什么是 multi-agent-architecture-reference?
用于选择具有代币经济学、故障模式和升级路径的多代理拓扑(Supervisor、Swarm、Hierarchical、Conductor)的决策矩阵 来源:oimiragieo/agent-studio。
用于选择具有代币经济学、故障模式和升级路径的多代理拓扑(Supervisor、Swarm、Hierarchical、Conductor)的决策矩阵
通过命令行快速安装 multi-agent-architecture-reference AI 技能到你的开发环境
来源:oimiragieo/agent-studio。
Canonical reference for multi-agent topology selection — provides a 6-topology decision matrix with token economics, failure modes, escalation paths, and links to existing agent-studio patterns.
| Topology | Token Cost | Best For | Failure Modes | Existing Skill |
| Conductor | 6x | Sequential phases, ordered agent steps, default agent-studio pattern | Orchestrator overload (SE-M01) | master-orchestrator.md | | Supervisor | 5x | Known task types, specialist agents, deterministic routing | Single point of failure; router miscalibration (SE-M01) | Built into Router |
用于选择具有代币经济学、故障模式和升级路径的多代理拓扑(Supervisor、Swarm、Hierarchical、Conductor)的决策矩阵 来源:oimiragieo/agent-studio。
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/oimiragieo/agent-studio --skill multi-agent-architecture-reference用于选择具有代币经济学、故障模式和升级路径的多代理拓扑(Supervisor、Swarm、Hierarchical、Conductor)的决策矩阵 来源:oimiragieo/agent-studio。
打开你的终端或命令行工具(如 Terminal、iTerm、Windows Terminal 等) 复制并运行以下命令:npx skills add https://github.com/oimiragieo/agent-studio --skill multi-agent-architecture-reference 安装完成后,技能将自动配置到你的 AI 编程环境中,可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/oimiragieo/agent-studio