多代理开发框架

SKILLAI 工具
AI 工具 未标注权限 许可证不明确
安装这个技能

通过子代理编排执行实现

一句话选型结论

按资料字段整理

多代理开发框架是AI 工具类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类AI 工具 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install zcwl/multi-agent-dev
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

AI 工具
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方zcwl仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 enterprise
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791450545
正文体量7.1 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
组合多个 AI 能力

把写作、检索、总结串成一条流程。

搭工作流

把固定流程做成可重复调用的步骤。

做提示词与评测

整理提示词并对比输出效果。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在AI 工具场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
多代理开发框架当前 未标注权限 未标注 未标注 未标注 有
执行计划 只读 GitHub 仓库 151.5 万 Codex、Claude、Cursor 有
Playwright MCP 测试 浏览器控制 ClawHub 市场 136.5 万 OpenClaw 有
完成前的验证 未标注权限 GitHub 仓库 131.9 万 Codex、Claude、Cursor 有
子 Agent 驱动开发 只读 GitHub 仓库 131.2 万 Codex、Claude、Cursor 有
前端设计 执行命令 GitHub 仓库 125.6 万 Codex、Claude、Cursor 有

SKILL.md 全文

7.1 KB
模型实际读到的说明书原文,来自技能仓库

multi-agent-dev

> OpenClaw + Ralph Loop 多智能体协作开发工作流

核心思想:Ralph Loop 是迭代引擎,底层执行器可切换。执行器通过 --agent 参数指定,Skill 顶部统一配置。


⚙️ 配置区(执行器抽象)

# 当前使用的执行器(6选1)
ACTIVE_AGENT: opencode          # opencode | claude-code | codex | copilot | cursor-agent | qwen-code

# 执行器对应的二进制命令
AGENT_BINARY: opencode          # ralph --agent 使用的名字
AGENT_MODEL: minimax/MiniMax-M2.7  # 默认模型(可覆盖)

# 可选:自定义二进制路径(留空则用 PATH 中的)
#RALPH_OPENCODE_BINARY:
#RALPH_CLAUDE_BINARY:

> 切换执行器:把 ACTIVE_AGENT 改成 claude-code,AGENT_BINARY 改成 claude,模型改成 claude-sonnet-4。
> Ralph 命令格式不变,所有示例自动适配新执行器。


触发条件

触发词(满足任一即可):
- 含「开发」:协作开发、帮我开发、用 Ralph 开发、多 agent 开发
- 含「研发」:研发模式、研发流程
- 含「编码」:编码、写代码
- 「Ralph Loop」
- 「OpenClaw Ralph 配合」

核心原理

发起任务
    ↓
OpenClaw(主控大脑,理解意图、协调、记忆)
    ↓
任务分类决策:
    ├─ 简单任务(<100行改动)→ OpenClaw 直接执行
    ├─ 中等任务(多步骤)→ sessions_spawn 子代理
    └─ 复杂/迭代任务 → Ralph Loop 自主迭代
              ↓
Ralph Loop(迭代引擎,底层执行器可切换)
    ├─ --agent opencode     → OpenCode(当前默认)
    ├─ --agent claude-code  → Claude Code
    ├─ --agent codex        → OpenAI Codex
    ├─ --agent copilot      → GitHub Copilot CLI
    ├─ --agent cursor-agent → Cursor Agent
    └─ --agent qwen-code    → Qwen Code
    ↓
Ralph 持续迭代直到 <promise>COMPLETE</promise> 或达上限
    ↓
结果交付 + 记忆记录

Agent 选择决策树

任务来了
  ↓
是简单问答/文件读取?
  ├─ YES → OpenClaw 原生能力执行
  └─ NO ↓
需要持续迭代直到达标?
  ├─ YES → Ralph Loop(用选定的执行器)
  └─ NO ↓
sessions_spawn 子代理执行

执行器选择参考

执行器 优势 劣势 推荐场景
opencode MiniMax/MiniMax-M3 支持好,默认使用 插件生态较弱 日常开发、Skill 改写
claude-code Claude 4 系列强,多工具调用 需要 Anthropic API Key 复杂推理、代码审查
codex GPT-5 支持,OpenAI 生态 需要 OpenAI API Key OpenAI 相关项目
copilot GitHub 深度集成 需要 Copilot 订阅 GitHub 项目维护
cursor-agent 上下文感知强 需要 Cursor 账号 Cursor 用户
qwen-code Qwen 系列强 生态较新 阿里云/Qwen 项目

> 默认使用:opencode(MiniMax 模型已配置好,无需额外 API Key)

Ralph Loop 任务模板

当需要 Ralph Loop 时,使用以下格式生成任务:

