# Agent Orchestrator > 编排生态系统中所有智能体的元技能。自动扫描技能、按能力匹配、协调多技能工作流和注册表管理。触发词：智能体编排、多智能体协调、技能匹配、工作流编排、agent orchestrator、multi-agent、skill orchestration、技能调度、多技能协调 - Skill: `kscz0000/agent-orchestrator` (Agent Skill, multi-file: 7 files) - Install (CLI): `npx skillmds@latest add kscz0000/agent-orchestrator` - Raw SKILL.md: https://api.skillmd.com/api/skills/kscz0000/agent-orchestrator/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: AI & ML - Author: kscz0000 (https://skillmd.com/u/kscz0000) - Updated: 2026-09-21 - Page: https://skillmd.com/skills/kscz0000/agent-orchestrator --- # Agent Orchestrator ## 概述 编排生态系统中所有智能体的元技能。自动扫描技能、按能力匹配、协调多技能工作流和注册表管理。 ## 何时使用此技能 - 当你需要此领域的专业协助时 ## 何时不使用此技能 - 任务与智能体编排无关 - 更简单、更具体的工具可以处理请求 - 用户需要无领域专业知识的通用协助 ## 工作原理 作为整个技能生态系统核心决策和协调层的元技能。执行自动扫描、识别相关智能体，并为复杂任务编排多个技能。 ## 原则：零手动干预 - **始终执行扫描**，在处理任何请求之前 - 新技能在任意子文件夹创建 SKILL.md 后**自动检测并纳入** - 被移除的技能从注册表中**自动排除** - 无需手动命令即可注册新技能 --- ## 必要工作流（每次请求） 在处理任何用户请求之前执行这些步骤。 脚本自动使用相对路径——可在任意目录运行。 ## 步骤 1：自动发现（扫描） ```bash python agent-orchestrator/scripts/scan_registry.py ``` 通过 MD5 哈希缓存实现超快速（<100ms）。仅重新处理已更改的文件。 返回包含所有已发现技能摘要的 JSON。 ## 步骤 2：技能匹配 ```bash python agent-orchestrator/scripts/match_skills.py "<用户请求>" ``` 返回按相关性排序的技能 JSON。解读结果： | 结果 | 操作 | |:-----------------------|:--------------------------------------------------------| | `matched: 0` | 无相关技能。正常操作，不使用技能。 | | `matched: 1` | 一个相关技能。加载其 SKILL.md 并执行。 | | `matched: 2+` | 多个技能。执行步骤 3（编排）。 | ## 步骤 3：编排（若匹配数 >= 2） ```bash python agent-orchestrator/scripts/orchestrate.py --skills skill1,skill2 --query "<请求>" ``` 返回包含模式、步骤顺序和技能间数据流的执行计划。 ## 快速步骤（快捷方式） 对于简单查询，步骤 1+2 可按顺序组合： ```bash python agent-orchestrator/scripts/scan_registry.py && python agent-orchestrator/scripts/match_skills.py "<请求>" ``` --- ## 技能注册表 注册表位于： ``` agent-orchestrator/data/registry.json ``` ## 搜索位置 扫描器在以下位置查找 SKILL.md： 1. `.claude/skills/*/`（Claude Code 中注册的技能） 2. `*/`（顶层的独立技能） 3. `*/*\`（子文件夹中的技能，深度至 3 层） ## 每个技能的元数据 注册表中的每个条目包含： | 字段 | 描述 | |:---------------|:---------------------------------------------------| | name | 技能名称（来自 YAML frontmatter） | | description | 完整描述（包含触发词） | | location | 目录的绝对路径 | | skill_md | SKILL.md 的绝对路径 | | registered | 是否在 .claude/skills/ 中（true/false） | | capabilities | 能力标签（自动提取 + 显式声明） | | triggers | 从描述中提取的激活关键词 | | language | 主要语言（python/nodejs/bash/none） | | status | active / incomplete / missing | ## 注册表命令 ```bash ## 快速扫描（使用哈希缓存） python agent-orchestrator/scripts/scan_registry.py ## 详细状态表 python agent-orchestrator/scripts/scan_registry.py --status ## 完整重新扫描（忽略缓存） python agent-orchestrator/scripts/scan_registry.py --force ``` --- ## 匹配算法 对于每个请求，匹配器使用以下标准对技能评分： | 标准 | 分数 | 示例 | |:-----------------------------|:-------|:--------------------------------------| | 查询中包含技能名称 | +15 | "use web-scraper" -> web-scraper | | 精确关键词触发 | +10 | "scrape" -> web-scraper | | 能力类别 | +5 | data-extraction -> web-scraper | | 词汇重叠 | +1 | 查询词出现在描述中 | | 项目加成 | +20 | 技能分配给活跃项目 | 最低阈值：5 分。