核心用法
swarm-coding-skill 是一款完全自主的多代理软件开发技能。用户仅需提供自然语言描述，系统即可通过 Orchestrator 驱动 Planner 创建任务清单（swarm.yaml），随后调度 BackendDev、FrontendDev、QA、DevOps 等专业角色并行或串行执行，最终输出包含源码、测试、Docker 配置、CI 流水线及决策文档的完整项目。
调用方式极简：在 OpenClaw 主会话中执行 /trigger swarm-code "构建一个展示 Moltbook 统计数据的仪表盘"，Orchestrator 即启动隔离子会话，自动完成依赖解析、代码生成、质量门禁与产物打包。
显著优点
1. 端到端自动化：从需求理解到可部署产物零人工介入，显著缩短 MVP 周期。
2. 角色专业化：每个子代理具备明确 persona 与代码分区（Backend 负责 server/、Frontend 负责 client/），天然规避文件冲突。
3. 质量门禁内置：QA 代理强制测试通过、DevOps 代理确保容器化，未达标代码无法进入最终交付。
4. 持续记忆机制：自动生成 DECISIONS.md 记录架构决策，.learnings/ 目录沉淀错误模式与改进方案，形成可迭代的组织知识库。
5. 开箱即用的 Web3 支持：检测到区块链关键词时自动集成 Privy 认证与钱包基础设施，降低 DApp 开发门槛。
潜在局限与风险
1. 父目录写入风险：默认向 swarm-projects/ 与 .learnings/ 写入文件，若工作空间包含敏感配置（如 .env）存在泄露可能。
2. 外部依赖集中：核心推理完全依赖 OpenRouter API（默认 qwen/qwen3-coder），服务可用性与模型一致性直接影响输出质量。
3. 自动化盲区：技术栈、库选择由 Planner 自主决定，可能引入未经验证的依赖或不符合团队规范的技术选型。
4. 安全合规真空：生成代码需人工审计后方可进入生产，技能本身不执行安全扫描、合规检查或业务决策。
5. Prompt 注入敏感：DECISIONS.md 与 .learnings/ 记录完整推理链，若原始 Prompt 包含敏感数据将永久留存。
适合人群
- 需要快速验证产品概念的技术创始人与产品经理
- 缺乏完整前后端团队但需交付可演示原型的独立开发者
- 已具备代码审计能力、希望将重复性脚手架工作自动化的工程团队
常规风险
| 风险类别 | 具体表现 | 缓解建议 |
|---------|---------|---------|
| 数据泄露 | 父目录 `.env` 被意外读取或日志文件暴露密钥 | 始终在隔离工作空间运行，运行前审计 `.env` 内容 |
| 供应链污染 | 生成项目引入存在已知漏洞的依赖版本 | 强制 CI 阶段执行 `npm audit` 或 `pip-audit` 后再部署 |
| 模型幻觉 | Planner 产生不可行的架构设计或幻觉 API | 关键决策需人工复核 `DECISIONS.md` |
| 权限越界 | 区块链相关 Prompt 自动触发 Privy 集成，可能超出预期权限范围 | 明确在 Prompt 中声明是否需要 Web3 能力 |
安全等级说明
该技能具备文件系统写入与外部 API 调用能力，但通过强制隔离工作空间、角色级代码分区、质量门禁与决策日志机制，将风险控制在可审计范围内。建议配合 CI 扫描与人工 Code Review 后上线生产。