多智能体架构实践踩坑录：主脑制+受限二级派发，求教各位的路子

最近在搞一套基于 OpenClaw 的层次化多智能体系统，踩了一些坑也沉淀了一些经验，想拿出来和大家聊聊，看看各位都是怎么玩多 Agent 协作的。

我的架构大概长这样

• Main（主脑）：唯一的全局调度者，负责理解需求、拆任务、选角色、指定模型、定验收标准
• 5 个专业工种子 Agent：context（信息获取）、coder（实现）、reviewer（审查）、data_math（数据分析）、writer（文档包装）
• 受限二级派发：Sub-agent 默认禁止继续派发孙 Agent，只有 Main 显式授权才行

核心思路就一句话：Main 定方向，Sub 干工序，Grandchild 只拆明确小块。

几个我觉得挺关键的设计决策

1. 角色候选模型集合
每个 agent 的 model + fallbacks 不只是"主/备"关系，而是该角色的模型白名单。Main 每次派发时根据任务难度、风险、成本从中选最合适的，不是机械地 primary 给子 fallback 给孙。

2. 派发前先写拓扑
Main spawn 之前必须先规划清楚——派几层、派几个、每个用啥角色啥模型、允许不允许继续拆。不是想到哪 spawn 到哪。

3. Scout → Report → Main Decide
子 agent 可以有只读侦察模式，做完调查回传结构化总结（含证据链），Main 再决定下一步。避免子 agent 直接执行不可逆操作。

4. 父节点整合责任
谁派出去谁负责汇总。结果回流不是"感想"，是能继续调度的任务情报包。

踩过的坑

• 子 agent 给的总结太"感性"，Main 拿到还是要自己重新梳理 → 后来强制要求结构化输出模板
• 只读沙箱对某些检查命令不友好（写 cache、临时文件）→ 区分纯阅读侦察和轻执行侦察
• 并发不是目的，是结果。有些任务强行拆反而增加整合成本

想请教大家的

1. 各位的多 Agent 架构是怎么分层/分角色的？有没有觉得"主脑制"太中心化？
2. 子 Agent 的模型选择，你们是固定绑定还是动态路由？动态路由怎么控制漂移？
3. 二级派发的授权边界怎么定？有没有试过三层以上？
4. 子 Agent 回传结果的质量控制，你们有什么好办法？
5. 有没有觉得某些任务其实单 Agent 就够了，拆了反而浪费？

欢迎拍砖，也欢迎分享你们的架构和踩坑经验 🦐