智能体组织专家

---
name: agent-organization-expert
description: 团队组建、任务分解、工作流优化和协调策略的多智能体编排技能，旨在实现最佳团队绩效和资源利用率。
---

# 智能体组织

通过系统的任务分析、能力映射和工作流设计，组建并协调多智能体团队。

## 配置

- **智能体数量**：${agent_count:3}
- **任务类型**：${task_type:general}
- **编排模式**：${orchestration_pattern:parallel}
- **最大并发数**：${max_concurrency:5}
- **超时（秒）**：${timeout_seconds:300}
- **重试次数**：${retry_count:3}

## 核心流程

1. **分析需求**：理解任务范围、约束和成功标准
2. **映射能力**：将可用智能体与所需技能匹配
3. **设计工作流**：创建包含依赖和检查点的执行计划
4. **编排执行**：协调 ${agent_count:3} 个智能体并监控进度
5. **持续优化**：根据性能反馈进行调整

## 任务分解

### 需求分析
- 将复杂任务分解为离散的子任务
- 识别每个子任务的输入/输出需求
- 估计每个组件的复杂性和资源需求
- 为每个单元定义明确的成功标准

### 依赖映射
- 记录任务执行顺序约束
- 识别子任务之间的数据依赖
- 映射资源共享需求
- 检测潜在瓶颈和冲突

### 时间线规划
- 按照依赖关系排序任务
- 识别并行化机会（最多 ${max_concurrency:5} 个并发）
- 为高风险组件分配缓冲时间
- 定义进度验证的检查点

## 智能体选择

### 能力匹配
根据以下因素选择智能体：
- 所需技能与智能体专长
- 类似任务的历史表现
- 当前可用性和工作负载容量
- 任务复杂度的成本效益

### 选择标准优先级
1. **能力匹配度**：智能体必须具备所需技能
2. **过往记录**：优先选择有成功经验的智能体
3. **可用性**：有足够的容量及时完成任务
4. **成本**：在约束条件下优化资源利用率

### 备用计划
- 为关键角色识别备用智能体
- 定义故障转移触发器和交接程序
- 为单点故障任务保持冗余

## 团队组建

### 组成原则
- 确保所有子任务的技能覆盖完整
- 平衡 ${agent_count:3} 个团队成员的工作负载
- 最小化沟通开销
- 为关键功能包含冗余

### 角色分配
- 根据优势将智能体与子任务匹配
- 定义明确的所有权和责任
- 建立依赖角色之间的沟通渠道
- 记录阻塞问题的升级路径

### 团队规模
- 紧密耦合任务使用小团队
- 可并行化工作负载使用大团队
- 在规模决策中考虑协调开销
- 根据进度动态调整规模

## 编排模式

### 顺序执行
当任务有严格的顺序要求时使用：
- 任务 B 需要任务 A 的输出
- 步骤之间状态必须一致
- 错误处理需要有序回滚

### 并行处理
当任务独立时使用（${orchestration_pattern:parallel}）：
- 任务之间没有数据依赖
- 独立的资源需求
- 完成后可以聚合结果
- 最多 ${max_concurrency:5} 个并发操作

### 管道模式
用于流式或连续处理：
- 每个阶段处理并转发结果
- 允许不同阶段并发执行
- 减少多步骤工作流的整体延迟

### 分层委托
用于需要子编排的复杂任务：
- 牵头智能体协调子团队
- 每个子团队处理一个领域
- 结果通过层级向上聚合

### Map-Reduce
用于大规模数据处理：
- Map 阶段将工作分配给智能体
- 每个智能体处理一个分区
- Reduce 阶段合并结果

## 工作流设计

### 流程结构
1. **入口点**：验证输入并初始化状态
2. **执行阶段**：有序的任务分组
3. **检查点**：状态持久化和验证点
4. **出口点**：结果聚合和清理

### 控制流
- 为替代路径定义分支条件
- 为瞬时故障指定重试策略（最多 ${retry_count:3} 次重试）
- 为每个阶段建立超时阈值（默认 ${timeout_seconds:300} 秒）
- 规划部分故障的优雅降级

### 数据流
- 记录阶段之间的数据转换
- 指定数据格式和验证规则
- 规划检查点的数据持久化
- 完成后处理数据清理

## 协调策略

### 沟通模式
- **直接**：智能体之间紧密耦合
- **广播**：一对多状态更新
- **基于队列**：异步解耦任务
- **事件驱动**：对状态变化做出反应

### 同步
- 为依赖任务定义同步点
- 实现带超时的等待机制（${timeout_seconds:300} 秒）
- 优雅处理乱序完成
- 保持智能体之间状态一致

### 冲突解决
- 为资源争用建立优先级规则
- 定义冲突仲裁机制
- 记录死锁的回滚程序
- 通过仔细调度预防冲突

## 性能优化

### 负载均衡
- 根据智能体容量分配工作
- 监控利用率并动态重新平衡
- 避免过载高性能智能体
- 考虑数据密集型任务的智能体局部性

### 瓶颈管理
- 通过监控识别慢速阶段
- 增加受限资源的容量
- 重构工作流以减少依赖
- 在有利时缓存中间结果

### 资源效率
- 跨智能体共享资源池
- 使用后及时释放资源
- 批量处理类似操作以减少开销
- 监控并警报资源浪费

## 监控与适应

### 进度跟踪
- 监控每个任务的完成状态
- 跟踪花费时间与估计时间的对比
- 识别有延迟风险的任务
- 向利益相关者报告汇总进度

### 性能指标
- 任务完成率和延迟
- 智能体利用率和吞吐量
- 错误率和恢复时间
- 资源消耗和成本

### 动态调整
- 根据进度重新分配智能体
- 根据阻塞问题调整优先级
- 根据工作负载调整团队规模
- 根据学习修改工作流

## 错误处理

### 故障检测
- 监控任务故障和超时（${timeout_seconds:300} 秒阈值）
- 及时检测智能体不可用
- 识别级联故障模式
- 警报异常行为

### 恢复程序
- 带退避机制重试瞬时故障（最多 ${retry_count:3} 次尝试）
- 必要时故障转移到备用智能体
- 关键故障时回滚到上一个检查点
- 升级不可恢复的问题

### 预防
- 执行前验证输入
- 分配前测试智能体可用性
- 设计优雅降级
- 在关键路径中构建冗余

## 质量保证

### 验证关卡
- 在每个检查点验证输出
- 交叉检查并行任务的结果
- 验证最终聚合结果
- 确认成功标准已满足

### 性能标准
- 智能体选择准确率目标：>${agent_selection_accuracy:95}%
- 任务完成率目标：>${task_completion_rate:99}%
- 响应时间目标：<${response_time_threshold:5} 秒
- 资源利用率：最佳范围 ${utilization_min:60}-${utilization_max:80}%

## 最佳实践

### 规划
- 投入时间进行彻底的任务分析
- 记录假设和约束
- 预先规划故障场景
- 定义明确的成功指标

### 执行
- 从最小开始