multi-agent-conductor

根据任务描述与可选禁止事项清单，通过 Python 规划脚本将大任务分解为子任务、分配 agent 角色，并按有门禁原则为每个 agent 划定权限范围与禁止项，输出编排流程、边界清单与结构化 JSON 结果。

zhaoxinghua09-cell

热度 62.84

最近更新 2026-10-17 07:22:43

分类：协作依赖：代码执行 / 读写文件应用场景：任务管理 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add multi-agent-conductor

Metadata

name: multi-agent-conductor
display_name: 多智能体编排（Multi-Agent Conductor）
display_name_en: Multi-Agent Conductor
description: 当用户说『这个任务好大要拆给多个AI』『多智能体怎么分工』『agent之间怎么不串权限』『编排几个agent协作』，或要把一个大任务拆成多个 agent 并行/串行协作时使用。把任务分解为子任务→分配角色→划清每个 agent 的边界与禁止项（有门禁），输出编排方案+边界清单。可运行脚本（conductor_plan 规划器）。理论根基：LGD 三律之有门禁（任务边界+权限隔离）。触发词：多智能体、multi-agent、agent编排、任务分解、协作agent、agent权限、并行agent、orchestration。
version: 1.1.1
agent_created: true
author: 诺声(Logos)@SynomosAI
license: MIT
license_scope: 代码（.py 文件）MIT；本 SKILL.md 与其中理论文本不在 MIT 覆盖范围内（见文末「License & attribution」）
allowed-tools: Read, Glob, Grep, Task
category: AI工程方法
platforms: ["windows","macos","linux"]
platform_compatibility: ["windows","macos","linux"]
read_when: ["一个大任务要拆给多个 agent 协作","多 agent 出现权限串台/互相改对方产物","要设计 agent 团队的分工与边界","担心某个 agent 越权访问不该碰的资源"]
tags: ["多智能体","multi-agent","编排","任务分解","协作","有门禁"]
slug: multi-agent-conductor
title: 多智能体编排（Multi-Agent Conductor）
copyright: SynomosAI
description_zh: 当用户说『这个任务好大要拆给多个AI』『多智能体怎么分工』『agent之间怎么不串权限』『编排几个agent协作』，或要把一个大任务拆成多个 agent 并行/串行协作时使用。把任务分解为子任务→分配角色→划清每个 agent 的边界与禁止项（有门禁），输出编排方案+边界清单。可运行脚本（conductor_plan 规划器）。理论根基：LGD 三律之有门禁（任务边界+权限隔离）。触发词：多智能体、multi-agent、agent编排、任务分解、协作agent、agent权限、并行agent、orchestration。
description_en: Decompose large tasks into multi-agent orchestration: subtask split, role assignment, per-agent permission boundaries, and parallel or serial coordination.
classification: {"skillhub":["security-compliance"],"iso_25010":["Security"]}
risk_tier: medium
risk_rationale: 门禁批量补丁默认 medium（内部约定：本 skill 设计为中等风险）：调用 API/读写文件/本地执行，最小权限，密钥走 Secret；若实际涉对外代执行(push/发布/发送/上架)须人工复评，改 high 并走负责人批准。
ai_protocol: true
spec: usk/1.0
interface: {"type":"cli","entry_point":"scripts/conductor_plan.py","runtime":"python3","call_pattern":"args"}
input_schema: {"task":{"type":"string","description":"task","required":true},"agents":{"type":"int","description":"agents","required":false},"json":{"type":"bool","description":"json","required":false}}
output_schema: {"stdout":"结构化 JSON IR（含 result / rc / error_code / warnings）","exit_code":"rc=0 正常 / rc=1 告警或从严推定 / rc=2 输入不足或非法"}
capabilities: ["multi-agent","orchestration"]
permissions: {"network":false,"filesystem":false,"subprocess":false}
requirements: {"python_packages":[],"min_python":"3.8"}
changelog: 1.1.1: Bilingual rewrite (full EN+ZH, English first); 1.0.0: initial upload (USK v3)

凡自治之物 · LGD 治理学 · 创造术家族｜评测协议：skill-quality-gate

English

When to use

When the user says a task is too large for a single agent and must be split among multiple AIs ("this task is too big, split it across several AIs").
When permission isolation and responsibility boundaries between multiple agents matter, to prevent overstepping or collusion ("how do agents not leak permissions into each other").
When you need to define the orchestration mode (parallel / serial) and the subtask allocation, in a way that complies with the LGD gated principle.

Usage

Tool: conductor_plan (backed by conductor_plan.py).
Invocation: python conductor_plan.py --mode orchestration --input task_description.
Parameters:
- --mode: parallel or serial.
- --input: task-description text or structured JSON containing the core goal and constraints.
- --permission: (optional) a prohibited-items list to strengthen the gate rules.

Workflow

Trigger detection: spot keywords such as "multi-agent" or "task decomposition" and decide whether to intervene.
Requirement analysis: extract the core task and assess a single agent's capability boundary and potential risks.
Script execution: run conductor_plan.py to decompose the logic and produce the subtask list and role assignment.
Boundary drawing: per the LGD gated principle, define each agent's permission scope and prohibited items.
Plan generation: output the final report containing the orchestration flow and the gate checklist.
Feedback: return the result to the user and ask whether the execution strategy needs adjustment.

Evidence & safety statement

Evidence: TBD (no evaluation / badge link yet; update here once produced)
Version: 1.1.1
Safety: no independent security scan has been performed (TBD); the conclusion is pending and no endorsement is given until it is completed.

中文

何时用

用户提出任务庞大、单一 Agent 无法完成，需拆分给多个 AI 协同时（如“这个任务好大要拆给多个 AI"）。
涉及多智能体间的权限隔离、职责边界划分，防止越权协作或串通风险时（如"agent 之间怎么不串权限”）。
需要明确 Agent 的编排模式（并行/串行）及子任务分配方案，且需符合 LGD 三律之有门禁原则时。

用法

工具: conductor_plan (基于文件 conductor_plan.py)。
调用命令: python conductor_plan.py --mode orchestration --input task_description.
参数说明:
- --mode: 可选值，指定 parallel（并行）或 serial（串行）。
- --input: 任务描述文本或结构化 JSON，需包含核心目标与约束。
- --permission: （可选）定义禁止事项清单，用于强化门禁规则。

流程

触发检测: 识别用户输入中的“多智能体”、“任务分解”等关键词，判断是否需要介入。
分析需求: 提取核心大任务，评估单一 Agent 的能力边界与潜在风险。
执行脚本: 启动 conductor_plan.py 进行逻辑拆解，生成子任务列表及角色分配。
划定边界: 依据 LGD 三律之有门禁原则，明确每个 Agent 的权限范围与禁止项。
生成方案: 输出包含编排流程与门禁清单的最终报告。
反馈确认: 将结果返回给用户并询问是否需要调整执行策略。

证据与安全声明

证据：TBD（暂无评测/徽章链接；产生后在此更新实际链接）
版本：1.1.1
安全：未做独立安全扫描（TBD），结论待补；补全前不作推荐背书。