安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install agent-responsiveness-delegation
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 agent-responsiveness-delegation。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

智能体响应能力与任务委派旨在解决 AI 助手回复缓慢的常见原因：主智能体忙于执行长时间任务，导致新消息排队等待。它提供可重复使用的指令块，优先安排任务委派、立即确认收到消息、及时响应中断，并明确主智能体与子智能体之间的职责界限。
该技能包含跨平台配置和审计脚本。脚本可安全地将规则添加到经过测试的 Hermes 和 Claude Code 指令文件中，也可以导出 Markdown 规则块，供用户在 Codex、Cursor 和 WorkBuddy 等平台手动配置。Openclaw Skills 用户可以获得实用且可验证的工作流程，而不是依赖对未经支持的配置路径所作的假设。

应用场景

AI 助手在处理大型或多步骤任务时回复太慢。
用户需要中断智能体，并立即得到确认，而不是等待当前运行结束。
你希望将长时间运行、批量或涉及多个文件的工作委派给子智能体，同时让主智能体保持可用。
你需要在多个智能体实例或配置档中安装一致的响应规则。
你希望检查指令规则是否已安装、是否为最新版本，以及位置是否正确。
你使用的智能体平台没有经过验证的自动安装路径，因此需要一个可移植的规则文件，以便粘贴到其系统指令中。

工作原理

对收到的工作进行分类：简单问题直接回答，简短的单步骤任务由主智能体处理，复杂或长时间运行的工作则委派出去；需要用户批准的决策由主智能体负责。
委派重要任务并立即向用户确认收到消息；不要在工作进行期间让主对话一直等待。
对预计耗时超过 60 秒的命令，在平台支持的情况下于后台运行。
让子智能体专注输出结论和成果文件路径，以便主智能体审查并综合结果。
配置中断行为，使智能体及时接收新的用户消息，同时保留已完成的工作，并设置实用的子智能体并发上限。
使用脚本配置规则，或导出 Markdown 以便手动设置平台，然后重启或重新加载相关智能体进程或会话。
运行审计脚本，验证受支持的指令文件是否包含当前规则且位置正确；另外，通过中断一项长时间任务并检查智能体的响应，单独测试运行时行为。

配置指南

从技能目录使用 Python 3 运行脚本。配置工具仅使用 Python 标准库，默认执行试运行；应用更改前请先检查计划的变更。

预览计划的更改，不写入文件

python3 scripts/provision_agent_responsiveness.py

将规则应用到检测到的受支持智能体指令文件

python3 scripts/provision_agent_responsiveness.py --apply

导出可移植的规则块以供手动安装

python3 scripts/provision_agent_responsiveness.py --apply --export --out ./agent-ops-rules.md

审计检测到的指令文件和规则块

python3 scripts/audit_agent_responsiveness.py
配置工具已针对 Hermes 和 Claude Code 的直接写入目标进行测试。对于其他平台，请将导出的规则粘贴到相应的系统提示词或全局指令文件中，并参考平台自身文档配置中断、后台任务和子智能体设置。更改指令后，重启或重新加载正确的智能体进程、网关或会话，然后验证规则是否已生效。Openclaw Skills 让规则具有可移植性，但不声称支持对每个平台进行自动配置。

数据架构

该技能按用途组织文件：
路径 用途
templates/agent-ops-rules.md 用于任务委派和响应能力的规范 Markdown 指令块。
scripts/provision_agent_responsiveness.py 用于受支持指令文件的试运行和应用工具；也可导出规则块。
scripts/audit_agent_responsiveness.py 检查受支持文件中的规则是否存在、位置是否正确，以及是否与当前模板一致。
references/hermes-implementation.md Hermes 专属实施说明。
agent-ops-rules.md 可选导出文件，在提供输出路径时创建。
规则块由 和 标记界定。这些标记让配置工具能够更新自身区块，而不会重复添加该区块或替换无关的用户内容。写入前，工具会按照 .bak-agent-ops- 命名模式创建带时间戳的备份。它会在保留 YAML frontmatter 的同时，将规则插入受支持文件的靠前位置。审计仅检查文件层面的证据，无法证明运行时行为，因此仍需重启并进行中断测试。脚本使用 Python 标准库模块，适用于 Windows、macOS 和 Linux。

