玄机子：在 WorkBuddy 里用多 Agent 调度传统命理咨询
玄机子是 SkillHub 社区 Skill（@user_70b62916/573215058，v1.0.0，professional），无需 API Key。加载后 WorkBuddy 以玄机子角色，经 TeamCreate、Agent spawn、SendMessage 调度十三位命理宗师，覆盖八字、紫微、六爻、风水、择日等门类，用白话输出综合解读。文章说明定位、触发条件、官方安装提示与适用宿主限制，并给出可复现的提问方式。
閱讀全文帝国创世纪：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。
閱讀全文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。
閱讀全文多Agent協作的小說創作系統：從靈感到成品的 Skill 流水線
SkillHub 社區技能「多Agent協作的小說創作系統」（@user_9aa92135/novel-writer-team，v1.0.1）面向小說與網文創作，用 8 個專業角色覆蓋從靈感到成品的流程，並適配起點中文網、番茄小說、晉江文學城、知乎鹽選、豆瓣閱讀五種風格。默認自動推進，用戶說「一步步來」可切換分步確認；無需 API Key。安裝時向 AI 發送官方提示，按 skillhub.md 安裝該座標即可。
閱讀全文academic-paper-team：多 Agent 協作的學術論文寫作 Skill
academic-paper-team 是 SkillHub 社區 ai-agent 類 Skill（v1.0.0，@user_cbe7a01d/academic-paper-team），在寫論文、選題、文獻綜述等觸發詞下啓動 Controller+四位專家+臺賬與五道閘門的有狀態論文流程，融合 Sprint 契約與分離評估。本文基於官方頁面說明架構、安裝（skillhub 或安裝文檔提示詞）及典型用法與適用注意。
閱讀全文混合動態多 Agent 協作系統：按任務複雜度動態組隊
SkillHub 社區 Skill「混合動態多 Agent 協作系統」（v1.2.1，@user_f076293a/dynamic-multi-agent-system）面向 OpenClaw 等支持 SKILL.md 的 Agent 環境。它自動識別單一、標準、創新三類任務，按需創建臨時子 Agent 並行或串行協作，並提供三層質量檢查、異常處理與可選流程固化。文章說明核心能力、skillhub 安裝命令與各客戶端 skills 目錄，並給出官方文檔中的任務描述示例與適用邊界。
閱讀全文中國專利申請文件多Agent並行審查器：並行審校並輸出帶修訂的 docx
SkillHub 社區 Skill「中國專利申請文件多Agent並行審查器」（@user_dcf8e29c/checking-patdocx-cn-multi-agents，v1.1.3）面向中國專利申請 .docx/.doc，採用多 Agent 並行架構做檢查、審閱與校對，並生成含修訂追蹤與批註的 docx 副本。適用於明確要求多 Agent 或並行審查的場景；不用於僅瀏覽文檔、非 Word 格式或翻譯需求。安裝可參考 skillhub.cn/install/skillhub.md，用 skillhub install 並指定 Cursor 等客戶端的 skills 目錄。標籤 requires_api_key=false。
閱讀全文投標標書多 Agent 協作生成 Skill：六階段流水線與 IMA 知識庫優先
SkillHub 上的投標標書多 Agent 協作生成 Skill（v2.1）面向投標文件、技術/商務方案與響應矩陣寫作。流程爲總調度解析、IMA 知識庫檢索、並行章節編寫（知識庫優先並標記 AI 補全）、人工確認、合稿排版、五道硬門檻質檢與五維評審，覆蓋政策合規、技術匹配、商務匹配與格式檢查。本文說明定位、核心能力與基於 skillhub.md 的安裝方式，並給出典型協作步驟與使用注意。
閱讀全文記憶管家：多 Agent 上下文與記憶文件的監控與復盤
記憶管家是 SkillHub 社區 ai-agent 類 Skill（v1.0.3，無需 API Key），面向多 Agent 長期運行：監控會話上下文與記憶文件磁盤佔用並在超閾值時提示壓縮，配合 crontab 每日增量掃描記憶、提煉偏好與待辦並更新 MEMORY.md，安裝後引導初始化目錄與定時任務。本文基於官方頁面與 SkillHub 安裝文檔說明安裝座標、CLI 命令及 Cursor/Claude Code/Codex 的 skills 路徑，並歸納適用場景與限制。
閱讀全文dsh-round-table：多 Agent 協作圓桌會議
`dsh-round-table` 是 DeepSeek Harness 的一個插件，旨在解決多 Agent 開發中的上下文割裂和協作追蹤問題。該插件提供了一個集中化的“圓桌會議”環境，支持任務卡生成、可視化工作流、共享資料及獨立祕書紀要等功能。 用戶需在 DSH 0.2.0-rc.2 桌面版中安裝並啓用該插件，通過建立會議、邀請成員、生成與發佈任務卡，以及持續跟進來協作。插件支持順序或並行編排，並保留成員原會話上下文。注意它僅限桌面版使用，且文件處理和權限管理存在特定限制。
