SKILLEMALL.ai
GitHub ↗ EN Войти

BD multi-agent-conductor

Используется, когда пользователь говорит «Эта задача слишком большая, нужно разбить на несколько ИИ», «Как распределить задачи между несколькими агентами?», «Как агенты могут работать вместе, не передавая права доступа?», «Организовать несколько агентов для совместной работы» или когда нужно разбить большую задачу на несколько параллельно/последовательно работающих агентов. Разбивает задачу на подзадачи → назначает роли → определяет границы и запреты для каждого агента (с контролем доступа), выдает план организации + список границ. Может запускать скрипты (планировщик conductor_plan). Теоретическая основа: Три закона LGD — наличие границ и контроль доступа (границы задач + изоляция прав доступа). Триггеры: мультиагент, multi-agent, организация агентов, декомпозиция задач, совместная работа агентов, права агентов, параллельные агенты, orchestration.

машинный переводПоказать оригиналСкрыть оригинал«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…»

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。

ClawHub Hermes автор: zhaoxinghua09-cell v1.0.0 MIT-0 7 файлов тело ≈ 493 токенов Открыть источникclawhub.ai↗ проанализирован 19 ч назад

Используется, когда пользователь говорит «Эта задача слишком большая, нужно разбить на несколько ИИ», «Как распределить задачи между несколькими агентами?»…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Hermes Agent
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
61
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Для Hermes description должен быть одним предложением до 60 символов; условия применения вынесите в раздел «When to Use».
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-long-hermes description 264 символов, а стандарт Hermes требует ≤ 60 (одно предложение, с точкой)
  • предупреждение description-no-when ни description, ни раздел "## When to Use" не говорят, когда применять скилл
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "displayName"
  • заметка frontmatter-key неизвестное поле фронтматтера "title"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "summary"
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"
  • заметка frontmatter-key неизвестное поле фронтматтера "copyright"
  • заметка frontmatter-key неизвестное поле фронтматтера "read_when"
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 493 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 264 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (1 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 61.

Внешние проверки

ClawHub: suspicious
The skill’s planner itself is simple and aligned, but its instructions include unsolicited promotion and an unpinned global install command that can affect future agent behavior.
LLM: suspicious (high) · 11 сент. 2026 г.