核心用法
Team Dispatch 是一款面向复杂任务的多智能体协作编排技能，采用「需求分析 → 智能拆解 → DAG 派发 → 事件驱动 → 故障恢复 → 自动归档」的完整闭环架构。用户仅需一句话描述需求，系统自动判定任务复杂度（S/M/L/XL 四级），匹配预设拆解模板（开发类、研究类、全栈类、分析类、内容类），生成带依赖关系的有向无环图（DAG），并通过 sessions_spawn 向 6 个专业化子 Agent（coder、product、tester、research、trader、writer）并行或串行派发任务。
调度核心为事件驱动循环：每当子 Agent 完成时自动触发 completion event，主 Agent 立即更新任务状态、扫描就绪下游任务并派发，无需用户指令即可级联推进。每个子 Agent 拥有独立 workspace 与身份配置，支持 OAuth 模型（GPT-5.3 Codex/GPT-5.2）及多级 fallback 策略。任务支持超时自动重试、失败降级（block/skip/fallback/manual）、并发队列控制与跨会话持久化存储。
显著优点
1. 零配置开箱即用：setup.sh 一键完成 8 项自动化配置，包括软连接、任务目录、项目模板、用户配置、子 Agent workspace、身份注入、openclaw.json 写入及 Gateway 重启
2. 生产级可靠性：内置超时重试、故障降级、并发控制、状态机持久化，任务进度跨 context compaction 不丢失
3. 灵活降级策略：当环境限制 sessions_spawn 的 agentId 参数时，自动切换为「单 Agent 多角色模拟」模式，通过 prompt 注入保持协作逻辑
4. 完整可观测性：提供 watch.sh 巡检、doctor.sh 健康检查、demo-project.sh 闭环自测，覆盖 Linux/macOS/Windows
潜在缺点与局限性
- 环境依赖较重：需预配置 OpenClaw Gateway、OAuth 凭据、6 个子 Agent 的独立 workspace，首次安装失败概率与网络/权限相关
- 模型配额敏感：默认依赖 OpenAI Codex 系列，404/quota 时需手动切换
--baseline-models或调整 fallback 链 - 调试复杂度高：DAG 级联失败时，需追踪 JSON 状态文件与多会话日志，对新手有一定门槛
- 并发上限受限于 Gateway 配置：默认 maxChildrenPerAgent=5，大规模并行需手动调优
适合人群
- 需将复杂项目（如全栈开发、市场研究报告、多步骤数据分析）拆解为多角色协作的开发者/产品经理/分析师
- 追求自动化交付、减少人工跟进成本的团队
- 已部署 OpenClaw 生态、希望扩展多 Agent 能力的高级用户
常规风险
| 风险场景 | 说明 |
|---------|------|
| 子 Agent 配置漂移 | 手动修改 workspace 文件后升级技能，可能导致配置冲突，建议依赖 `setup.sh` 的补齐逻辑 |
| 模型不可用级联失败 | 主模型 + 全部 fallback 失效时，项目进入 blocked 状态，需人工干预恢复 |
| 磁盘空间与日志膨胀 | 每个子 Agent 独立 session 与 workspace，长期运行需定期清理 `sessions/` 与 `tasks/done/` |
| 并发竞争与死锁 | DAG 设计不当（如循环依赖）或 Gateway 配置过低，可能导致任务 queued 或假死 |
| 敏感数据扩散 | 任务结果以明文注入下游 prompt，涉及机密时需额外加密或禁用特定 Agent 的日志持久化 |