閱讀全文DeepSeek Harness 可視化多 Agent 編排插件
dsh-visual-workflow 插件爲 DeepSeek Harness (DSH) Web GUI 提供了可視化的多 Agent 工作流編排方案。它支持節點拖拽、流程與上下文連線、斷點續跑及定時觸發，並能一鍵發佈爲 API 服務。該插件具備 Agent 自主元編排能力，支持人類在環干預，且零官方包依賴。它引入了“元編排”概念，將工作流、智能體團隊與組織記憶結合，支持 SQLite、MySQL、PostgreSQL 數據庫，旨在解決複雜任務下的動態流程編排問題。
閱讀全文DeepSeek Harness 插件：RTS 星際戰艦風格的多 agent 編排看板
dsh-plugin-stardeck 是一款爲 DeepSeek Harness 打造的插件，旨在解決多會話管理混亂的問題。它將傳統的“和 agent 聊天”轉變爲“向艦隊下達命令”的 RTS 星際戰艦風格。 插件核心功能包括 3D 星域視圖、四段生命線管理、戰線概念聚合以及三種自主度分級（直接做、大副分診、先看方案）。它支持持久化賬本記錄和機器檢查，適用於每週總結、代碼審查等場景。項目已於 2026 年分家，內核已移植爲獨立守護進程 + MCP。
閱讀全文dsh-swarm：自主團隊協作插件 v0.4.0
dsh-swarm v0.4.0 是 DeepSeek Harness 的多 Agent 協作插件，旨在解決任務丟失、Token 浪費及延遲問題。核心功能包括：Agent 常駐進程、獨立 API 配置、工件引用傳遞機制、任務賬本與看門狗自動重試機制，以及內置聯網能力。通過可視化 UI 和工具鏈，支持複雜任務的多角色分工與實時監控。與 agent-teams 相比，其獨立進程和智能重試機制更適合長流程和高可靠性場景。
閱讀全文dsh-ultramath：UltraMath 數學建模競賽多 Agent 求解插件
dsh-ultramath 是面向數學建模競賽的 DeepSeek Harness 多 Agent 求解插件，由 Andiii208 開發並採用 MIT 許可證。該插件通過原生 Agent 預設和技能包，將數模求解流程標準化爲“讀題、框架、推導、編碼、驗算、論文、審稿”七個階段，解決了單輪提示詞流程破碎的問題。 核心功能包括：提供 UltraMath 主控及數學家、工程師等四個單階段角色預設；內置 33 篇模型庫及論文模板，實現自包含安裝，數據冪等同步至本地；設置嚴格的質量門禁，涵蓋獨立驗算、審稿阻斷項、盲評機制及學術誠信七類門控，任一違規即一票否決。此外，引入“數字凍結”機制確保論文數據與代
閱讀全文一句話拉起 Agent 團隊：DeepSeek Harness 插件 dsh-agent-teams 上手
dsh-agent-teams 是 NanmiCoder 維護的 DeepSeek Harness 工作流插件，讓當前會話成爲隊長，創建可續聊子 Agent 團隊，按依賴拆分任務並自動調度，附帶 Web 活動面板。本文基於 SkillHub 目錄頁與 GitHub 官方 README 覈實安裝命令、核心能力與使用邊界，適合需要多 Agent 協作又不想自建 Workflow 引擎的 DSH 用戶。
閱讀全文用 dsh_workflow 把 DSH 的一次性多 Agent 調度做成可恢復工作流
dsh_workflow 是 icetomoyo 維護的 DeepSeek Harness 工作流插件（MIT，包名 @dsh-external/workflow）。它不替換 DSH 前臺一次性 workflow 工具，而是補上可生成、可保存、可治理、可觀察、可恢復的流程層：命名膠囊、run 落盤、暫停續跑、QuickJS 隔離執行。本文按社區目錄頁與 GitHub 覈對安裝命令、斜槓用法和權限邊界。
閱讀全文Cursor 多 Agent 蜂羣用 1339 美元重建 SQLite：Planner/Worker 分層纔是 Agent 經濟學
2026年7月，Cursor發佈Agent Swarm研究：僅憑835頁SQLite文檔、無源碼無網絡，多Agent蜂羣在Rust中重建SQLite並通過sqllogictest全部測試。Opus 4.8規劃+Composer 2.5執行的混合方案總成本約1339美元，GPT-5.5單模型方案約10565美元。文章梳理Planner/Worker分層架構、新harness協調機制、實驗數據與minisqlite開源產物，解析「規劃用強模型、執行用弱模型」的多Agent成本優勢及對工程實踐的啓示。
閱讀全文Cursor 3 多 Agent 架構：Planner/Worker 分工最高降本 15 倍
2026 年 7 月 Cursor 公佈升級版 Agent Swarm：前沿 Planner 模型拆任務定方案，廉價 Composer 2.5 Worker 負責執行。在僅憑 SQLite 手冊、從零用 Rust 復刻數據庫的封閉基準中，新架構各配置最終 sqllogictest 通過率均達 100%，Opus+Composer 組合總成本約 $1,339，較 GPT-5.5 單模型約 $10,565 降低近 15 倍；Opus 配置代碼量較舊 Swarm 減少約 85%。本文梳理樹形分工、自研 VCS、失敗模式治理與模型經濟學，並說明該結果爲 Cursor 自研實驗、落地生產仍需謹慎。
閱讀全文