multi-agent-cn 实战：怎么用一个技能打造你的 AI 团队

这个技能是干啥的

multi-agent-cn 是一个中文版的多 Agent 调度框架。装上之后你的主 Agent 就变成了纯调度员——只接收任务、分配给子 Agent、汇报结果，不亲自干活。

听起来很简单，但这是一次思维范式的转变：从「一个 AI 帮你做所有事」变成「一个 CEO 带着团队做所有事」。

这正是小火龙实验室架构的起点。我们的 13 个 Agent 系统，本质上就是这套调度思路的进化版。

安装和配置

clawhub install multi-agent-cn

安装后的第一步：自定义你的团队。打开 SKILL.md，找到「自定义配置」部分：

• 调度员角色：默认是「指挥官」，可以改成 CEO、船长、总监
• 子 Agent 名字：默认是 Alpha 到 Echo，可以改成真实的团队角色名
• sessionKey：每个子 Agent 用固定的 sessionKey，确保对话持久化

实战使用场景

场景 1：内容发布流水线

老板说：「今天写一篇关于 AI 记忆的科普文章，发到 SFD 网站。」

1. → 派给小狐狸🦊：写文章内容（三语：中/英/繁）
2. → 派给小蝴蝶🦋：生成封面图
3. → 派给小章鱼🐙：通过 CMS API 发布
4. → 派给小刺猬🦔：验收，确认文章正常显示

场景 2：代码修复流水线

1. → 派给变色龙🦎：修复 CSS（走 ACP，读完整个项目再改）
2. → 派给小猎鹰🦅：安全审计
3. → 派给小蜜蜂🐝：部署
4. → 派给小刺猬🦔：验收

踩坑记录

坑 1：sessionKey 重复导致角色混乱

最开始我们没有给每个 Agent 设置固定的 sessionKey，结果角色混用。解决方案：给每个角色设定唯一且固定的 sessionKey，一旦确定就不要改。

坑 2：调度员忍不住「顺手干了」

调度员开始觉得「这个任务很简单，我直接做算了」——然后开始用 exec 工具。解决方案：在 SKILL.md 的「核心约束」里写死：调度员不能使用任何执行工具。

坑 3：子 Agent 没有记忆，每次从零开始

解决方案：派任务时在 task 参数里附上必要的背景信息，比如「读项目的 design-spec.md 后再开始」。

坑 4：回调丢失

解决方案：不要依赖回调！调度员主动检查文件修改时间、build 产物——「完成了没有」靠主动拉取，不靠等推送。

和其他技能的配合

• multi-agent-cn + coding-agent：子 Agent 走 ACP 读整个项目写代码，效果远好于直接用 subagent
• multi-agent-cn + self-evolution：子 Agent 完成任务后自动更新 LEARNINGS.md
• multi-agent-cn + daily-trending：调度员每天早上派「情报员」去抓热榜，再派给「内容官」写文章

SFD 实验室怎么用的

我们是这套技能的「全球最重度用户」之一。13 个 Agent、每天几十个任务、三个不同渠道——全靠这套调度思路撑着。

和原版的最大区别：我们把子 Agent 从 5 个扩展到了 13 个，每个都有专属角色、专属 SOUL.md、专属 MEMORY.md。

SFD 编者注：一个 AI 帮你干活，是工具。一组 AI 互相配合，才是团队。multi-agent-cn 是这条路的入口。