以 AI 机器人身份加入视频会议,提供语音、虚拟形象与屏幕共享四种模式。
编程
Agent Collaboration
试用Agent协作模式,提供多Agent任务委派、并行执行、结果汇总的完整方法论。触发词:Agent协作、多Agent、任务委派、并行执行、团队协作、meta-skill-system
它能做什么
**核心价值**:让单Agent具备多Agent协作能力,实现任务的智能委派、并行执行和结果汇总。
技能文档
Agent协作模式
定位
本技能提供从任务分析到结果汇总的完整方法论。
核心价值:让单Agent具备多Agent协作能力,实现任务的智能委派、并行执行和结果汇总。
核心能力
Agent类型定义能力
定义不同类型的Agent,每种类型有特定的能力和工具:
- Explore(探索型):快速搜索、文件查找、代码探索
- Plan(规划型):任务分析、方案设计、架构规划
- General-purpose(通用型):完整能力,可执行任何任务
- Custom(自定义型):根据需求自定义Agent能力
任务委派能力
根据任务特征智能委派给合适的Agent:
- 任务分析:分析任务的复杂度、依赖关系、执行环境
- Agent选择:根据任务特征选择最合适的Agent类型
- 委派策略:确定委派方式(同步/异步、前台/后台)
- 结果回收:收集Agent执行结果并整合
并行执行能力
识别可并行执行的任务,同时委派给多个Agent:
- 并行识别:识别无依赖关系的任务
- 并行编排:将并行任务分配给多个Agent
- 同步机制:等待所有并行任务完成
- 结果合并:合并多个Agent的执行结果
结果汇总能力
收集多个Agent的执行结果,整合为统一输出:
- 结果收集:收集所有Agent的执行结果
- 结果验证:验证结果的正确性和完整性
- 结果整合:将多个结果整合为统一输出
- 结果呈现:以用户友好的方式呈现结果
三层结构
第一层:Agent协作清单 + 依赖拓扑 → references/collaboration-catalog.md
第二层:方法论要求清单 → references/collaboration-requirements.md
第三层:方法论范本库 → references/exemplars.md
使用规则
执行流程
- 任务分析:分析任务的复杂度和需求
- Agent选择:根据任务特征选择合适的Agent类型
- 任务委派:将任务委派给选定的Agent
- 执行监控:监控Agent的执行过程
- 结果汇总:收集并整合Agent的执行结果
Agent选择规则
选择标准:
| 任务特征 | 推荐Agent类型 | 原因 |
|---|---|---|
| 搜索/探索 | Explore | 快速搜索能力 |
| 规划/设计 | Plan | 架构设计能力 |
| 复杂任务 | General-purpose | 完整执行能力 |
| 特定需求 | Custom | 自定义能力 |
选择流程:
任务分析 → 特征识别 → Agent匹配 → 能力验证 → 最终选择
任务委派规则
委派方式:
| 方式 | 适用场景 | 特点 |
|---|---|---|
| 同步委派 | 需要立即结果 | 阻塞等待结果 |
| 异步委派 | 可以后台执行 | 非阻塞,后台运行 |
| 前台委派 | 需要实时监控 | 实时查看执行过程 |
| 后台委派 | 长时间任务 | 后台执行,完成通知 |
委派策略:
任务分解 → 依赖分析 → 并行识别 → Agent分配 → 执行编排
并行执行规则
并行条件:
- 任务间无依赖关系
- 任务可独立执行
- 资源充足支持并行
并行限制:
- 最大并行数:5个Agent
- 资源限制:根据系统资源调整
- 超时控制:设置合理超时时间
并行模式:
并行识别 → 任务分配 → 同时执行 → 结果收集 → 结果合并
结果汇总规则
汇总方式:
| 汇总类型 | 适用场景 | 汇总方式 |
|---|---|---|
| 简单汇总 | 结果独立 | 直接拼接 |
| 智能汇总 | 结果相关 | 语义整合 |
| 验证汇总 | 结果需验证 | 交叉验证 |
汇总流程:
结果收集 → 完整性检查 → 结果验证 → 结果整合 → 格式化输出
执行框架
本技能内嵌了完整的Agent协作执行框架。
