核心用法
Aoineco Squad Dispatch 是一款面向多代理团队的智能任务路由引擎，将 dispatching-parallel-agents 设计模式演进为完整的战队编排系统。用户通过 SquadDispatcher 类创建调度器实例，使用 add_task() 方法添加任务并指定所需技能与依赖关系，最终调用 plan() 生成包含成本预估的可视化执行方案。
核心工作流：
1. 任务注册 → 定义任务内容、所需技能、优先级及依赖项
2. 智能路由 → 引擎根据技能匹配度、代理可用性、成本层级自动分配
3. 依赖解析 → 自动识别可并行执行的任务组与必须串行的任务链
4. 计划生成 → 输出人类可读的调度计划，含预估成本与执行顺序
显著优点
- 成本优化显著：强制区分 "$" 廉价代理（Gemini Flash）与 "$$$" 高端代理（Claude Opus），避免简单任务过度消耗预算
- 零依赖轻量：纯 Python 3.10+ 实现，符合 "$7 Bootstrap Protocol" 理念，无需 pip 安装
- 预配置即战力：内置 7 人特工战队（Oracle、Blue-Blade 等），覆盖治理、安全、社区、研究、开发、文档全场景
- 并行效率提升：自动检测任务依赖关系，最大化并发执行潜力
- 透明可控：可视化计划输出让用户清晰掌握每笔成本去向
潜在局限
- 固定战队结构：7 代理预设配置灵活性有限，扩展自定义代理需修改源码
- 成本估算静态：基于模型固定定价，未考虑实际 token 消耗波动
- 无运行时监控：缺乏任务执行中的实时状态反馈与动态重调度能力
- 依赖声明人工：任务间依赖关系需开发者显式声明，无法自动推断
适合人群
- AI 应用开发者：需在多模型间智能路由以降低 API 成本
- 初创团队/独立开发者：受预算约束，追求"花小钱办大事"的编排方案
- 自动化工作流设计者：构建复杂多步骤 AI 流水线，需并行优化执行效率
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 路由误判 | 简单任务错误分配至昂贵代理 | 定期审核 `plan()` 输出，校准技能标签 |
| 依赖配置错误 | 循环依赖或遗漏导致调度失败 | 启用依赖验证检查，小批量测试验证 |
| 代理不可用 | 特定模型 API 限流或宕机 | 设计降级策略，配置备用代理映射 |
| 成本预估偏差 | 实际账单超出静态估算 | 设置硬预算上限，集成真实用量监控 |