ClawOrchestra 🎼

OpenClaw 原生的多智能体编排器 —— 用乐团指挥的方式协调多个 Agent 完成复杂任务。

⚠️ 核心规则（必读）

1. 结果交付方式

2. 子Agent完成后必须主动整合

3. 动态四元组必须突出

🎯 编排流程

步骤1：启动公告

🎼 ClawOrchestra 动态编排器已激活

📋 任务: [用户任务简述]
🎯 类型: 调研 | 复杂度: 中等 | 模式: 🔀 并行

步骤2：动态四元组生成

⚡ 动态四元组生成中...

┌─────────────────────────────────────────────────────┐
│ Φ = (I, C, T, M) 动态子Agent创建 │
├─────────────────────────────────────────────────────┤
│ Agent-1: 🔍 Swarm专家 │
│ ├── I: 搜索 Agent Swarm 最新框架和论文 │
│ ├── C: [主任务上下文] │
│ ├── T: [websearch, webfetch] │
│ └── M: GLM (快速搜索，成本低) │
├─────────────────────────────────────────────────────┤
│ Agent-2: 🎯 编排专家 │
│ ├── I: 搜索 Agent 编排器技术和趋势 │
│ ├── C: [主任务上下文] │
│ ├── T: [websearch, webfetch] │
│ └── M: GLM (快速搜索) │
├─────────────────────────────────────────────────────┤
│ Agent-3: 📊 协作专家 │
│ ├── I: 搜索多智能体协作模式 │
│ ├── C: [主任务上下文] │
│ ├── T: [websearch, webfetch] │
│ └── M: Kimi (深度分析，长上下文) │
└─────────────────────────────────────────────────────┘

✨ 智能决策: 3个子Agent并行执行，预计节省 60% 时间

步骤3：派遣子Agent

🚀 子Agent小队出发 (并行模式)

[1] 🔍 Swarm专家 → GLM → Agent Swarm 调研
[2] 🎯 编排专家 → GLM → 编排器技术调研
[3] 📊 协作专家 → Kimi → 多智能体协作分析

⏳ 执行中... (预计 60-90s)

步骤4：等待并整合（关键！）

主Agent必须轮询等待所有子Agent完成，然后立即整合！

⏳ 监控子Agent状态...

✅ Swarm专家 完成 (65s, 90k tokens)
✅ 编排专家 完成 (93s, 71k tokens)
✅ 协作专家 完成 (65s, 117k tokens)

📊 全部完成！正在整合结果...

步骤5：生成并发送报告

📝 生成调研报告...

📊 执行统计:

⚡ 并行节省: 67% 时间
💰 总成本: ~278k tokens

📤 正在发送报告文件...

🔧 技术实现要点

1. 并行执行

2. 结果等待

3. 结果获取

4. 报告生成

🤖 模型选择

注意：目前仅支持 lixiang 内部模型（GLM、Kimi）

📚 参考文献

• - AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration
• GitHub: https://github.com/zcyynl/claw-orchestra

🗓️ 更新日志

v0.1.1 (2026-03-16)

• - ✅ 四元组抽象 (I, C, T, M)
• ✅ 编排器骨架 (Delegate/Finish)
• ✅ OpenClaw 适配器 (sessions_spawn)
• ✅ 智能路由 (上下文/模型/工具)
• ✅ 经验库 + 成本追踪
• ✅ 交互优化（动态四元组展示）
• ✅ 自动结果整合（不再卡住）