核心理念:
- 智能委派:根据任务特征智能选择Agent
- 并行执行:识别并行机会,提高执行效率
- 结果整合:智能整合多个Agent的结果
统一执行流程:收到任务后按5步执行——任务分析 → Agent选择 → 任务委派 → 并行执行 → 结果汇总。
Step 0:任务分析
分析任务的特征和需求:
- 任务复杂度(简单/中等/复杂)
- 任务类型(搜索/规划/执行/混合)
- 依赖关系(独立/有依赖)
- 执行环境(前台/后台)
Step 1:Agent选择
根据任务特征选择Agent类型:
- 评估任务需求
- 匹配Agent能力
- 验证Agent可用性
- 确定最终选择
Step 2:任务委派
将任务委派给选定的Agent:
- 准备任务描述
- 设置执行参数
- 选择委派方式
- 启动Agent执行
Step 3:并行执行
识别并行机会,同时执行多个任务:
- 识别可并行任务
- 分配给多个Agent
- 监控执行进度
- 处理执行异常
Step 4:结果汇总
收集并整合Agent执行结果:
- 收集所有结果
- 验证结果完整性
- 整合相关结果
- 格式化输出
事实纪律
- Agent选择必须基于任务特征,不可随意
- 任务委派必须明确,不可模糊
- 并行执行必须考虑资源限制,不可过度并行
- 结果汇总必须准确,不可遗漏
- 异常处理必须及时,不可延迟
相关技能
在本地磁盘以分类纯 Markdown 文件保存需要长期留存的事实,与智能体内置记忆并存。
按用户明确指令,在得到大脑(Get笔记)中保存、搜索并管理笔记与知识库。
诊断生产力系统反复失效的根因,给出最小干预——容量测算、瓶颈定位、可靠的本地记录。
把自然语言描述转为结构化 JSON,并由 mcp-diagram-generator MCP 服务生成 Draw.io、Mermaid 或 Excalidraw 图表文件。
执行 Git 操作(提交、分支、合并、变基、冲突解决与恢复)时强制套用安全规则。
wangjiaocheng 的更多技能
浏览全部技能CAD制图编辑器 — 用自然语言生成工程图纸(建筑平面图/机械零件/电气布置/管道系统/结构详图)。 支持DXF文件创建、渲染预览、批量导出。触发词:画平面图、CAD、工程图、建筑图、机械图、电气图、 管道图、结构图、画线/圆/矩形/多边形、尺寸标注、DXF、AutoCAD、施工图、配筋图、齿轮、轴承、 阀门、弯...
Control Windows desktop software, hardware, and IoT devices. This skill should be used when the user wants to open/close/resize windows, start/stop/monitor p...
一人公司操作系统。核心能力:工作流重构——将任何领域的复杂工作流重构为AI辅助一人简易完成的方法(拆解人的局限补偿层→消除→基于AI能力模型重整)。执行轴为6维能力调用而非角色分工,管线为IPO基元链而非流水线传递。内容轴提供清单法与样本法的OPC适配规则,创新轴适配一人公司独特约束的突破路径。领域负载物覆盖7域...
认知执行技能 — 整合认知套件与执行框架两大能力层,并配备编排引擎。 认知层:四种思维操作码(直用/改进/迁移/构建)覆盖所有思考任务; 执行层:大语言模型 + 命令执行工具,自动化代码生成与脚本执行; 编排引擎:将所有操作统一为基元,自由组合为任意复杂度的执行链条。 此技能应用于认知与代码执行类任务。
全知全能技能 — 整合认知套件、执行框架、系统控制三大能力层,并配备编排引擎。 认知层:四种思维操作码(直用/改进/迁移/构建)覆盖所有思考任务; 执行层:大语言模型 + 命令执行工具,自动化代码生成与脚本执行; 操控层:Linux桌面软件、系统硬件、串口设备、物联网平台、图形界面自动化、蓝牙设备、GPU显卡、存...
全知全能技能 — 整合认知套件、执行框架、系统控制三大能力层,并配备编排引擎。 认知层:四种思维操作码(直用/改进/迁移/构建)覆盖所有思考任务; 执行层:大语言模型 + 命令执行工具,自动化代码生成与脚本执行; 操控层:Windows桌面软件、系统硬件、串口设备、物联网平台、图形界面自动化、蓝牙设备、GPU显卡...