/root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/task.md/root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/session.md/root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/search-log.md调研业界其他人的多 Agent 协作方案，重点关注：
- 主流框架的 Agent 间通信机制（消息队列、共享状态、直接调用等）
- 任务分发与编排方式
- 防止 Agent 卡死/超时的机制
- 任务状态追踪与恢复机制
- 典型方案的架构设计（LangGraph、AutoGen、CrewAI、OpenAI Swarm 等）
researcher → reviewer → 爱衣质检
agent:researcher:main）任务：只做搜索记录，不写报告。搜索结果即时写入文件，不堆在内存里一次性输出。
严格约束：
- 每次搜索结束后，立即将这轮结果 append 到 search-log.md，不等全部搜完再写
- search-log.md 格式：每轮以 ## 搜索轮次 N: <查询词> 为标题，内容包含来源URL、关键摘要
- 禁止在 session 里用大段 heredoc，单次写入不超过 100 行
- 不做综合分析，不写结论，只记录原始搜索结果
- 每轮写完后继续下一轮，全部完成后再移交
搜索方向（至少完成以下5个方向）：
1. LangGraph 多Agent架构与通信机制
2. AutoGen 任务分发与编排方式
3. CrewAI Agent 协作模式
4. OpenAI Swarm / OpenAI Agents SDK 设计
5. 业界防止Agent卡死/超时的最佳实践
开始时：
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh researcher receive "多Agent协作方案调研" task-multiagent-collab-c89114
2. 创建空的 search-log.md：
bash
echo "# search-log — 多Agent协作方案调研\n\n" > /root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/search-log.md
完成后：
1. 将执行摘要（完成了哪些轮次搜索）追加到 session.md
2. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh researcher handoff "多Agent协作方案调研" reviewer task-multiagent-collab-c89114
3. sessions_send 通知 reviewer（agent:reviewer:main，必须传 timeoutSeconds=0，禁止省略）：
task_id=task-multiagent-collab-c89114
task=/root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/task.md
agent:reviewer:main）任务：基于 search-log.md 写调研报告，分段写入，绝不一次性生成全文。
⚠️ 防卡死强制规则：
- 报告分章节写，每写完一个章节，立即 append 到 session.md，然后继续下一章
- 禁止一次性生成完整报告再写文件（这会导致卡死）
- 单次 exec 写入 ≤ 80 行
- 每写完一个章节，发一条进度日志：
bash
echo "[reviewer] 章节已写完：<章节名>" >> /root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/session.md
- 如果感觉 context 压力大，立刻停止当前章节，先 append 已完成部分，再继续
报告结构（按序逐章写）：
1. 执行摘要（3-5句话）
2. 主流框架对比（LangGraph / AutoGen / CrewAI / Swarm）
3. Agent间通信机制分析
4. 任务分发与编排模式
5. 防卡死/超时机制
6. 对我们当前系统的启发与建议
开始时：
1. 先读 search-log.md（了解原始资料）
2. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh reviewer receive "多Agent协作方案调研" task-multiagent-collab-c89114
完成后：
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh reviewer handoff "多Agent协作方案调研" main task-multiagent-collab-c89114
2. sessions_send 通知爱衣（agent:main:main，必须传 timeoutSeconds=0，禁止省略）：
task_id=task-multiagent-collab-c89114
task=/root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/task.md
du -sb /root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/
wc -l /root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/session.md
若行数 N > 0，read session.md 全文。
通用检查（每次必须）：
- 产出是否符合原始需求？
- 执行过程是否有明显问题？
任务特定检查：
- search-log.md 是否有内容（researcher 是否真的搜了）
- 报告是否覆盖全部5个方向
- 对我们系统的建议是否具体可操作
通过 →
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main done "多Agent协作方案调研" task-multiagent-collab-c89114
2. 用 message 工具发送给主人（telegram, 92763607），归纳报告核心要点
⚠️ 必须调用 message 工具，不能只在主对话回复
不通过（rejectCount == 0） →
1. 分析问题根因，设计新执行链
2. 创建新的 task.md（task_id 加后缀 -retry1），session.md 独立
3. 在原 session.md 末尾追加一行 rejectCount=1
4. sessions_send 给新执行链起始 Agent
5. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main retry "多Agent协作方案调研" "researcher → reviewer → main" researcher 1 task-multiagent-collab-c89114
rejectCount >= 1（第二次仍失败） →
1. 发工作日志：
bash
/root/.openclaw/workspace/scripts/log-to-channel.sh main fail "多Agent协作方案调研" task-multiagent-collab-c89114
2. message 主人，归纳问题和两次失败原因，请主人裁决
bash
wc -l /root/.openclaw/workspace/tasks/task-multiagent-collab-c89114/session.md
# 然后 read offset=max(1, N-200) limit=200