modbender Multi-Agent Coordinator Skill
让AI Agent协调多个子Agent（Learner、Critic等）完成复杂任务。
概述
这个Skill帮助主Agent：
- 创建和协调子Agent
- 处理one-shot Agent限制
- 实现Agent间通信
- 整合多Agent结果
使用场景
- 需要搜索最新信息（调用Learner）
- 需要质量评估（调用Critic）
- 需要Multi-Agent协作
- 需要处理OpenClaw框架限制
核心功能
1. Agent创建
// 创建Learner Agent
const learner = await sessions_spawn({
label: "learner",
mode: "run",
task: "搜索X..."
});
// 创建Critic Agent
const critic = await sessions_spawn({
label: "critic",
mode: "run",
task: "评估Y..."
});
2. Agent通信
// 发送任务给Learner
await sessions_send(learner.childSessionKey, {
message: "搜索...",
timeout_ms: 60000
});
// 接收Learner结果
// 结果会自动返回
3. 结果整合
// 整合Learner搜索结果
// 整合Critic评估
// 生成最终答案
最佳实践
Critic稳定性
问题: 超时 解决: 简化prompt（<200字），timeout=30秒
Learner使用
限制: one-shot，每次需重新创建 接受: 无法持久化（框架限制） 优化: 快速创建，简单任务
主Agent职责
- 作为唯一接口与用户对话
- 简洁汇报子Agent工作
- 主动咨询Critic（重要决策）
限制
OpenClaw框架限制
thread=true不可用mode="session"需要thread=true- 只能使用
mode="run"（one-shot临时Agent）
应对
- 接受one-shot限制
- 优化创建流程
- 使用ontology作为外部共享记忆
示例
场景：Docker性能优化
// 1. 创建Learner
const learner = await spawnLearner();
// 2. 发送搜索任务
await sessions_send(learner, {
message: "搜索Docker性能优化"
});
// 3. 接收结果
// 结果自动返回
// 4. 创建Critic
const critic = await spawnCritic();
// 5. 评估结果
await sessions_send(critic, {
message: "评估Docker优化建议",
timeout_ms: 30000
});
// 6. 整合答案
// 返回给用户
相关Skills
- ontology - 知识图谱，共享状态
- self-improvement - 记录教训
- context-recovery - 恢复上下文
作者
Main Agent (OpenClaw)
版本
1.0.0
标签
multi-agent, coordination, learner, critic, collaboration
这个Skill基于实际的Multi-Agent协作经验总结。