## 任务:<任务名称>

### Goal
<一句话描述最终目标>

### Scope
- 包含:<明确范围>
- 不包含:<明确边界>

### Requirements
1. <可测试的需求1>
2. <可测试的需求2>

### Constraints
- 技术栈:<约束>
- 兼容性:<约束>

### Acceptance Criteria
- [ ] <验收项1>
- [ ] <验收项2>

### 完成承诺
<任务完成后,输出以下标记之一>:
- `<promise>COMPLETE</promise>` — 任务成功完成
- `<promise>PARTIAL</promise>` — 部分完成,需要人工介入

Ralph Loop 调用命令

cd <工作目录>
ralph "<任务描述,包含完成承诺>"
  --agent {{ACTIVE_AGENT}}           # 从配置区读取
  --model {{AGENT_MODEL}}            # 可选,覆盖默认模型
  --max-iterations <最大迭代次数>
  --no-plugins                       # 避免插件冲突

完整示例(OpenCode,当前默认)

cd ~/GitHub/mba-thesis-workflow
ralph "优化 SKILL.md,增加 xxx 章节。完成后输出 <promise>COMPLETE</promise>。"
  --agent opencode
  --model minimax/MiniMax-M2.7
  --max-iterations 5
  --no-plugins

Claude Code 示例(切换执行器时)

cd ~/GitHub/my-project
ralph "实现登录功能,包含注册、登录、登出。测试通过后输出 <promise>COMPLETE</promise>。"
  --agent claude-code
  --model claude-sonnet-4
  --max-iterations 10
  --no-plugins

Codex 示例

cd ~/GitHub/my-project
ralph "生成所有工具函数的单元测试。完成后输出 <promise>COMPLETE</promise>。"
  --agent codex
  --model gpt-5-codex
  --max-iterations 8
  --no-plugins

Agent Rotation(轮换)

Ralph 支持在多次迭代中轮换不同的 agent/model 组合:

ralph "重构认证模块"
  --rotation "opencode:minimax/MiniMax-M2.7,claude-code:claude-sonnet-4"
  --max-iterations 10
  --no-plugins

单次任务模板(不经 Ralph Loop)

适合单次简单执行,不需要迭代:

cd <工作目录>
ralph "<单次任务>"
  --agent {{ACTIVE_AGENT}}
  --max-iterations 1
  --no-plugins

工作目录规范

项目类型 推荐工作目录
MBA Thesis Workflow ~/GitHub/mba-thesis-workflow/
Skill 开发 ~/.openclaw/workspace/skills/<skill-name>/
其他项目 ~/GitHub/<project-name>/

异常处理

异常 处理方式
Ralph Loop 超过 max-iterations 输出部分结果,提示人工介入 <promise>PARTIAL</promise>
Agent API Key 失效 降级到 OpenClaw 原生执行
TTY 错误 使用 --no-plugins + --no-questions 重试
工作目录不存在 自动创建或提示用户确认
执行器不在 PATH 设置 RALPH_<AGENT>_BINARY 环境变量

最佳实践

1. 任务描述要具体

❌ 模糊:「帮我优化一下 skill」
✅ 具体:「在 ~/.openclaw/skills/xxx/SKILL.md 末尾增加「使用示例」章节,包含2个代码示例」

2. 设置合理的 max-iterations

  • 简单任务:3-5次
  • 复杂任务:10-15次
  • 迭代优化:5-10次
  • 保险上限:不超过 20 次

3. Ralph Loop 的好场景

  • ✅ Skill 改写、重构
  • ✅ 多文件代码生成
  • ✅ 测试覆盖优化
  • ✅ 文档完善
  • ❌ 纯问答、简单查询
  • ❌ 需要人工判断的创意任务

4. 多轮迭代技巧

如果 Ralph 在某次迭代后卡住,可以:
1. 在下次迭代时加更多上下文:ralph "<任务> + <上次的失败原因>"
2. 缩小范围,分步完成
3. 改用 sessions_spawn 手动介入

5. 切换执行器

切换执行器时,只需:
1. 改 ACTIVE_AGENT 和 AGENT_BINARY(配置区顶部)
2. 确认对应 API Key 已配置
3. 所有 ralph 命令格式不变,Ralph 自动使用新执行器

协作记忆

任务完成后,简要记录:
- 做了什么改动
- 涉及的文件
- 未完成的事项(如有)

格式:

## [YYYY-MM-DD] multi-agent-dev 任务记录
- 任务:<简述>
- 目录:<工作目录>
- 执行器:<ACTIVE_AGENT>
- 改动:<文件列表>
- Ralph 迭代:<N> 次
- 备注:<如有>

常见问题

5 问
答案由本站依据条目字段整理
多代理开发框架怎么安装?

在支持 Skills 的客户端里执行:skillhub install zcwl/multi-agent-dev。安装方式为未标注。装完刷新技能列表或重开客户端。

多代理开发框架支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

多代理开发框架权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

多代理开发框架收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

多代理开发框架用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。