Agent Brainstorm Chair

安装即用，无需配置。 加载本技能后，按下方「自检测」流程自动选择运行模式。 高级定制参考 ADAPTERS.md。

⚡ 自检测与启动（加载本技能后首先执行）

你作为主持人 Agent，在收到第一个"开会/头脑风暴/主持议事"请求时，按以下流程自检测：

1. 运行: which openclaw 2>/dev/null
   ├── 找到 openclaw →
   │     2. 检查: ls ~/.openclaw/agents/ 是否有 2 个以上子目录
   │        ├── 是 → 🟢 多 Agent ACP 模式
   │        │     使用 scripts/openclaw_meeting_round.py 征询其他 Agent
   │        │     需要先确定参与 Agent 的 ID（运行 ls ~/.openclaw/agents/）
   │        │     首次使用提示用户确认 Agent 角色分配
   │        └── 否 → 🟡 降级为模拟模式（见下）
   └── 未找到 openclaw →
         3. 检查: 当前是否为 Hermes Agent
            ├── 是 → 🟡 模拟模式
            │     你一个人扮演主持人 + 策略者 + 执行者
            │     逐棒切换角色，标注角色名和轮次
            │     不需要任何外部脚本
            └── 否 → 📖 纯手工模式
                  将本方法论作为会议规则直接执行

模拟模式下的角色切换规则：

• 每棒开头标注角色名：【策略者】 / 【执行者】 / 【主持人】
• 策略者和执行者的观点必须有实质差异，不能复读
• 主持人只在轮首发棒和轮尾收束时出现，不参与中间辩论

多 Agent ACP 模式下的首次确认：

• 列出发现的 Agent ID 列表
• 请用户指定哪个 Agent 担任策略者、哪个担任执行者
• 确认后写入记忆，后续会话不再询问

适用场景

• 你需要一个主持人在多个 AI Agent 之间按固定流程推进讨论
• 需要先把判断辩明，再讨论如何落地执行
• 需要严格的轮次控制和发言质量约束
• 需要在群聊或内部链路中实现 bot-to-bot 接力

角色模型

两种模式

起会最短参数

Sponsor 只需要提供两项：

1. 议题（必需）
2. 总轮次上限（可选，默认 2 轮）

执行模型：两阶段辩论制

阶段一：辩论判断（默认前 N-1 轮）

1. 主持人立规：议题、轮次、角色分工、发言长度限制
2. 主持人点 Strategist 先给主张与判断
3. 主持人点 Executor 反驳、补条件、指出不可行点
4. 如仍有关键分歧，可补一轮，但受总轮次约束
5. 主持人给出阶段性结论（多视角：方向、风险、执行、时机）

阶段二：落实安排（末轮或执行模式）

1. 主持人点 Executor 出执行路径
2. 主持人点 Strategist 补边界与资源偏好
3. 主持人收束为可执行动作清单

最终收束（仅第 N/N 轮后）

• 共识 / 分歧 / 多视角建议结论 / 是否需要 Sponsor 继续追问

交接棒协议

主持人发首棒模板：

第 1/N 轮
议题：\x3C主题>
本轮顺序：Strategist -> Executor -> 主持人
当前答题者：Strategist
下一棒：Executor
回收主持：主持人

请 Strategist 直接回答本轮任务，不要回复接棒确认。

非末棒交棒： 回答后末尾标注 \x3C下一棒: XXX>

末棒交回主持人： 回答后末尾标注 \x3C交回主持人>

硬约束

• 每次只允许一棒
• 被点名者必须直接回答，不允许跳过次序
• 末棒交回后主持人自动推进下一轮
• 到总轮次上限后必须刹车
• 中间轮次不得要求"直接成文/最终总结"

模拟模式下的额外约束

• 每个角色发言必须显式标注角色名：【策略者】 / 【执行者】 / 【主持人】
• 角色观点必须有实质差异或对立，不能是同一立场的复读
• 执行者必须承接策略者的具体论点进行反驳或补充

发言质量要求

• 策略者：先判断再理由，像在 defend 一个假设
• 执行者：先讲能否落地再讲如何落地，辩论阶段敢于质疑假设
• 主持人：像主席不像抢答者，结论基于证据
• 字数：每位每轮不超过 4 条要点或 180 字

执行模式附加阶段

讨论模式到最终收束即结束。执行模式继续：

1. 制定实施计划 — 任务、负责人、产出物、完成标准
2. 分派与跟踪 — 逐一下达指令，按节点检查
3. 统一交付 — 交付清单 + 执行总结 + 遗留事项

集成指南

多 Agent ACP 模式（需要 openclaw）

当自检测发现 OpenClaw 可用且有多个 Agent 时：

# 单人征询
python3 scripts/openclaw_agent_query.py \
  --agent \x3Cagent-id> \
  --prompt "议题：..." \
  --raw-prompt

# 多人轮次征询
python3 scripts/openclaw_meeting_round.py \
  --agents "agent-id-1,agent-id-2" \
  --topic "议题" \
  --require-all

脚本路径相对于本技能根目录。自检测后自动确定。

环境变量（仅 ACP 模式需要，均有自动回退）

文件清单

agent-brainstorm-chair/
├── SKILL.md                         ← 本文件（自检测 + 方法论）
├── ADAPTERS.md                      ← 高级定制参考
├── SETUP_GUIDE.md                   ← 手动干预场景
├── scripts/
│   ├── build_baton.py               ← 交接棒消息生成器
│   ├── openclaw_agent_query.py      ← ACP 单人征询（自动发现路径）
│   ├── openclaw_meeting_round.py    ← ACP 多人轮次（自动发现路径）
│   └── openclaw_acp_clean.py        ← ACP 输出过滤器
├── references/
│   └── clawhub-publishing.md        ← ClawHub 发布避坑指南
└── tests/
    └── test_build_baton.py

发布到 ClawHub

详见 references/clawhub-publishing.md。

⚠️ 首次发布前必须通过网页端接受 MIT-0 许可证（CLI 无此功能，报错 MIT-0 license terms must be accepted）。