低于此分数的技能将被忽略。 ## 按项目匹配 ```bash python agent-orchestrator/scripts/match_skills.py --project meu-projeto "查询内容" ``` 分配给项目的技能自动获得 +20 加成。 --- ## 编排模式 当多个技能相关时，编排器对模式进行分类： ## 1. 顺序管道 技能形成链式结构，一个的输出作为下一个的输入。 **适用场景：** "生产者"技能（data-extraction、government-data）与"消费者"技能（messaging、social-media）的组合。 **示例：** web-scraper 收集价格 -> whatsapp-cloud-api 发送警报 ``` user_query -> web-scraper -> whatsapp-cloud-api -> result ``` ## 2. 并行执行 技能独立处理请求的不同方面。 **适用场景：** 所有技能角色相同（全部为生产者或全部为消费者）。 **示例：** instagram 发布帖子 + whatsapp 发送通知（两者接收相同内容） ``` user_query -> [instagram, whatsapp-cloud-api] -> aggregated_result ``` ## 3. 主技能 + 支援 一个主技能主导；其他提供辅助数据。 **适用场景：** 一个技能的分数远高于其他（>= 2 倍）。 **示例：** whatsapp-cloud-api 发送消息（主）+ web-scraper 提供数据（支援） ``` user_query -> whatsapp-cloud-api (primary) + web-scraper (support) -> result ``` ## 详情见 `references/Orchestration-Patterns.md` --- ## 项目管理 将技能分配给项目可实现相关性加成和持久上下文。 ## 项目文件 ``` agent-orchestrator/data/projects.json ``` ## 操作 **创建项目：** 向 projects.json 添加条目： ```json { "name": "nome-do-projeto", "created_at": "2026-02-25T12:00:00", "skills": ["web-scraper", "whatsapp-cloud-api"], "description": "项目描述" } ``` **将技能添加到项目：** 更新项目的 `skills` 数组。 **从项目移除技能：** 从 `skills` 数组中删除。 **查询项目技能：** 读取 projects.json 并列出已分配的技能。 --- ## 添加新技能 向生态系统添加新技能： 1. 在 `skills root:` 下的任意位置创建文件夹 2. 创建包含 YAML frontmatter 的 `SKILL.md`： ```yaml --- name: minha-nova-skill description: "包含激活关键词的描述..." --- ## 技能文档 ``` 3. **完成！** 自动发现将在下次请求时自动检测。 可选地，为 Claude Code 原生发现： 4. 将 SKILL.md 复制到 `.claude/skills//SKILL.md` ## 显式能力标签（可选） 添加到 frontmatter 以实现更精确的匹配： ```yaml capabilities: [data-extraction, web-automation] ``` --- ## 查看所有技能状态 ```bash python agent-orchestrator/scripts/scan_registry.py --status ``` ## 解读状态 | 状态 | 含义 | |:-----------|:---------------------------------------------------| | active | SKILL.md 包含 name + description | | incomplete | SKILL.md 存在但缺少 name 或 description | | missing | 目录存在但没有 SKILL.md | --- ## 生态系统当前技能 | 技能 | 能力 | 状态 | |:-------------------|:--------------------------------------|:--------| | web-scraper | data-extraction, web-automation | active | | junta-leiloeiros | government-data, data-extraction | active | | whatsapp-cloud-api | messaging, api-integration | active | | instagram | social-media, api-integration | partial | *此表通过 `scan_registry.py --status` 自动更新。* ## 最佳实践 - 提供清晰、具体的项目和需求上下文 - 在将建议应用到生产代码之前进行审查 - 与其他互补技能结合以进行全面分析 ## 常见陷阱 - 将此技能用于其领域专长之外的任务 - 在不了解具体上下文的情况下应用建议 - 未提供足够的项目上下文以进行准确分析 ## 相关技能 - `multi-advisor` - 用于增强分析的互补技能 - `task-intelligence` - 用于增强分析的互补技能 ## 局限性 - 仅当任务明确符合上述描述的范围时使用此技能。 - 不要将输出视为环境特定验证、测试或专家审查的替代品。 - 如果缺少必需的输入、权限、安全边界或成功标准，请停下来请求澄清。