Subagent Architecture 是一个为 OpenClaw 平台设计的先进多智能体系统构建模式库与生产级参考实现。该技能专注于解决复杂任务中安全隔离、专业化分工、成本控制和协作验证等核心挑战，提供了一套经过实战检验的架构模式和配套工具库。它不仅包含四个关键生产模板（安全代理、研究员专家、分阶段实施、同行评审），还提供了四个功能完整的 JavaScript 库：spawn-security-proxy 用于高风险操作的安全沙箱隔离，spawn-researcher 支持多角度信息合成与可信度评估，cost-estimator 实现预估算与预算控制，quality-scorer 对子代理输出进行八维度质量评分。所有代码均为纯 Node.js 实现，无外部依赖，可直接集成到工作流中。该架构强调‘最小权限原则’和‘故障隔离’，通过将高风险的 API 调用、研究分析或代码生成任务委托给专用、短生命周期的子代理，在主代理上下文中保持高度安全性和可控性。
核心功能特点
- 提供安全代理模式，通过上下文最小化和输出 sanitization 实现高风险操作的隔离执行
- 研究员专家模式支持多视角并行分析（乐观/悲观/实用主义），并内置来源可信度评估机制
- 分阶段实施管道将复杂任务拆解为架构设计→编码实现→独立审查三个阶段，提升交付质量
- 成本感知框架在 spawn 前预估开销，支持分级审批流程，有效控制预算超支风险
- 输出质量评分系统从具体性、可行动性、证据支撑等八个维度自动评估子代理产出
适用场景
该架构特别适合需要处理高风险外部交互或复杂决策的场景。例如，当主代理需接入未经验证的第三方 API 时，可通过安全代理模式创建一个仅拥有 curl 工具和受限参数的临时实例，由其完成数据拉取后返回经 JSON Schema 验证的纯净结果，避免敏感信息泄露或异常行为影响主进程。对于涉及多源信息交叉验证的研究型任务，如评估某项技术选型方案，可启动三个分别扮演‘乐观派’、‘悲观派’和‘务实派’的研究员子代理，它们基于不同立场搜集资料并形成结构化报告，最后由主代理综合各方观点给出平衡建议。在企业级开发场景中，若需实现一个跨多个文件模块的新功能，采用分阶段实施模式能显著降低返工概率：先由架构师产出详细设计文档，再交由专注编码的子代理实现并通过自动化测试，最后引入独立评审者检查接口兼容性与潜在缺陷。此外，在面对高 stakes 决策（如支付逻辑审计）且内部缺乏专业领域知识时，可通过 peer-review 模板向可信的同行代理发起结构化评审请求，利用 federated 网络获取外部盲测反馈，从而弥补单一视角的认知盲区。