帝国创世纪：把 OpenClaw 一键升级为龙虾帝国标准架构
帝国创世纪（@user_f9be8d90/empire-genesis，v1.1.0）是 SkillHub 社区 ai-agent 类 Skill，无需 API Key。它将 OpenClaw 实例自动升级为龙虾帝国标准架构：建跨 OS StateDB、注入 Signal Protocol v2、补齐 research/execution/verification Agent、部署带心跳补丁的 Watchdog，并经冷链与铁猪验证后无痕清理。文章说明五项核心动作、SkillHub CLI 安装命令（含 Cursor/Codex 等 skills 目录）、以及「初始化帝国」等触发词用法与适用注意。
阅读全文feishu-agent-send：多 Agent 场景下的飞书互发消息
feishu-agent-send（@user_d1914364/feishu-agent-send，SkillHub v3.0.2，ai-agent）是社区发布的飞书多 Agent 通信 Skill。通过 ~/.feishu_agent_send/config.json 与 feishu_set_self、feishu_add、feishu_send 等 Python 工具，登记各 Agent 的 chat_id，并用 --deliver 生成 feishu_im_user_message 发送指引。文章说明 SkillHub 安装命令、Cursor/Claude/Codex skills 目录、典型配置流程及私聊群聊切换与常见错误处理，适合 OpenClaw 多 Agent 需在飞书互通知的场景。
阅读全文多Agent协作的小说创作系统：从灵感到成品的 Skill 流水线
SkillHub 社区技能「多Agent协作的小说创作系统」（@user_9aa92135/novel-writer-team，v1.0.1）面向小说与网文创作，用 8 个专业角色覆盖从灵感到成品的流程，并适配起点中文网、番茄小说、晋江文学城、知乎盐选、豆瓣阅读五种风格。默认自动推进，用户说「一步步来」可切换分步确认；无需 API Key。安装时向 AI 发送官方提示，按 skillhub.md 安装该坐标即可。
阅读全文academic-paper-team：多 Agent 协作的学术论文写作 Skill
academic-paper-team 是 SkillHub 社区 ai-agent 类 Skill（v1.0.0，@user_cbe7a01d/academic-paper-team），在写论文、选题、文献综述等触发词下启动 Controller+四位专家+台账与五道闸门的有状态论文流程，融合 Sprint 契约与分离评估。本文基于官方页面说明架构、安装（skillhub 或安装文档提示词）及典型用法与适用注意。
阅读全文混合动态多 Agent 协作系统：按任务复杂度动态组队
SkillHub 社区 Skill「混合动态多 Agent 协作系统」（v1.2.1，@user_f076293a/dynamic-multi-agent-system）面向 OpenClaw 等支持 SKILL.md 的 Agent 环境。它自动识别单一、标准、创新三类任务，按需创建临时子 Agent 并行或串行协作，并提供三层质量检查、异常处理与可选流程固化。文章说明核心能力、skillhub 安装命令与各客户端 skills 目录，并给出官方文档中的任务描述示例与适用边界。
阅读全文中国专利申请文件多Agent并行审查器：并行审校并输出带修订的 docx
SkillHub 社区 Skill「中国专利申请文件多Agent并行审查器」（@user_dcf8e29c/checking-patdocx-cn-multi-agents，v1.1.3）面向中国专利申请 .docx/.doc，采用多 Agent 并行架构做检查、审阅与校对，并生成含修订追踪与批注的 docx 副本。适用于明确要求多 Agent 或并行审查的场景；不用于仅浏览文档、非 Word 格式或翻译需求。安装可参考 skillhub.cn/install/skillhub.md，用 skillhub install 并指定 Cursor 等客户端的 skills 目录。标签 requires_api_key=false。
阅读全文投标标书多 Agent 协作生成 Skill：六阶段流水线与 IMA 知识库优先
SkillHub 上的投标标书多 Agent 协作生成 Skill（v2.1）面向投标文件、技术/商务方案与响应矩阵写作。流程为总调度解析、IMA 知识库检索、并行章节编写（知识库优先并标记 AI 补全）、人工确认、合稿排版、五道硬门槛质检与五维评审，覆盖政策合规、技术匹配、商务匹配与格式检查。本文说明定位、核心能力与基于 skillhub.md 的安装方式，并给出典型协作步骤与使用注意。
阅读全文记忆管家：多 Agent 上下文与记忆文件的监控与复盘
记忆管家是 SkillHub 社区 ai-agent 类 Skill（v1.0.3，无需 API Key），面向多 Agent 长期运行：监控会话上下文与记忆文件磁盘占用并在超阈值时提示压缩，配合 crontab 每日增量扫描记忆、提炼偏好与待办并更新 MEMORY.md，安装后引导初始化目录与定时任务。本文基于官方页面与 SkillHub 安装文档说明安装坐标、CLI 命令及 Cursor/Claude Code/Codex 的 skills 路径，并归纳适用场景与限制。
阅读全文dsh-round-table：多 Agent 协作圆桌会议
