1. 现有多 Agent 编排的问题
现在的多 Agent 编排项目,比如 Orca、Multica、herdr,几乎都有类似的问题:
- 复杂。复杂的看板,复杂的配置。
- 大量操作仍然要人来做。
- 为了在 Codex/Claude Code 之上做编排,做了大量 Hook、Hack(当然,这也是他们的优势,能用订阅账号)。
- 喜欢按照人类的分工给 Agent 分角色,还把他们放在一个群聊里派工作(如 WorkBuddy、Accio)。
这也是惯性思维导致的错误做法。过去给人类分工,是因为每个人精力有限,只能精通部分专业;而以当前 AI 的智力,完全不存在这个问题。强行拆分角色,反而带来 Agent 之间沟通上的成本,浪费大量 Token。
更麻烦的是,当前模型是刻意朝着高指令遵循的方向训练的,一旦环节上的某个 Agent 产生了一个错误输出,整个团队很容易遵循错误指令被带偏。
2. 我的解法
针对这些问题,我的解法是:
- 金字塔型关系。一个 Leader 带一堆 Worker,Worker 之间不能通信,完全走 Leader 传话。由于 Leader 同时接收很多路信息,即使其中一个 Agent 发出了错误信息,也不容易被带偏。
- 足够简单。只需要跟 Leader Agent 对话,就能开展工作,不需要复杂的配置。
- 编排层泛化。不仅支持软件开发,其他任何场景也都能使用。
- 简单直接的可观测。无论 Leader Agent 还是 Worker Agent,做了什么都能直接看到。
- 完善的编排,不搞 Hack。这极大提高了整个 AgentTeam 的沟通效率,但缺点无法使用 Codex/Claude Code 订阅。这要等 DSH 自身支持了。
- 人只做最后把关,人的工作集中在需求本身,最终验收 PR。
经过多个版本迭代当前的 UI:

左侧是和工作区平行的项目,每个项目绑定一个 Leader Agent;右侧是任务看板,展示进行中的任务。
一般工作流
大部分情况下,我为了不污染 Leader Agent 的上下文,会首先和一个 Agent 反复聊,把需求聊明白,形成文档。
然后把文档扔给 Leader Agent ,由 Leader Agent 创建任务卡片,然后派 Worker 开发。
如果是编程类工作流,可以绑定 GitHub PR 流程。PR 是否合并由人决策,人一般不看代码,只在最后于 GitHub 网页上进行审核。
在这套工作流下,一个 Leader Agent 同时推进 15 个 Feature 并行开发游刃有余。
任务卡片
任务卡片是一个很重要的设计。它承载了任务的上下文,哪些 Worker 负责执行任务。关键是任务卡片不需要人去写或者创建,而是交给了 Leader Agent。

在人这侧,是为了可观测性:
- 任务标题,点击可以看到任务详情
- 任务可以挂载链接,例如 PR 链接
- 任务卡片可以挂在执行任务的 Worker Agent,点击可以下钻到具体 Session
这就保证了人的可观测性。任务也是灵活的,泛化的,不一定是编程任务,其他任务也可以用这套系统做流程编排。
在 Agent 这侧:
- 任务卡片的创建、修改、指派任务都是 Leader Agent 完成。
- Worker Agent 被指派任务时会指定角色,上下文直接会被 Harness 层注入任务详情,SLOTS.md 中这个角色,Leader Agent 指派任务时的要求,可以直接开工。
- Worker Agent 完成任务时,Harness 层自动把消息回报给 Leader Agent,Leader Agent 会安排下一步
任务卡片作用是为了可观测性和 Agent 之间沟通。大部分时候,我都认为应该直接跟 Leader Agent 沟通。比如,我会经常直接跟它说:“汇报一下当前情况”,“有哪些需要我决策的”。
配置及初始化
我非常推崇通过对话来初始化整个工作流,符合人的直觉,也不需要复杂的配置页。首次打开 Leader Agent 的 Session 会有一个卡片,引导用户和 Leader Agent 对话,对工作流进行初始化。
初始化的内容最终落在项目目录的 2 个文件里:
这 2 个文件既可以让 Leader Agent 修改,也可以手工编辑。
3. 灵活性
这套多 Agent 编排系统,使用的是 Markdown 管理和注入,可以和其他组件配合使用。
例如,最近很多的 Pstack Skill 技能组,或者其他 Skill。你只需要在 LEADER.md 里给提示,Leader Agent 下达任务的时候,会让 worker 自己去加载 Skill。也可以在 SLOTS.md 里,给 worker 的角色定义里,让 worker 去加载 Skill。
这也是我喜欢的一个设计,可以和现有 Skill 生态无缝融合。
4. 智能涌现
当这套编排系统跑起来之后,我遇到了一个 Aha 时刻,Leader Agent 像是突然变聪明了,推进任务的时候极其专业——任务当前什么状态,要做什么,要回报什么结果,像极了一个专业的指导。

回头来看,我猜是因为 Leader Agent 的上下文始终干净,没有被大量工具调用分散注意力,于是它能够站在更高的角度全局性的思考。
5. 开源 DSH 插件
在 dsh 的插件管理中点添加,然后输入 dsh-leader-agent 安装。
项目源码:https://github.com/fengshenx/dsh-leader-agent
欢迎使用和提出意见。喜欢的话,也帮忙点点 Star。
这套多 Agent 编排思路,部分参考了 Cursor Projects 和 pstack