高级特性

默认安全试运行：
除非指定 --apply ，否则配置过程不会写入文件。
幂等更新：
如果标记的规则块仍为最新版本，则跳过；如果已过时，则在原位置替换，避免重复区块。
非破坏性文件处理：
工具在写入前备份文件，并保留其管理区块之外的现有内容。
跨平台安装路径：
直接写入仅限经过测试的 Hermes 和 Claude Code 位置；其他平台使用导出并粘贴的工作流程。
如实的审计结果：
审计工具检查规则是否存在、位置是否正确以及是否与模板一致；遇到不支持的平台检测时会如实报告，而不会谎称成功。
多智能体操作指南：
规则涵盖任务分流、子智能体委派、立即确认用户消息、后台执行、用户批准界限和并发上限。
运行时验收检查：
文档中的检查清单包括重启智能体、确认其已加载规则、中断长时间工作，以及验证已完成的成果。

name: agent-responsiveness-delegation slug: agent-responsiveness-delegation
displayName: AI助手被重活占死·一键落地「重活外派+随时应答」机制
version: 1.0.2
description: "你给 AI 助手派了个重活，然后发现：发消息它不回、想插话只能排队、等十几分钟才回一句——等它抬头，需求早变了。根因不是模型慢，是主脑把重活放在前台跑，整个回合被占死。这个 Skill 把这套「重活外派 + 随时应答」机制做成可落地的东西：① 规则块（一页写清判级、派完立刻让出对话、工单四要素、只回收结论、自报≠事实、拍板留主脑、跨会话任务换机制）② 跨平台落地脚本 provision_agent_responsiveness.py：探测本机已有的 Agent 环境（Hermes 的 SOUL 置顶铁律块、Claude Code 的全局指令文件，这两条已实测），把规则块幂等写入（自动备份原文件、重复执行不重复写、绝不覆盖你已有内容）；其余平台（Codex / Cursor / WorkBuddy / 任意 Agent）则导出一份可直接粘贴的规则块 markdown，你粘到系统提示或自定义指令里就生效 ③ 体检脚本 audit_agent_responsiveness.py：逐项核对规则块是否存在、是否被后续改动覆盖、探测到哪些平台——没检测到就如实报「未检测到支持的平台」，不假报通过。纯标准库、零依赖、Windows/macOS/Linux 通用。触发词：AI不回话、等太久、插话卡住、助手响应慢、主脑被占住、重活外派、子代理、多智能体、响应速度、落地配置、系统提示。" author: 九品锦锂e
category: automation
tags: [响应速度, 子代理, 委派, 规则块, 跨平台, 落地脚本, 多智能体, 效率]
summary: "现象是「发消息没人应、插话只能排队」——根因是主脑在前台跑重活。附跨平台幂等落地脚本（自动探测已装的 Agent 环境）+ 体检脚本。"
license: MIT

主脑只做统筹 · 重活全派子代理 · 随时应答

现象：给 AI 助手派了个重活，然后发消息它不回、想插话只能排队、等十几分钟才回一句。 根因：不是模型慢，是主脑把重活放在前台跑，整个回合被占死——用户的消息只能在后面排队。 解法：把「重活外派 + 随时应答」变成一条写进 Agent 指令里的硬纪律，并用脚本把它幂等地落到本机。

平台无关：规则块本身与平台无关，任何支持指令文件 / 系统提示 / 子代理的 AI Agent 都适用 （Claude Code / Codex / Cursor / WorkBuddy / Hermes / 其他同类平台）。落地器只在有实测把握的两个落点直接写文件，其余平台走「导出可粘贴规则块」路径——不猜配置路径、不编造字段。

何时用
用户抱怨"等太久 / 插话就卡 / 没人应答 / 我要经常跟你聊天"；
要把"重活派子代理、主脑随时应答"制度化到本机的一个或多个 Agent 实例；
要给某个实例加装这条机制（用 scripts/provision_agent_responsiveness.py），并想验证它真生效（用 scripts/audit_agent_responsiveness.py）。
病根

主脑把重活（批量抓取、多文件处理、长脚本）放在前台干 → 整个回复回合被占死：

前台长命令期间，用户消息只能排队；
有些平台在有子代理在跑时，会把用户插话降级成"排队"，要等整回合结束才被读到；
于是用户的体感是"这助手不搭理我"——而它其实只是在埋头干活。

