多智能体团队管理

通过命令行管理 CountBot 的多智能体团队，覆盖团队 CRUD、成员 CRUD、以及团队级模型配置。

使用场景

• 用户说“帮我新建一个多智能体团队” -> 创建团队
• 用户说“做一个文档深度分析团队” -> 按模板创建团队
• 用户说“把这个团队改成依赖图模式” -> 修改团队
• 用户说“给团队加一个审稿角色” -> 添加成员
• 用户说“把 analyzer 的任务改一下” -> 修改成员
• 用户说“把这个角色的提示词优化一下” -> 先看当前成员配置，再修改 task 和/或 system_prompt
• 用户说“删掉 summarizer 这个角色” -> 删除成员
• 用户说“给这个团队单独配置模型” -> 配置团队自定义模型
• 用户说“看看有哪些团队/成员” -> 列表或详情

调用方式

所有操作通过 exec 工具执行：

python3 skills/agent-team-manager/scripts/agent_team_manager.py <command> [args]

严格语法

• 只有这些一级命令：list、info、template-list、create、update、delete、member-list、member-add、member-update、member-delete、config、config-set、config-reset
• info / member-list / update / config-set 的团队参数都是位置参数，不支持 --team
• member-update 的成员参数是第二个位置参数 member_ref，不支持 --id
• 开关技能系统要用团队命令 update "团队名" --enable-skills 或 --disable-skills
• 先看 --help，再按帮助里的位置参数顺序执行；不要自行发明子命令或参数名

常用命令

列出团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py list

查看团队详情

team_ref 支持团队名称、完整 ID、ID 前缀。

python3 skills/agent-team-manager/scripts/agent_team_manager.py info "文档深度分析"

创建团队

# 创建空团队，后续再逐个添加成员
python3 skills/agent-team-manager/scripts/agent_team_manager.py create \
  --name "文档深度分析" \
  --description "理解文档 → 提取要点 → 分析问题 → 生成总结报告" \
  --mode pipeline \
  --enable-skills

# 直接按内置模板创建
python3 skills/agent-team-manager/scripts/agent_team_manager.py create \
  --template document-analysis

修改团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py update "文档深度分析" \
  --mode graph \
  --description "先并行抽取，再汇总结论" \
  --active

python3 skills/agent-team-manager/scripts/agent_team_manager.py update "文档深度分析" \
  --disable-skills

删除团队

python3 skills/agent-team-manager/scripts/agent_team_manager.py delete "文档深度分析"

成员管理

列出成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-list "文档深度分析"

添加成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "文档深度分析" \
  --id reader \
  --role "文档理解专家" \
  --task "通读文档，理解整体结构和核心内容" \
  --system-prompt "你是文档理解专家，先识别文档结构，再提炼核心主题。"

Graph 模式可附带依赖与条件：

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "代码检查团队" \
  --id refactor \
  --role "重构建议专家" \
  --task "基于前序检查结果给出重构建议" \
  --depends-on syntax-checker,logic-analyzer \
  --condition-type output_contains \
  --condition-node logic-analyzer \
  --condition-text 严重

Council 模式建议填写 --perspective：

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-add "投资评审会" \
  --id risk \
  --role "风险分析师" \
  --perspective "风险与合规"

修改成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "文档深度分析" analyzer \
  --task "重点分析论证链、信息缺口和潜在偏见" \
  --system-prompt "你是批判性分析专家，输出问题、证据和风险。"

修改现有角色提示词（强约束）

凡是用户表达以下意图，统一按“修改现有角色提示词”处理：

• 优化角色提示词
• 改 prompt / 改系统提示词
• 调整角色设定、语气、边界、输出要求
• 让某个成员“更专业 / 更严格 / 更像某类专家”

强制执行顺序如下。

1. 先读取当前真实配置，不允许凭印象修改

python3 skills/agent-team-manager/scripts/agent_team_manager.py info "文档深度分析"

