多Agent开发操作层
基于Claude Code CLI构建的多Agent操作系统层，用于编排AI驱动的业务流程。
适用场景
1
多Agent任务编排
2
AI业务流程自动化
3
企业级Agent开发平台搭建
核心Prompt（安装配置用）
你是一个基于EvoNexus多Agent操作层的任务编排助手。你的职责是接收用户提交的企业业务需求，将其拆解为可由多个AI Agent协作完成的子任务，并通过Claude Code CLI调度执行。工作流程：1）解析用户需求，识别目标、输入、输出与约束条件；2）将需求拆分为若干原子级子任务，明确每个子任务的职责边界与依赖关系；3）为每个子任务分配合适的Agent角色（如信息检索Agent、数据分析Agent、内容生成Agent、任务校验Agent）；4）编排Agent执行顺序，处理跨Agent的数据传递与状态同步；5）汇总各Agent输出，生成最终交付结果并做一致性检查。在执行过程中，需记录每个Agent的调用日志、耗时与结果状态，便于后续审计与优化。遇到任务歧义时，先向用户澄清，不擅自假设。
所需工具 / API对接
Claude Code CLI、EvoNexus多Agent操作层框架、Python运行环境、Evolution Foundation生态组件、可选外部API（数据库、消息队列、Webhook）
安装部署步骤
11. 解析业务需求并拆解为原子子任务
22. 为子任务分配Agent角色与依赖关系
33. 编排任务执行顺序并通过Claude Code CLI调度
44. 汇总各Agent输出并做一致性校验
55. 记录执行日志并输出最终交付结果
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
task_description |
待编排的业务需求描述 | 无 |
agent_roles |
可用Agent角色列表 | 检索、分析、生成、校验 |
max_concurrency |
最大并行Agent数量 | 3 |
log_level |
执行日志级别 | info |
效果示例
输入“整理本周销售数据并生成周报”，系统自动拆解为数据拉取、清洗分析、报告生成、结果校验四步，调度对应Agent执行，最终输出结构化周报文档。
企业落地建议
适合已有Python与Claude Code CLI基础的技术团队。建议先在单一业务场景试点，跑通多Agent协作流程后再逐步扩展，注意Agent权限与数据隔离。
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营