核心用法
Team Dispatch 是面向复杂任务的多智能体调度系统。用户只需一句话需求，系统自动完成：任务复杂度分级（S/M/L/XL）→ 智能拆解为DAG依赖图 → 并行派发给6个专业化子Agent（产品/编码/测试/研究/投资/写作）→ 事件驱动自动级联执行 → 故障重试与降级 → 最终归档交付。
关键操作流程：
1. 环境准备：首次运行自动执行 setup.sh 完成8项配置（软连接、任务目录、子Agent工作区、模型配置等）
2. 任务创建：根据需求类型自动选择拆解模板（开发类/研究类/全栈类/分析类/内容类）
3. 自动调度：通过 sessions_spawn 派发任务，收到 completion event 后自动执行调度循环（更新状态→扫描就绪任务→批量派发→检查完成）
4. 结果注入：下游Agent自动获得上游完整输出，无需人工搬运
5. 故障恢复：支持超时重试、失败降级、模型回退、人工干预等多种策略
显著优点
- 全自动闭环：事件驱动架构，任务像多米诺骨牌自动级联推进，无需用户逐一点击"继续"
- 专业分工：6个预置角色（闪电/诺娃/亚特拉斯/露娜/泰坦/莱拉）覆盖产品、编码、测试、研究、投资、写作全链路
- 智能降级：当
sessions_spawn不支持agentId时，自动切换为"单Agent多角色模拟"模式，保证兼容性 - 持久化追踪：任务状态写入JSON文件，支持跨上下文压缩后的状态恢复
- 灵活依赖模式：支持线性、扇出、扇入、菱形等多种DAG拓扑
潜在缺点与局限性
- 环境依赖较重：需要完整的OpenClaw Gateway支持，配置涉及软连接、多目录结构、模型OAuth等，初次部署门槛较高
- 并发上限受限：受
maxChildrenPerAgent/maxConcurrent限制（默认5），大规模并行可能排队 - 调试可见性不足：子Agent在独立session中运行，中间状态不易实时观察
- 降级模式体验折损：模拟模式下的"角色扮演"可能弱于真实多Agent隔离
- XL级任务需人工卡点：关键节点需用户确认，打断自动化流程
适合人群
- 需要端到端交付复杂项目的技术团队（如全栈开发+测试+文档）
- 需要跨领域协作的研究与分析场景（调研→分析→写作→可视化）
- 需要可靠执行保障的生产环境（重试机制、故障降级、持久化状态）
- 当前使用OpenClaw生态、已配置多Agent支持的高级用户
常规风险
- 配置漂移风险：
openclaw.json手动修改可能与skill脚本预期冲突 - 模型可用性风险：默认依赖OpenAI Codex系列，需配置fallback或
--baseline-models保底 - 任务堆积风险：并发上限或故障阻塞时，需配合
watch.sh巡检避免任务"假死" - 权限配置敏感：
allowAgents配置错误会导致多Agent派发失败，自动降级可能掩盖真实问题 - 文件系统依赖：任务状态依赖本地JSON文件，多机部署需额外同步机制