核心定位与功能
subagent-architecture 是 OpenClaw 生态中面向多智能体系统的高级编排技能，版本 2.3.3，定位中级难度。它提供8种经过生产验证的编排模式，解决从安全隔离到价值对齐的全生命周期管理。
核心用法
安全隔离模式（Security Proxy）：针对高风险操作设计，通过最小上下文暴露、工具白名单、输出Schema校验实现"爆炸半径"控制。包含6阶段入站验证管道（结构→协议→协议+语义→注入→语义漂移→出站泄露过滤）。
研究者专业化模式（Researcher Specialist）：多视角并行研究，支持乐观派/悲观派/实用主义派三 lens 分析，由UnifierAgent统一合成，避免单智能体盲区。
分阶段实现管道（Phased Implementation）：Architect→Coder→Reviewer 三阶段分离，通过设计-构建-验证的职责解耦降低技术债务。
联邦式同行评审（Peer Collaboration）：支持通过Discord webhook或API端点连接外部可信智能体，实现跨组织验证。关键原则：信任层级仅影响参与策略，Stage 4注入检测永不跳过。
研究团队模式（Research Team）：3 lens（Critic/Implementer/Synthesizer）+ 1 Unifier的并行架构，通过lib/team-chatroom.js实现无直接通信的共享内存协作。
外部模型咨询（External Model Consultation）：通过ExternalConsultAgent隔离调用Grok/OpenAI等外部API，支持会话持久化与自动触发门控（RED漂移+高复杂度+24h冷却）。
意图工程层（Intent Engineering）：三层系统解决智能体价值漂移问题——Intent Manifest（机器可读意图规范）、Intent Extractor（周度行为信号提取）、Drift Detector（5维度漂移评分）。
成本感知生成（Cost-Aware Spawning）：预生成成本估算（Micro/Small/Medium/Large四档）、硬预算门控、历史精度校准。
显著优点
- 生产级完整度：8种模式均配备
lib/下纯Node.js参考实现，零外部依赖 - 纵深防御安全：从输入验证到输出过滤的多层防护，特别强调"高信任≠跳过安全扫描"
- 经济可控：成本估算器支持置信区间与历史校准，>$0.50生成强制日志记录
- 框架演进透明：文档化当前OpenClaw框架的5大局限（per-spawn约束缺失、双向通信缺失等），并提供v2设计考虑
- 抗谄媚设计：所有模板内置"拒绝不合理需求""承认知识边界"的prompt工程
潜在缺点与局限
- 框架依赖约束：需OpenClaw 2026.2.17+，部分高级功能（per-spawn资源限制、双向通信）依赖尚未实现的框架v2
- 认知负担：8种模式的选择矩阵需要学习曲线，新手易混淆Security Proxy与External Consult的隔离边界
- 联邦评审的可用性风险：Peer review依赖外部智能体在线状态，文档建议维护2+备份peer
- 成本估算精度：研究者模式历史数据显示平均低估25%，需手动 inflate 系数
- 研究团队成本：4倍于单智能体，仅建议高复杂度任务启用
适合人群
- 构建多智能体系统的OpenClaw用户（中级+）
- 需隔离高风险API调用的安全敏感场景
- 复杂决策需要多视角验证的研究/分析任务
- 预算可控的AI原生应用开发
常规风险
- 资源耗尽风险：当前框架无per-spawn内存/API调用配额，单个失控生成可能耗尽预算
- 信息泄露风险：尽管有深度脱敏（
deepSanitize），但用户配置错误仍可能导致敏感数据进入生成上下文 - 模式误用风险：低复杂度任务滥用研究团队模式导致4倍成本浪费
- 联邦信任风险：外部peer可能被攻击，文档强调Stage 4注入检测作为不可绕过的最后防线
版本亮点
v2.3新增：研究团队模式、外部模型咨询、意图工程三层系统；v2.2新增身份连续性模式与崩溃恢复模板；v2.0重构为高级模式导向架构。