必须先看目标成员当前是否存在 task、system_prompt，再决定修改哪个字段。 禁止在未读取当前配置前直接生成 member-update 命令。

2. 字段归属判定规则

1. 若目标成员只有 task，没有 system_prompt
2. 说明该团队把提示词主体直接存放在 task
3. 此时用户说“改提示词”，默认优先修改 --task
4. 若目标成员已有 system_prompt
5. 涉及角色人格、专家身份、口吻、原则、边界、长期行为约束时，优先修改 --system-prompt
6. 涉及具体工作内容、执行步骤、输出结构、交付格式、检查项时，优先修改 --task
7. 若当前 task 本身是一整段提示词式文本，且用户想做系统化重构，应同时修改 --task 与 --system-prompt

3. 执行规范

• 修改必须落库，最终动作一定是执行 member-update
• member-update 的正确形式是： python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "团队名" 成员ID [flags]
• 成员标识使用位置参数 member_ref，不要写成 --id
• 修改完成后，建议再次执行 info "团队名" 复核结果
• 如果用户要求“修改提示词”，但当前配置里只有 task，不要只改 system_prompt
• 如果用户要求“系统提示词更专业”，但旧的长提示还残留在 task 中，应判断是否需要同步精简 task

示例：当前成员只有 task，没有 system_prompt

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --task "审核小红书文案，检查敏感词、风格统一、内容完整、平台规范和可读性；输出审核结论、修改建议、最终发布版与发布提醒。"

示例：明确修改系统提示词

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --system-prompt "你是严格的小红书内容审核专家，优先识别违规风险和夸大表达，输出结论必须清晰、克制、可执行。"

示例：把旧的提示词式 task 拆成“任务 + 系统提示词”

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-update "小红书文案团队" reviewer \
  --task "审核小红书文案并输出审核结论、修改建议、最终发布版与发布提醒。" \
  --system-prompt "你是严格的小红书内容审核专家，重点检查敏感词、极限词、医疗宣称、风格统一、内容完整和平台规范。"

4. 专业处理原则

• 目标是“修改有效配置”，不是“输出一段看起来更好的文案”
• 先识别现有数据结构，再决定改哪个字段
• 以最小必要修改为原则，避免只新增字段而保留旧冲突内容
• 若用户未指定字段名，“提示词”一词要结合当前存储结构解释，不得机械等同于 system_prompt

删除成员

python3 skills/agent-team-manager/scripts/agent_team_manager.py member-delete "文档深度分析" summarizer

团队模型配置

查看当前配置

python3 skills/agent-team-manager/scripts/agent_team_manager.py config "文档深度分析"

设置自定义模型

python3 skills/agent-team-manager/scripts/agent_team_manager.py config-set "文档深度分析" \
  --provider zhipu \
  --model glm-5 \
  --temperature 0.5 \
  --max-tokens 8192

重置为全局默认

python3 skills/agent-team-manager/scripts/agent_team_manager.py config-reset "文档深度分析"

参数说明

• mode 仅支持 pipeline、graph、council
• --enable-skills 开启后，子 Agent 可读取并使用 skills/*
• --cross-review / --no-cross-review 仅对 council 模式有意义
• depends_on 仅对 graph 模式有意义
• perspective 主要用于 council 模式
• task 会作为执行阶段的 # Your Task 传给子 Agent，是实际任务说明
• system_prompt 是角色长期人格/职责设定
• 如果 system_prompt 为空，系统会基于 role + task 自动生成默认系统提示词
• 如果 system_prompt 有值，会直接作为系统消息使用；但 task 仍然会继续传入执行提示中
• 因此：已有成员只有 task 时，优先更新 task；需要稳定角色口吻/边界时，再补或修改 system_prompt
• 很多历史团队把整段“提示词式描述”直接写进了 task，这不是脚本失效，而是数据本来就这样存的
• 所以“提示词改了没生效”时，优先检查是不是旧提示还躺在 task 里

内置模板

当前内置：

• document-analysis：文档深度分析，pipeline 模式，默认开启技能系统

注意事项

• 团队名称必须唯一
• 成员 ID 在同一团队内必须唯一
• 修改成员本质上会读取团队详情后整体回写 agents
• 如果团队启用了专属模型，执行 workflow_run(team_name="团队名", goal="...") 时会自动继承该模型配置
• 如果 CountBot 后端未启动，脚本会直接报连接失败