Coordinator Mode — 三层多Agent架构

基于 Claude Code 源码的三层多Agent架构，适配 OpenClaw。

架构层次

Level 3: Coordinator Mode（全局调度）
         ├── 分解任务 → 创建 Team → 分配 Worker → 汇总
         ├── 用 scratchpad 共享中间数据
         └── 用 AgentSummary 监控进度
Level 2: Swarm（团队协作）
         ├── 多个 Agent 组成 Team
         ├── 通过 sessions_send 互发消息
         └── 文件系统持久化通信
Level 1: AgentTool（单任务委托）
         ├── sessions_spawn 创建单个 sub-agent
         ├── 支持 background: true 异步执行
         └── 结果自动回流

Level 1: AgentTool（单任务委托）

触发条件

• 单个明确子任务
• 需要特定能力的专项工作

Agent 定义格式

---
description: Agent描述
tools: [read, write, exec, web_search]  # 工具白名单
model: zai/glm-5.1                       # 可指定不同模型
effort: thorough                          # quick/normal/thorough
background: true                          # 是否后台运行
---
# Agent 指令...

调用方式

sessions_spawn:
  runtime: "subagent"
  mode: "run"
  task: "{从agents/目录加载Agent定义 + 具体任务}"
  streamTo: "parent"

权限隔离规则

• 继承父 Agent 的 alwaysAllow 规则
• 不继承 alwaysDeny 规则（子Agent可能需要不同权限）
• 独立工具白名单（Agent定义中指定）
• 高风险操作需要用户单独确认

Level 2: Swarm（团队协作）

触发条件

• 需要多个 Agent 互相通信完成复杂任务
• Agent之间有信息依赖但可异步协作

团队概念

Team:
  ├── name: string           # 团队名称
  ├── members: TeamMember[]  # 成员列表
  └── scratchpad: string     # 共享数据目录路径

TeamMember:
  ├── name: string           # Agent名称
  ├── role: string           # 角色（来自Agent定义）
  └── sessionKey: string     # 对应的会话ID

消息传递

通过 sessions_send 在 Agent 之间传递消息：

Agent A → sessions_send(sessionKey: "B的session", message: "...")
Agent B → 在下一个turn收到消息

创建 Swarm

1. 确定需要的角色和Agent
2. 为每个Agent创建 sessions_spawn(mode: "session", thread: true)
3. 记录每个成员的 sessionKey
4. 通过 sessions_send 分配初始任务
5. 定期用 AgentSummary 检查进度

Level 3: Coordinator Mode（全局调度）

触发条件

• 任务需要拆分为3+个独立子任务
• 用户明确要求"并行"、"同时"、"一起"
• 单Agent处理时间预估 > 5分钟

工作流程

1. 任务分析
   ├── 评估复杂度（简单/中等/复杂）
   ├── 简单 → 直接回答，不浪费Agent
   └── 复杂 → 进入协调器模式

2. 任务拆解
   ├── 拆分为独立子任务
   ├── 标记依赖关系（DAG）
   └── 为每个子任务匹配Agent角色

3. Worker 分派
   ├── 无依赖 → 同时spawn多个Worker
   ├── 有依赖 → 按序spawn
   └── 最多同时5个Worker

4. 进度监控（AgentSummary）
   ├── 每30秒检查一次Worker状态
   ├── 生成3-5词进度摘要
   └── 向用户报告整体进度

5. 结果汇总
   ├── 收集所有Worker结果
   ├── 交叉验证一致性
   ├── 整合为统一输出
   └── 向用户呈现完整方案

Scratchpad（共享工作空间）

协调器和Worker共享数据的目录：

/Users/wil/.openclaw/workspace/memory/scratchpad/{task-id}/
  ├── task-plan.md      # 任务计划
  ├── worker-results/   # 各Worker输出
  └── final-report.md   # 最终汇总

Agent Summary（进度摘要机制）

摘要策略

• 每30秒检查一次后台Worker状态
• 生成极简摘要（3-5个词描述当前状态）
• 复用父会话上下文，最大化缓存命中
• 格式："Reading runAgent.ts" / "Fixing null check" / "Searching docs"

实现

subagents list → 获取所有Worker状态
对每个活跃Worker:
  sessions_history(sessionKey, limit=2) → 获取最新消息
  生成进度摘要 → 报告给用户

模式自动切换

收到任务
  │
  ├── 单一、简单 → 直接处理（无Agent）
  ├── 单一、复杂 → Level 1: AgentTool
  ├── 多任务并行 → Level 3: Coordinator
  └── 需要Agent间通信 → Level 2: Swarm

两阶段 Review 模式（参考 Superpowers）

每个 Worker 完成任务后，执行两阶段 review：

Stage 1: Spec Compliance Review

• 代码是否完全匹配任务规格？
• 有没有遗漏的功能点？
• 有没有多余的添加？
• 不通过 → Worker 修复 → 重新 review

Stage 2: Code Quality Review

• 代码质量、可维护性
• 是否遵循项目约定
• 测试覆盖率
• 不通过 → Worker 修复 → 重新 review

顺序很重要：先验证规格符合，再验证代码质量。不要跳过或颠倒。

模型选择策略

• 机械任务（1-2个文件，规格清晰）→ 快速/便宜模型
• 集成任务（多文件协调、模式匹配）→ 标准模型
• 架构/设计/Review → 最强模型

Santa Method（双重独立验证）

参考 ECC 的 Santa Method：

生成者(Agent A) → 产出物
  ↓
审查者B(独立) + 审查者C(独立)  — 无共享上下文
  ↓
B通过 AND C通过 → 发布（NICE）
否则 → 修复 → 重新审查（NAUGHTY）

适用场景：发布/部署前的最终验证、合规检查、技术文档、面向用户的内容。 不适用：内部草稿、探索性研究、有自动化测试流程的代码。

资源限制

• 最多同时 5 个 Worker
• Worker 默认超时 300 秒
• Worker 失败不影响其他 Worker
• 汇总时验证结果正确性和一致性
• 后台Agent完成任务后自动汇报