多 Agent 项目协作工厂

帮助新手在 OpenClaw/Hermes/Claude 上实现真正意义上的多 Agent 协作，完成互联网项目。通过专业分工的 AI 协作自动完成复杂项目，将大任务分解为需求分析、资料调研、架构设计、代码实现、测试验证等环节，由专业 Agent 并行协作完成。

功能特性

🎯 智能任务分解 - 自动将复杂项目拆分为多个子任务
👥 专业 Agent 分工 - 5 个专业角色：分析师、研究员、架构师、实现者、测试者
🔄 并行协作 - 支持并行执行独立任务，提高效率
📋 任务追踪 - 实时跟踪每个 Agent 的进度和产出
🎨 可自定义配置 - 支持自定义 Agent 角色、任务流程、输出格式
📦 一键生成 - 提供脚本自动生成完整项目结构
🌐 跨平台支持 - 兼容 OpenClaw、Hermes、Claude 等多个平台

核心概念

Agent 角色

角色	职责	关键产出
Analyst (分析师)	需求分析、用户调研、功能规划	需求文档、功能清单、用户故事
Researcher (研究员)	技术调研、竞品分析、方案选型	调研报告、技术选型建议、参考资料
Architect (架构师)	系统设计、架构规划、接口定义	架构图、技术方案、API 文档
Implementer (实现者)	代码实现、模块开发、集成测试	完整代码、构建脚本、部署指南
Tester (测试者)	测试计划、质量验证、问题反馈	测试报告、Bug 列表、优化建议

工作流程

项目需求
    ↓
[任务分解] → 创建 Todo 列表
    ↓
┌─────────────────────────────────────┐
│  并行执行阶段                         │
│  ├─ Analyst → 需求分析               │
│  ├─ Researcher → 技术调研            │
│  └─ Architect → 架构设计             │
└─────────────────────────────────────┘
    ↓
[需求整合] → 整合分析/调研/架构结果
    ↓
[代码实现] → Implementer 编写代码
    ↓
[测试验证] → Tester 测试和反馈
    ↓
✅ 项目完成

快速开始

方式一：使用生成脚本（推荐）

# 生成多 Agent 项目模板
python ~/.hermes/skills/autonomous-ai-agents/multi-agent-project-builder/scripts/generate-project.py my-awesome-project

# 进入项目目录
cd my-awesome-project

# 查看生成的配置
cat PROJECT_CONFIG.yaml

# 开始执行（需要在 Hermes 中运行）
# 参考 EXECUTION_GUIDE.md

方式二：手动使用 Skill

加载 Skill

/skills autonomous-ai-agents/multi-agent-project-builder

定义项目目标

我要创建一个 [项目类型]，主要功能包括 [功能列表]

启动多 Agent 协作 Skill 会自动：
- 创建 Todo 列表
- 委托任务给各个专业 Agent
- 整合结果
- 生成最终产出

项目结构

生成的项目包含：

my-project/
├── PROJECT_CONFIG.yaml      # 项目配置文件
├── EXECUTION_GUIDE.md       # 执行指南
├── outputs/                  # 输出目录
│   ├── 01-requirements/     # 需求分析结果
│   ├── 02-research/         # 技术调研结果
│   ├── 03-architecture/     # 架构设计结果
│   ├── 04-implementation/   # 代码实现
│   └── 05-testing/          # 测试报告
└── templates/                # 模板文件（可选）

自定义配置

PROJECT_CONFIG.yaml 示例

project:
  name: "AI 聊天机器人"
  type: "web-app"
  description: "一个基于 LLM 的智能对话机器人"

agents:
  - name: analyst
    enabled: true
    goal: "分析用户需求，制定功能规划"
  - name: researcher
    enabled: true
    goal: "调研 LLM 集成方案，对比不同框架"
  - name: architect
    enabled: true
    goal: "设计系统架构和 API 接口"
  - name: implementer
    enabled: true
    goal: "实现完整的聊天机器人代码"
  - name: tester
    enabled: true
    goal: "测试功能完整性和用户体验"

workflow:
  parallel_phases:
    - ["analyst", "researcher", "architect"]
  sequential_phases:
    - ["implementer"]
    - ["tester"]

outputs:
  format: "markdown"
  directory: "./outputs"

使用示例

示例 1：创建一个 Todo 应用

项目目标：创建一个现代化的 Todo 任务管理应用

功能需求：
- 用户可以添加、编辑、删除任务
- 任务可以标记完成/未完成
- 支持任务分类和标签
- 响应式设计，支持移动端

技术偏好：
- 前端：React + TypeScript
- 后端：Node.js + Express
- 数据库：SQLite

Skill 会自动：

Analyst 输出详细需求文档
Researcher 调研最佳实践
Architect 设计系统架构
Implementer 编写完整代码
Tester 提供测试报告

示例 2：创建一个数据分析工具

项目目标：创建一个 CSV 数据分析和可视化工具

功能需求：
- 上传 CSV 文件
- 自动数据清洗和预处理
- 生成统计摘要
- 可视化图表（折线图、柱状图、饼图）
- 导出报告

技术偏好：
- Python + Streamlit
- Pandas 数据处理
- Matplotlib/Plotly 可视化

高级用法

自定义 Agent 提示词

在 PROJECT_CONFIG.yaml 中为每个 Agent 自定义提示词：

agents:
  - name: analyst
    custom_prompt: |
      你是一位专业的产品经理，擅长从用户角度思考问题。
      请特别关注：
      1. 用户体验设计
      2. 功能优先级排序
      3. 商业化可能性

跳过某些阶段

agents:
  - name: researcher
    enabled: false  # 跳过技术调研

添加自定义 Agent

agents:
  - name: designer
    enabled: true
    goal: "UI/UX 设计"
    custom_prompt: "你是一位专业的 UI/UX 设计师..."

技术栈

核心框架：Hermes Agent + delegate_task
任务管理：Todo 工具
输出格式：Markdown / JSON
模板引擎：Jinja2（可选）
支持平台：OpenClaw、Hermes、Claude

许可证

MIT License - 可自由使用和修改。

multi-agent-project-builder

Safety Notice

Copy this and send it to your AI assistant to learn