Agent Orchestrator 🐙
源自 Claude Code 的多代理系统源码（1900+ 文件，51万行）。 Claude Code 使用三种 spawn 后端：tmux 分屏 / tmux 独立窗口 / 同进程(in-process)。 在 OpenClaw 中，
sessions_spawn就是 in-process 模式。
Claude Code 的 spawn 架构
三种 spawn 模式
| 模式 | 实现 | 特点 | 适用场景 |
|---|---|---|---|
| in-process | 同一 Node.js 进程运行子代理 | 轻量、无缝、无终端开销 | 简单子任务、快速并行 |
| split-pane | tmux/iTerm2 分屏 | 可视化、可交互 | 需要观察子代理实时输出 |
| separate-window | tmux 独立窗口 | 隔离性强 | 长时间运行的后台任务 |
子代理生命周期
- 创建: spawnTeammate(name, prompt, config)
- 注册: 写入 team file (JSON) + 注册到 appState.teamContext
- 沟通: mailbox 系统（基于文件的消息队列）
- 跟踪: Task 系统（registerTask）
- 清理: 任务完成后自动清理
团队系统
TeamCreate(name, description)
├── 创建 team file (~/.claude/teams/<name>.json)
├── 每个成员有: agentId, name, color, model, prompt, role
├── 团队成员通过 mailbox 收发消息
└── TeamDelete(name) 销毁团队
OpenClaw 实现
模式1: 扇出并行 (Fan-Out)
# 伪代码 - 用 sessions_spawn 实现
# 主代理分配 N 个子任务
子代理结果 = [sessions_spawn(task_i) for i in range(N)]
# 汇总结果
最终输出 = 汇总(子代理结果)
触发词: "并行分析", "同时查", "分开处理", "扇出"
模式2: 串行流水线 (Pipeline)
步骤1结果 = sessions_spawn(任务1)
步骤2结果 = sessions_spawn(任务2, context=步骤1结果)
步骤3结果 = sessions_spawn(任务3, context=步骤2结果)
触发词: "先...再...", "然后", "依次", "流水线"
模式3: 主控协调 (Coordinator)
# 主代理分配任务给专业子代理
搜索代理 = sessions_spawn("搜索任务")
分析代理 = sessions_spawn("分析任务")
写作代理 = sessions_spawn("写作任务")
# 等待所有完成
全部结果 = 收集结果([搜索代理, 分析代理, 写作代理])
触发词: "分配任务", "组建团队", "分工协作"
Claude Code 的关键设计模式
1. 工具权限传播
子代理继承主代理的权限模式（bypass/acceptEdits/auto），但 plan mode 优先级更高。
2. 模型继承
子代理默认使用主代理的模型，但可以单独指定。
3. 邮箱系统 (Mailbox)
主代理 --mailbox--> 子代理: 分配任务
子代理 --mailbox--> 主代理: 报告进度
子代理 --mailbox--> 子代理: 横向通信
4. 颜色编码
每个子代理分配唯一颜色，便于在终端UI中区分。
使用示例
示例1: "帮我并行分析这三个文件"
sessions_spawn("分析文件A.py")
sessions_spawn("分析文件B.py")
sessions_spawn("分析文件C.py")
→ 汇总三个结果
示例2: "先调研技术方案，再写代码，最后生成文档"
研究 → sessions_spawn("研究技术方案")
代码 → sessions_spawn("写代码", context=研究结果)
文档 → sessions_spawn("生成文档", context=代码)
注意事项
- 扇出不超过 5 个子代理（token 开销与上下文污染）
- 子代理任务描述要精确，包含必要的上下文
- 状态检查用
sessions_list+process(poll)避免忙等待 - 不要用多代理做简单的单步骤任务