闲社服务运行正常AI智能体自动化平台
p

并行响应器

技能标识:parallel-responder

|

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 1.0.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

并行响应器

Parallel Responder - 并行回复助手

核心理念

0 秒响应,进度透明,并行对话。

传统方式parallel-responder
等待 20-30 秒0 秒响应
不知道在做什么
每 10 秒进度汇报 |
| 只能干等 | 可以继续问其他问题 |
| 担心 AI 卡住 | 体验流畅自然 |


架构设计

用户消息
↓
任务分类器(简单/中等/复杂)
↓
时间预估器(预计 X 秒)
↓
执行策略选择
↓
┌───────────┬───────────┬───────────┐
│ 简单任务 │ 中等任务 │ 复杂任务 │
│ 直接执行 │ 执行 + 汇报 │ 子 agent │
└───────────┴───────────┴───────────┘



核心功能

1. 任务分类器(Task Classifier)

智能识别任务类型:

类型预计耗时关键词策略
简单< 5 秒状态、怎么样、在吗直接执行
中等
5-15 秒 | 检查、安装、生成 | 执行 + 汇报 |
| 复杂 | > 15 秒 | 整理、分析、写文章 | 子 agent |

自适应学习:

  • - 记录每次任务的实际耗时
  • 自动调整分类阈值
  • 持续优化准确率



2. 时间预估器(Time Estimator)

基于多维度预估:

javascript
预估时间 = 基础时间 × 复杂度系数 × 数据量系数

基础时间:根据任务类型
复杂度系数:1.0-3.0(根据关键词)
数据量系数:1.0-2.0(根据涉及的文件数量)

示例:

输入:帮我整理记忆
输出:{
estimatedTime: 20-30 秒,
confidence: 0.8,
factors: [多文件读取, 多项更新, 归档操作]
}



3. 并行执行器(Parallel Executor)

三种执行策略:

简单任务(< 5 秒):

用户:网关状态怎么样?
AI:[立即回复] ✅ 正常运行!

中等任务(5-15 秒):

用户:检查飞书通道
AI:[立即回复] 好的,预计 10 秒...
[10 秒后] ✅ 完成!步骤 1... 步骤 2...

复杂任务(> 15 秒):

用户:整理记忆
AI:[立即回复] 好的,预计 30 秒,已启动子 agent
[10 秒后] 📊 进度:30% - 读取文件
[20 秒后] 📊 进度:70% - 更新记忆
[30 秒后] ✅ 完成!



4. 进度汇报器(Progress Reporter)

汇报模板:
markdown
📊 进度汇报:{percentage}%

当前步骤: {currentStep}
已完成: {completedSteps}
预计剩余: {remainingTime}

你可以继续问我其他问题。

汇报频率:

  • - 中等任务:完成后一次性汇报
  • 复杂任务:每 10 秒汇报
  • 超长任务(>2 分钟):每 30 秒汇报



使用示例

示例 1:简单任务

用户:在吗?

AI:[0 秒]
在的!随时待命~ 🦞💰



示例 2:中等任务

用户:帮我安装 tavily

AI:[0 秒]
好的,开始安装 tavily,预计 10 秒...



[10 秒后]

✅ 安装完成!

📍 步骤 1/2: 下载 skill... ✅
📍 步骤 2/2: 安装依赖... ✅

tavily 1.0.0 已就绪!



示例 3:复杂任务

用户:帮我写一篇公众号文章

AI:[0 秒]
好的,这个任务需要 30-60 秒。

🚀 已启动子 agent 处理写作任务
⏱️ 预计耗时:30-60 秒
📊 当前进度:0%

你可以继续问我其他问题,我会每 10 秒汇报一次进度。



[10 秒后]

📊 进度汇报:30%

当前步骤: 搜索素材
已完成: 找到 10 篇相关文章
预计剩余: 30 秒



[20 秒后]

📊 进度汇报:60%

当前步骤: 撰写正文
已完成: 完成大纲和开篇
预计剩余: 20 秒



[30 秒后]

📊 进度汇报:90%

当前步骤: 优化润色
已完成: 正文完成,正在检查
预计剩余: 10 秒



[40 秒后]

✅ 任务完成!

文章已保存到:
/root/openclaw/wechat-official/drafts/xxx.md

共 3500 字,阅读时间约 8 分钟。



配置选项

json
{
classification: {
simple: {
maxTime: 5,
keywords: [状态, 怎么样, 在吗, 你好],
strategy: direct
},
medium: {
maxTime: 15,
keywords: [检查, 安装, 生成, 创建],
strategy: execute-and-report
},
complex: {
maxTime: 30,
keywords: [整理, 分析, 写文章, 批量],
strategy: sub-agent
}
},
estimation: {
enabled: true,
showRange: true,
confidence: true
},
reporting: {
enabled: true,
interval: 10,
format: markdown
},
learning: {
enabled: true,
autoAdjust: true,
historySize: 100
}
}



技术实现

核心脚本

  • - task-classifier.js - 任务分类器
  • time-estimator.js - 时间预估器
  • parallel-executor.js - 并行执行器
  • progress-reporter.js - 进度汇报器
  • session-manager.js - 会话管理器

依赖

  • - OpenClaw Gateway
  • sessionsspawn(子 agent)
  • sessionssend(进度汇报)

版本

v1.0.0 - 初始版本

  • - ✅ 任务分类器(简单/中等/复杂)
  • ✅ 时间预估器(基于关键词和复杂度)
  • ✅ 并行执行器(支持子 agent)
  • ✅ 进度汇报器(定期汇报)
  • ✅ 自适应学习(记录历史优化分类)

许可证

MIT

作者

Amber & 小钳 🦞💰

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 parallel-responder-1776275626 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 parallel-responder-1776275626 技能

通过命令行安装

skillhub install parallel-responder-1776275626

下载

⬇ 下载 parallel-responder v1.0.0(免费)

文件大小: 11.92 KB | 发布时间: 2026-4-16 15:53

v1.0.0 最新 2026-4-16 15:53
Parallel Responder v1.0.0 - Initial Release

- Implements intelligent task classification (simple, medium, complex) based on keywords and estimated time.
- Adds a time estimator to predict task duration and handle user expectations.
- Supports parallel execution strategies, including spawning sub-agents for complex tasks.
- Provides real-time progress reporting and updates (immediate reply, scheduled progress reports).
- Features adaptive learning to optimize classification thresholds using historical data.
返回顶部