结论：要让人随时能找到助手，就必须让助手不亲自下场干重活，以及在它确实在忙时，保留一条即时的插话通道。这两件事要一起做。

三件事一起做（缺一不可）

1. 把规则块写进 Agent 的指令层（置顶）

规则块全文见 templates/agent-ops-rules.md（脚本会用它）。核心六条：

四级分流（先判级再动手）：L0 问答→直接答不派｜L1 单步快活(≤1 工具且 ≤20 秒)→直接干｜L2 多步/长活/批量/联网→一律派｜L3 需用户拍板→先回一句"这要您定 X"。
派完立刻回一句并结束回合（禁止干等；干等=没派）。
超过 60 秒的命令放后台（前台长命令会把整个回合占死）。
子代理只回收结论 + 产物路径；整合分析由主脑做。
用户插话最高优先：先立刻应一声，能答就答，绝不让用户干等。
需要提问/拍板的活留在主脑（子代理问不了人）。

规则块用 … 包裹，落地器靠这对标记做到幂等：重复跑只替换自己标记过的区块，不碰你的其他内容。

2. 保留一条即时的插话通道（平台相关）

不同平台对"AI 正在忙时用户插话"的语义不同，效果差别极大：

插话语义 实际体验 是否满足"随时应答"
等到整回合结束才被读到 用户在干等 ❌
附在"最后一条工具结果"上，等当前这批工具跑完才送达 主脑在前台跑长命令时，会一直卡到命令退出 ❌（长命令场景失效）
立即中断当前生成 / 当前请求，把用户的话当新消息注入，且已完成的工作保留 插话几乎即时生效 ✅

判据（一句话）：要"随时能插话"，就必须选择立即中断 + 保留已完成工作的语义；并且配合"长命令放后台"这条纪律——两条一起才成立。 （Hermes 的对应键名与实测细节见 references/hermes-implementation.md，其他平台请在你平台的设置里找同语义的选项。）

3. 子代理并发度要够（否则"全派出去"会被坑位卡住）

"重活一律外派"的前提是能同时派出几个。并发度太低，外派就变成排队——用户照样等。

把并发上限调到你能接受的水平（常见 3–6）；超上限的后果各平台不同（有的整批拒绝、有的截断），所以分批派比硬顶上限安全。
并发度直接关联成本：每个子代理独立计费，按需设置，别无脑拉满。 4. 改完必须让 Agent 重新加载指令

指令文件 / 系统提示通常是进程启动时读一次。写完不重启 = 没生效：

重启对应的 Agent 进程 / 网关 / 会话（按你平台的方式）；
重启后验证：让 Agent 复述一次这条纪律，能说出来才算真加载（而不是"我觉得它读了"）。
一键落地 / 体检

# ① 预演（默认行为，不写任何文件）：看看会动哪些文件
python3 scripts/provision_agent_responsiveness.py

# ② 真正写入（自动备份 + 幂等；探测不到平台时导出可粘贴规则块）
python3 scripts/provision_agent_responsiveness.py --apply

# ③ 强制导出可粘贴规则块（给 Codex / Cursor / WorkBuddy / 未知平台用）
python3 scripts/provision_agent_responsiveness.py --apply --export --out ./agent-ops-rules.md

# ④ 体检：规则块是否存在 / 是否置顶 / 是否与当前模板一致
python3 scripts/audit_agent_responsiveness.py

落地器行为约定（脚本里写死，可复核）：

约定 说明
默认 dry-run 不加 --apply 绝不写盘
自动备份 写入前生成 .bak-agent-ops-
幂等 有标记则比较内容：一致→跳过；不一致→只替换标记区块
不覆盖用户内容 只在文件顶部插入（跳过 YAML frontmatter），不删你任何原文
不猜路径 只写实测过的两个落点（Hermes SOUL.md、Claude Code ~/.claude/CLAUDE.md）；其余平台导出粘贴块
纯标准库 只用 argparse / pathlib / json 等标准库，Windows / macOS / Linux 通用

体检脚本行为约定：逐项核对文件层面能核实的事实（存在 / 是否被标记 / 是否置顶 / 内容是否最新）；探测不到任何受支持平台时，如实输出「未检测到支持的平台」并以退出码 2 返回——绝不假报通过。

