# Parallel Responder

> 并行回复助手 - 让 AI 回复不再等待。支持任务分类、时间预估、并行执行、进度汇报。 简单任务直接回复，中等任务执行 + 汇报，复杂任务启动子 agent 并行处理。 Parallel Responder - Zero-wait AI responses. Task classification, time estimation, parallel execution, progress reporting.

- Skill: `dvcrn/parallel-responder` (Agent Skill, multi-file: 5 files)
- Install (CLI): `npx skillmds@latest add dvcrn/parallel-responder`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/parallel-responder/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dvcrn/parallel-responder

---


# 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
- sessions_spawn（子 agent）
- sessions_send（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 🦞💰