`dsh-round-table` 是 DeepSeek Harness 的一个插件，旨在解决多 Agent 开发中的上下文割裂和协作追踪问题。该插件提供了一个集中化的“圆桌会议”环境，支持任务卡生成、可视化工作流、共享资料及独立秘书纪要等功能。 用户需在 DSH 0.2.0-rc.2 桌面版中安装并启用该插件，通过建立会议、邀请成员、生成与发布任务卡，以及持续跟进来协作。插件支持顺序或并行编排，并保留成员原会话上下文。注意它仅限桌面版使用，且文件处理和权限管理存在特定限制。
阅读全文DeepSeek Harness 可视化多 Agent 编排插件
dsh-visual-workflow 插件为 DeepSeek Harness (DSH) Web GUI 提供了可视化的多 Agent 工作流编排方案。它支持节点拖拽、流程与上下文连线、断点续跑及定时触发，并能一键发布为 API 服务。该插件具备 Agent 自主元编排能力，支持人类在环干预，且零官方包依赖。它引入了“元编排”概念，将工作流、智能体团队与组织记忆结合，支持 SQLite、MySQL、PostgreSQL 数据库，旨在解决复杂任务下的动态流程编排问题。
阅读全文DeepSeek Harness 插件：RTS 星际战舰风格的多 agent 编排看板
dsh-plugin-stardeck 是一款为 DeepSeek Harness 打造的插件，旨在解决多会话管理混乱的问题。它将传统的“和 agent 聊天”转变为“向舰队下达命令”的 RTS 星际战舰风格。 插件核心功能包括 3D 星域视图、四段生命线管理、战线概念聚合以及三种自主度分级（直接做、大副分诊、先看方案）。它支持持久化账本记录和机器检查，适用于每周总结、代码审查等场景。项目已于 2026 年分家，内核已移植为独立守护进程 + MCP。
阅读全文dsh-swarm：自主团队协作插件 v0.4.0
dsh-swarm v0.4.0 是 DeepSeek Harness 的多 Agent 协作插件，旨在解决任务丢失、Token 浪费及延迟问题。核心功能包括：Agent 常驻进程、独立 API 配置、工件引用传递机制、任务账本与看门狗自动重试机制，以及内置联网能力。通过可视化 UI 和工具链，支持复杂任务的多角色分工与实时监控。与 agent-teams 相比，其独立进程和智能重试机制更适合长流程和高可靠性场景。
阅读全文dsh-ultramath：UltraMath 数学建模竞赛多 Agent 求解插件
dsh-ultramath 是面向数学建模竞赛的 DeepSeek Harness 多 Agent 求解插件，由 Andiii208 开发并采用 MIT 许可证。该插件通过原生 Agent 预设和技能包，将数模求解流程标准化为“读题、框架、推导、编码、验算、论文、审稿”七个阶段，解决了单轮提示词流程破碎的问题。 核心功能包括：提供 UltraMath 主控及数学家、工程师等四个单阶段角色预设；内置 33 篇模型库及论文模板，实现自包含安装，数据幂等同步至本地；设置严格的质量门禁，涵盖独立验算、审稿阻断项、盲评机制及学术诚信七类门控，任一违规即一票否决。此外，引入“数字冻结”机制确保论文数据与代
阅读全文一句话拉起 Agent 团队：DeepSeek Harness 插件 dsh-agent-teams 上手
dsh-agent-teams 是 NanmiCoder 维护的 DeepSeek Harness 工作流插件，让当前会话成为队长，创建可续聊子 Agent 团队，按依赖拆分任务并自动调度，附带 Web 活动面板。本文基于 SkillHub 目录页与 GitHub 官方 README 核实安装命令、核心能力与使用边界，适合需要多 Agent 协作又不想自建 Workflow 引擎的 DSH 用户。
阅读全文用 dsh_workflow 把 DSH 的一次性多 Agent 调度做成可恢复工作流
dsh_workflow 是 icetomoyo 维护的 DeepSeek Harness 工作流插件（MIT，包名 @dsh-external/workflow）。它不替换 DSH 前台一次性 workflow 工具，而是补上可生成、可保存、可治理、可观察、可恢复的流程层：命名胶囊、run 落盘、暂停续跑、QuickJS 隔离执行。本文按社区目录页与 GitHub 核对安装命令、斜杠用法和权限边界。
阅读全文Cursor 多 Agent 蜂群用 1339 美元重建 SQLite：Planner/Worker 分层才是 Agent 经济学
2026年7月，Cursor发布Agent Swarm研究：仅凭835页SQLite文档、无源码无网络，多Agent蜂群在Rust中重建SQLite并通过sqllogictest全部测试。Opus 4.8规划+Composer 2.5执行的混合方案总成本约1339美元，GPT-5.5单模型方案约10565美元。文章梳理Planner/Worker分层架构、新harness协调机制、实验数据与minisqlite开源产物，解析「规划用强模型、执行用弱模型」的多Agent成本优势及对工程实践的启示。
阅读全文Cursor 3 多 Agent 架构：Planner/Worker 分工最高降本 15 倍
2026 年 7 月 Cursor 公布升级版 Agent Swarm：前沿 Planner 模型拆任务定方案，廉价 Composer 2.5 Worker 负责执行。在仅凭 SQLite 手册、从零用 Rust 复刻数据库的封闭基准中，新架构各配置最终 sqllogictest 通过率均达 100%，Opus+Composer 组合总成本约 $1,339，较 GPT-5.5 单模型约 $10,565 降低近 15 倍；Opus 配置代码量较旧 Swarm 减少约 85%。本文梳理树形分工、自研 VCS、失败模式治理与模型经济学，并说明该结果为 Cursor 自研实验、落地生产仍需谨慎。
阅读全文