平台适配层（工具名对照表）
抽象动作 Hermes（已实测） Claude Code Cursor / Codex / WorkBuddy 其他同类平台
规则块落在哪 /SOUL.md（及 /profiles/
/SOUL.md） ~/.claude/CLAUDE.md 按你平台的全局指令 / 系统提示位置 导出 agent-ops-rules.md 后粘到系统提示
派子代理 delegate_task Task / 子代理工具（按你平台的子代理工具映射） 按你平台的子代理 / 任务工具映射 按你平台的子代理 / 任务工具映射
长命令放后台 后台执行 + 完成通知 后台任务 / 命令工具的异步模式 按你平台的后台执行方式 用系统的后台进程 + 落盘日志

诚实边界：Hermes 一列的键名与语义来自本机实测；Claude Code 的 ~/.claude/CLAUDE.md 为实测路径。 Cursor / Codex / WorkBuddy 的工具名各版本可能变，本技能不编造命令或字段名——请按上表自行映射。 跨平台派活纪律的更完整版本见同一作者的 subagent-first 技能。

坑（跨平台通用）
指令文件只在启动时读一次：改完不重启（或没重启到正确的实例）＝没生效。别拿"文件里明明写了"当生效证明。
插话语义选错：选了"等这批工具跑完才送达"的语义，再叠加"主脑前台跑长命令"，用户体感就是没人理。必须选"立即中断 + 保留已完成工作"。
环境变量可能压过配置文件：很多平台是"env 优先于 config"。改完先确认实际生效来源，别只看配置文件。
假重启：只终止了包装进程 / 计划任务实例，真正的子进程还在跑旧配置。验证要看进程启动时间，不是看进程数。
并发上限未核实：以为"都能派出去"，实际超上限整批被拒或被截断 → 分批派，并核实当前生效的上限值。
只装一处：多实例 / 多 profile 的指令文件与技能目录是各自独立的，要逐个写（落地器会遍历 Hermes 的各 profile，其他平台请按你的实例数逐个装）。
别用"禁用主脑的重工具"来逼它派活：多数平台上子代理的工具集是主脑的子集（不能拥有主脑没有的工具），禁了等于自废武功。
假报通过：体检脚本如果只检查"文件里有没有这几个字"，很容易在内容过期 / 被后续改动覆盖时仍报通过。核对内容是否与当前模板一致，探测不到就如实说"未检测到支持的平台"。
验收清单（别人问"真生效了吗"时照着答）

A. 文件层（脚本可自动核）

规则块目标文件存在，且能 grep 到 agent-ops-rules:v1 标记；
规则块置顶（位于文件前 1/3）；
规则块内容与当前模板一致（不是旧版残留）；
重复跑落地器：不产生第二份规则块，也不覆盖你已有内容；
audit_agent_responsiveness.py 全绿（退出码 0）；探测不到平台时为退出码 2 + 明确提示。

B. 运行时（人工核）

重启后让 Agent 复述这条纪律 → 能说出来 = 指令真被加载；
给 Agent 派一个重活 → 它立刻回一句"已派出（谁在干什么）"，而不是埋头干十几分钟；
重活进行中用户插一句话 → 立刻得到回执，且回复未被打断；
重活完成后：产出能被主脑回读验证（不是"自报完成"）。

C. 边界

用户插话期间，正在跑的子代理没有被级联取消（或被取消的部分有明确交代）；
需要用户拍板的活没有被派给子代理。
许可

MIT License。可自由用于个人与商业项目，保留作者署名即可。

🙋 关于作者

九品锦锂e ｜ 把踩过的坑封装成"拿来就能跑"的 skill，不写教科书。这个 skill 是我自己每天在用的版本。

微信：ly5419495（加时备注「SkillHub」，我优先通过） 公众号：初五Agent（微信搜一搜，复盘和方法都写在那儿，不加微信也能读）

我另外做的几个能直接跑的工具，都放在这个货架页（复制到浏览器打开）： https://skillpay.alipay.com/public/jiupinjinlie

用的时候卡住了、或者有别的场景想让我封装成 skill，按上面任意方式找我就行。

本 Skill 为完整版本，无功能删减。

AI 图像水印去除 · 像素验证
Farsight 商业片头序列生成