Parallel Agents — Parallel 代理s

Parallel Agents Skill - REAL AI 版 🚀 使用 OpenClaw 的 sessions_spawn 执行任务，采用真正的 AI 并行代理。 ⚠️ 真实状态：此技能已重写，使用真正的 AI 通过 sessions_spawn。之前模拟代理使用模板。现在真正生成 AI 子会话。 🚨 重要使用注意：编排器必须在 OpenClaw 代理会话内调用，而不是作为独立脚本。为什么？工具模块（提供 sessions_spawn）仅在代理运行时上下文中可用，而不是在子进程/执行调用中。 ✅ 正确：直接从代理代码调用 sessions_spawn（参见 USAGE-GUIDE.md） ❌ 错误：作为独立 Python 脚本通过 exec/subprocess 运行编排器 📖 参见：USAGE-GUIDE.md 有测试过的工作示例和模式 🎯 能力 此技能提供 4 级代理自动化： 级别 功能 功能 1 任务代理（16 种） 内容、开发、QA、文档的专用代理 2 元代理（4 种） 创建、审查、改进和编排其他代理的代理 3 迭代改进 自动质量改进循环（创建者 → 审查者 → 改进者） 4 代理编排器 完全自治的工作流管理 - 只需询问并处理一切 已证明的能力： ✅ 同时生成 20 个并发代理 ✅ 智能模型层次 - Haiku → Kimi → Opus（成本优化） ✅ 自动升级 - 代理在需要时自动使用更好的模型 ✅ 100% 的批量创建测试成功率，具有层次结构 ✅ 3/3 代理在单次迭代中改进到 8.5+ 质量 ✅ 4 代理层次结构，实现完全自治 这实际上做了什么 此技能使用 OpenClaw 的 sessions_spawn 工具创建真正的 AI 子会话。每个“代理”是： 生成的 OpenClaw 会话（不是子进程） 运行真正的 AI（与主机相同的模型） 与其他代理完全隔离 能够使用与主机相同的所有工具 之前的版本：使用模板的子进程工作器 ❌ 当前版本：真正生成的 AI 会话 ✅ 要求 必须在 OpenClaw 会话内运行（用于 sessions_spawn 访问） OpenClaw 网关必须正在运行 会话工具必须在环境中可用 快速开始 ✅ 正确使用：直接从 OpenClaw 代理（如 Scout）调用 sessions_spawn 工具： # 从 tools 导入 sessions_spawn # 代理 1：研究任务 result1 = sessions_spawn( 任务="研究并提供：萨凡纳市最好的 3 家同性恋友好酒吧。以 JSON 格式返回。"， runTimeoutSeconds=90， cleanup="delete" ) # 代理 2：不同研究任务 result2 = sessions_spawn( 任务="研究并提供：最适合生日晚餐的餐厅。以 JSON 格式返回。"， runTimeoutSeconds=90， cleanup="delete" ) # 代理 3：另一个并行任务 result3 = sessions_spawn( 任务="研究并提供：萨凡纳市最好的拍照地点。以 JSON 格式返回。"， runTimeoutSeconds=90， cleanup="delete" ) # 现在所有 3 个代理都在并行运行！ # 使用 sessions_list() 和 sessions_history() 检查结果 ❌ 错误使用：独立脚本 # 这行不通 - 工具模块在子进程中不可用 python3 ~/.openclaw/skills/parallel-agents/ai_orchestrator.py 基本使用 从 ai_orchestrator 导入 RealAIParallelOrchestrator，AgentTask # 创建编排器 orch = RealAIParallelOrchestrator(max_concurrent=5) # 定义任务 tasks = [ AgentTask( 代理类型='content_writer_funny'， 任务描述='写一个关于健身房生活的标题'， 输入数据={'tone': 'motivational'} )， AgentTask( 代理类型='content_writer_creative'， 任务描述='写一个关于健身房生活的标题'， 输入数据={'tone': 'inspirational'} )， ] # 并行执行（实际上生成 AI 会话） results = orch.run_parallel(tasks) 它的工作原理 ┌─────────────────────────────────────────────────────────┐ │ 主会话 │ │ （您的 OpenClaw 实例） │ │ Host AI │ └─────────────────────┬───────────────────────────────────┘ │ sessions_spawn (REAL) │ ┌─────────────┼─────────────┬─────────────┐ │ │ │ │ ┌────▼────┐ ┌────▼────┐ ┌────▼────┐ ┌────▼────┐ │ 代理 1 │ │ 代理 2 │ │ 代理 3 │ │ 代理 N │ │ │ │ │ │ │ REAL AI │ │ REAL AI │ │ REAL AI │ │ REAL AI │ │ 会话 │ │ 会话 │ │ 会话 │ │ 会话 │ └─────────┘ └─────────┘ └─────────┘ └─────────┘ sessions_spawn 集成 每个代理都使用以下方式生成： from tools 导入 sessions_spawn result = sessions_spawn( 任务=代理提示， # 完整任务描述 代理_id=f"agent_{type}_{id}"， # 唯一标识符 模型="kimi-coding/k2p5"， # AI 模型 runTimeoutSeconds=120， # 最大执行时间 cleanup="delete" # 自动