Team Dispatch 综合评估
核心用法
Team Dispatch 是面向多Agent协作场景的工作流编排引擎，将复杂任务自动拆解为可并行执行的子任务DAG（有向无环图），并通过事件驱动机制实现级联调度。
标准使用流程：
1. 环境检测 — 首次使用自动运行 setup.sh 完成8项配置（软连接、任务目录、6个子Agent工作区等）
2. 需求分级 — 自动判断复杂度（S/M/L/XL），S级直接单Agent执行，L/XL级构建DAG
3. 任务拆解 — 根据场景选择模板：开发类（product→coder→tester）、研究类（research→product→writer）、全栈类等
4. 自动派发 — 通过 sessions_spawn 启动子Agent，支持6种专业角色（⚡️闪电编码、🧭诺瓦产品、🔍亚特拉斯测试等）
5. 事件驱动循环 — 每收到completion event自动执行：更新状态→扫描就绪任务→批量派发→检查完成
6. 故障恢复 — 超时重试、模型降级、失败跳过/人工干预等多级策略
关键设计亮点：
- 零等待调度：子Agent完成后自动触发下游派发，无需用户指令
- 结果注入：下游Agent自动获得上游输出作为上下文
- 降级模式：当
agentId参数受限时，自动切换为"单Agent多角色模拟"
显著优点
| 维度 | 优势 |
|------|------|
| **架构完整性** | 涵盖安装→拆解→调度→监控→归档的全生命周期，含运维工具链（doctor/watch/demo） |
| **容错设计** | 4种故障类型处理 + 4种降级策略，模型404自动切换基线模型 |
| **并行效率** | 扇出/扇入/菱形依赖模式支持，关键路径优先调度 |
| **可观测性** | 项目JSON实时持久化，跨context compaction不丢失任务状态 |
| **环境自适应** | 自动检测新旧安装、补齐缺失文件、软连接管理 |
潜在局限
1. 环境依赖较重：需完整OpenClaw生态（Gateway、agents配置、workspace规范），非独立工具
2. 子Agent配置门槛：6个子Agent的model/fallback/tools需预配置，新手易因404/配额问题受阻
3. 降级模式性能损失：单Agent模拟多角色时，缺乏真实并行，大任务效率下降
4. 调试复杂度：DAG状态分散在JSON文件，无可视化界面，排查卡死任务需手动运行watch脚本
5. XL级交互断层：checkpoint类型虽支持人工确认，但实际体验依赖用户主动回复，可能产生等待死锁
适合人群
- AI工程团队：需将复杂需求（如全栈开发、深度研报）标准化拆解为可追踪的子任务
- 高频多任务用户：context窗口紧张，需要任务状态持久化跨会话恢复
- Agent平台开发者：研究多Agent编排范式，需参考DAG调度、事件驱动、故障恢复的实现
常规风险
| 风险 | 说明 | 缓解措施 |
|------|------|---------|
| 配置漂移 | 用户手动修改agents配置后，升级时被覆盖或冲突 | 升级脚本采用"补齐缺失字段"策略，非全量覆盖 |
| 并发死锁 | maxChildrenPerAgent设置过低 + 任务依赖复杂导致循环等待 | 默认建议10，watch脚本可巡检卡死任务 |
| 模型可用性 | primary模型404导致任务失败 | setup.sh --baseline-models 预置多厂商fallback |
| 状态不一致 | 极端情况下JSON写入失败或Gateway重启丢事件 | 建议定期doctor检查，watch脚本低频次补偿 |
总结
Team Dispatch 是当前开源生态中最完整的多Agent编排方案之一，将学术级的"任务规划→执行→验证"论文思路工程化为可直接运行的工具链。其价值不在于单一功能，而在于通过严格的约定（workspace结构、JSON格式、事件协议）将混乱的多Agent协作纳入可预测、可恢复、可审计的框架。适合已投入OpenClaw生态的深度用户，新手建议先通过 demo-project.sh 完成闭环自测再投入生产。