核心用法
Cord Trees 是一种受 Cord 协议启发的动态任务树编排模式，让 AI Agent 在运行时自主决定如何分解目标、调度并行任务和管理依赖关系。开发者只需提供顶层目标，Agent 自动构建并执行协调树。
五大原语：
- spawn：隔离上下文，子任务获得干净 slate，适合独立研究任务
- fork：继承上下文，自动注入兄弟节点结果，适合综合分析与最终整合
- ask：人机交互节点，暂停等待人类输入或审批
- serial：严格顺序执行的子任务序列
- goal：根节点，由 Agent 自主分解为子树
典型工作流： 分析目标 → 构建初始树 → 执行就绪节点 → 监控状态 → 动态重组 → 最终合成。支持运行时动态扩展子树，Agent 可根据新发现自主添加研究分支。
显著优点
1. 运行时灵活性：区别于预定义工作流，任务树在执行中演化，适应不确定性和新发现
2. 自主并行优化：Agent 自动识别可并行任务，最大化执行效率
3. 人机协作原生支持：ask 原语内置审批、澄清、周期性检查点等模式
4. 细粒度上下文控制：spawn/fork 区分隔离与继承，避免上下文污染或过度传递
5. 状态透明化：cord-state.json 完整记录节点状态、依赖和结果，可审计可恢复
潜在局限
1. 复杂度门槛：简单任务可能过度设计，编排开销不划算
2. 调试难度：动态生成的树结构难以预测，故障定位需追踪状态文件
3. 资源管理：并行 spawn 可能激增会话数，需关注 API 配额和成本
4. 循环依赖风险：动态修改子树可能意外创建循环依赖（文档未提及检测机制）
5. Agent 能力依赖：分解质量高度依赖主 Agent 的规划能力，能力波动影响树结构合理性
适合人群
- 需要处理开放式、探索性复杂目标的自动化场景
- 研究工作流（竞品分析、技术调研、可行性评估）
- 需要人类周期性介入的审批流程
- 多 Agent 协作且任务边界在执行中才明确的场景
常规风险
- 状态一致性问题：长时间运行中状态文件可能与实际会话状态漂移
- 竞态条件：fork 节点依赖兄弟节点结果，若兄弟节点同时完成可能触发竞态
- 无限扩展：动态重组若缺乏深度限制，Agent 可能无限添加子任务
- 人类响应延迟：ask 节点阻塞整个分支，未设置超时可能无限等待