents list

# 终止失败的智能体
subagents kill [id]

# 发送指令
sessions_send [agent-id] "message"

# 启动新智能体
sessions_spawn({ task: "task", label: "name", mode: "run" })

工作流示例

# 研究项目
orchestrate "research-project" with agents: research, analysis, writing

# 内容流水线
pipeline "content-creation" with steps: research, outline, draft, edit, publish

# 软件开发
supervise "dev-team" with agents: analysis, design, coding, testing, deployment

最佳实践

1. 从简单开始：优先采用顺序执行模式
2. 逐步引入并行：识别真正独立的任务
3. 健全错误处理：实现鲁棒的容错机制
4. 持续监控进度：跟踪执行过程与结果产出
5. 优化性能表现：合理平衡负载与资源分配

成功度量指标

• 任务完成率
• 执行时间效率
• 资源利用率
• 错误恢复有效性
• 整体工作流成功率

请牢记：优秀的编排能力能让复杂任务变得可控且可靠。