Multi-Agent Orchestrator 模式

Multi-Agent Orchestrator 模式是一種將複雜任務分派給多個專業化 agent 的協作架構。一個 orchestrator agent 負責理解需求並路由任務，多個 worker agent 各自專注於特定角色。

架構

使用者（Telegram）
    ↓
Orchestrator Agent（調度者）
    ├── Builder Agent（建構者）— 寫程式碼
    ├── Reviewer Agent（審核者）— 檢查品質
    └── Deployer Agent（部署者）— 推上線
    ↓
產出（PR + QA 通過）

實際案例：使用者在 Telegram 發「我們需要一個 retry 機制」→ orchestrator 接收 → 分派給 builder 寫 code → reviewer 審核 → deployer 開 PR → 3 分鐘後完成。

社群中有人形容：「以前要 10-20 萬美元顧問費的工作，現在一天就能完成」。

為什麼重要

這是目前看到的 AI Agent 應用天花板——從單一 agent 執行任務，進化到多個 agent 分工協作。

與成本優化的關聯：orchestrator 跑大模型（Opus）做決策，worker 跑小模型（Haiku/Sonnet）做執行，兼顧品質與成本（見 AI Agent 的成本優化策略）。

“This is advanced, but it shows the ceiling of what’s possible. And what’s the ceiling today will be the floor tomorrow.” — VelvetShark

連結

• 上層：Clawdbot MOC
• 相關：Agent Skills 模式、AI Agent 的記憶系統設計
• 成本：AI Agent 的成本優化策略 — 多模型路由與 orchestrator 模式的結合
• 風險：AI Agent 的安全風險 — 自主 bug 修復等行為需要謹慎設定權限

參考

• YouTube - OpenClaw use cases by VelvetShark — Multi-Agent Dream Team 案例