技能概述
claw-multi-agent 是 OpenClaw 生态中的多智能体并行编排框架，核心能力是将串行任务转化为并行执行，通过组建"Agent 小队"实现效率跃升。
核心用法
技能提供三种执行模式：
🎯 Orchestrator 模式（指挥官模式）：通过 sessions_spawn 启动带工具能力的子 Agent，支持联网搜索、文件操作、代码执行。适用于需要实时信息的调研任务。多个 sessions_spawn 在同一次工具调用中执行时，子 Agent 真正并行运行。
🔄 Pipeline 模式（流水线模式）：通过 CLI python run.py 运行纯文本任务，无工具能力但响应更快。适用于写作、翻译、代码生成、多版本对比等场景，支持并行（--mode parallel）和串行（--mode sequential）两种编排。
🔀 Hybrid 模式（混合模式）：先执行 Orchestrator 阶段完成调研，再执行 Pipeline 阶段生成多份草稿，兼顾实时数据与创意多样性。
显著优点
1. 真实并行加速：Orchestrator 模式下多个子 Agent 同时运行，实测节省时间 50-65%
2. 角色专业化：内置研究员、分析师、程序员、写作者等 7 种角色，支持 GLM/Kimi/Gemini/Sonnet/Opus 等模型选型
3. 智能路由：自动识别任务意图，无需手动选择模式
4. 结构化输出：强制要求主 Agent 对子 Agent 结果进行整合重构，而非简单拼接
潜在局限
1. Token 限制：子 Agent 输出上限约 4096 tokens，长报告必须由主 Agent 撰写
2. 无跨 Agent 上下文：同轮启动的子 Agent 彼此隔离，依赖型任务必须分轮次串行
3. 工具能力边界：Pipeline 模式无联网搜索能力，需正确选择模式
4. 学习成本：交互规范严格（必须先发激活公告、必须声明执行计划等），对使用者有约束
适合人群
- 需要进行多维度对比分析的研究者
- 追求效率、愿意接受结构化交互规范的专业用户
- 有批量处理需求的内容生产者（翻译、摘要、多版本生成）
- 需要代码流水线（规划→编码→审核）的开发者
常规风险
1. 执行顺序错误风险：若未先发送激活公告就执行文件读取，可能导致公告被上下文压缩丢失
2. 飞书渠道兼容：飞书聊天不支持 Markdown 渲染，必须通过附件或文档链接交付
3. 模型选型失误：复杂分析误用轻量模型、简单任务调用重炮模型均会造成成本浪费
4. 依赖关系误判：错误地将依赖型任务设为并行，会导致子 Agent 因缺少输入而返回空结果