AI Skill 大全

多模型协同任务编排

将大型复杂任务拆解,利用高性价比模型并行执行子任务,并由顶级模型进行方案与交付评审,最终汇总交付完整结果。

功能与用途

本技能针对单个大语言模型难以胜任的超大规模或多分支并发任务,构建了三层协同机制:编排者(Orchestrator)负责需求拆解、并行派发、逐项验证和最终整合;工作者(Workers,默认 Gemini Flash 等高并发模型)在隔离环境中并行执行无状态的具体调研或生成任务;顾问(Advisor,默认高推理能力模型)则在执行前进行规划评审、在交付前进行品控审核。该流程严格控制上下文泄露与执行边界,支持任务验收失败自动重试或升级,并提供 CLI 与 API 双通道降级容灾。

适用场景

  • 竞品与技术批量调研:将数十个竞品分析或技术点调研拆解为独立指令,派发给轻量模型并发采集后统一汇总产出。
  • 超大工程任务分级开发:由顶级推理模型把关架构设计与方案审查,调度高并发模型分工编写各模块代码并自动化验证。
  • 长文本多维度交叉审核:在发布前将内容分发至不同工作单元进行多角度校对,再由高级模型结合反馈做终审裁定。

适用人群

  • AI应用开发者
  • 复杂研究与行业分析师
  • 需要批量处理高并行任务的技术团队
  • 多Agent系统架构师

使用步骤

  1. 确定交付成果与 3-5 项验收标准,并检查本地 CLI 工具与 API Key 可用性
  2. 将总任务分解为完全自包含、输入明确的独立子任务清单与批次规划
  3. 将拆解方案发送给顾问模型进行首次强制评审,根据反馈修正执行路径
  4. 按批次并发启动 Worker 进程执行各子任务,将输出写入独立临时文件
  5. 编排者严格按照验收标准校验各 Worker 输出,未通过则重新派发或升级处理
  6. 将全部合格结果进行无冲突整合,提交顾问模型进行终审品控,输出最终报告及审计日志

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
AI工作流
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
专业
版本
main
最近更新
2026-09-23
文件数
4
安装包大小
自动生成 ZIP
安全检查
基础检查通过

>-

依赖与权限

  • GEMINI_API_KEY
  • GOOGLE_API_KEY
  • ANTHROPIC_API_KEY
  • PATH
  • 读取用户主动提供的内容

同类 Skill