核心功能
Agent Swarm 是一套完整的多智能体协同编排框架，允许用户将复杂任务拆解为多个子任务，调度不同专业智能体并行或串行执行。系统内置9种专业角色：规划者(pm)、研究员(researcher)、程序员(coder)、写作者(writer)、设计师(designer)、分析师(analyst)、审核员(reviewer)、助手(assistant)和自动化专家(automator)，覆盖从需求分析到交付审核的全流程。
显著优点
高效并行：无依赖子任务可同时派发，显著缩短总耗时，示例显示并行优化可节省约40%时间。
成本优化：不同任务匹配不同模型（Mini/Codex/O3/VL），实际案例显示可节省59%成本。
角色专业化：每个智能体有独立人格定义、工作规范和记忆系统，输出质量优于单一通用模型。
灵活编排：支持纯并行、纯串行、混合模式，通过 sessions_spawn 实现异步调度。
经验累积：内置经验记录机制，智能体可沉淀任务经验用于后续优化。
潜在局限
调试复杂度：多智能体协作失败时，问题定位比单智能体更困难。
通信开销：子任务间需明确的交接格式，上下文传递不当易导致结果碎片化。
延迟累积：串行链路越长，整体等待时间增加，需合理设计依赖关系。
资源占用：多模型同时运行对基础设施要求较高。
适合人群
- 需要处理跨领域复杂项目的团队或个人
- 追求效率与成本平衡的中大型任务场景
- 有明确分工需求的研究、开发、内容生产流程
- 希望建立可复用智能体工作流的自动化爱好者
常规风险
1. 任务拆解不当：过度拆分导致管理成本超过收益，或拆分不清导致结果难以整合。
2. 模型选择失误：复杂推理任务误用轻量模型，输出质量不达标。
3. 超时与挂起：子任务设置 runTimeoutSeconds 不合理，可能导致长时间阻塞。
4. 经验污染：经验记录缺乏筛选，错误经验被持续复用。
5. 安全风险：coder 和 automator 拥有代码执行权限，需确保任务描述边界清晰，避免恶意指令执行。
使用建议
遵循"简单任务不过度编排"原则，优先在3个以上独立子任务或明确多角色协作场景启用；始终输出执行统计以便优化成本结构。