10.5 Opencode 多智能体协作实践

本节介绍如何在 Opencode 中配置和使用多智能体系统。

10.5.1 智能体路由实现

在 Opencode 中，路由通常通过系统提示词实现。主智能体根据用户输入判断应该调用哪个子智能体。

路由提示模板示例

你是金融服务协调智能体。根据用户请求，决定调用哪个专业子智能体。

可用子智能体：
1. fundamental-analyst：财务数据分析，适用于财报解读、财务指标计算
2. technical-analyst：技术面分析，适用于价格走势、交易信号
3. sentiment-analyst：市场情绪分析，适用于新闻舆情、社交媒体

用户请求：{user_query}

请分析用户意图，选择最合适的子智能体，并说明理由。

基于意图的路由逻辑

当用户说”帮我分析茅台的财报”，主智能体识别出财报分析意图，调用 fundamental-analyst。

当用户说”茅台股价最近走势如何”，主智能体识别出技术分析意图，调用 technical-analyst。

10.5.2 子智能体配置

子智能体是带有 YAML frontmatter 的 Markdown 文件。

存储位置

项目级子智能体（推荐用于团队协作）：

.opencode/agents/fundamental-analyst.md
.opencode/agents/technical-analyst.md

用户级子智能体（适合个人跨项目使用）：

~/.config/opencode/agents/debugging-specialist.md

配置文件结构

# .opencode/agents/fundamental-analyst.md
---
name: fundamental-analyst
description: 当需要分析公司财务数据、解读财报时使用
tools: Read, Grep, Bash
model: sonnet
---

你是一位资深财务分析专家。

# 核心职责
1. 提取财务报表关键指标
2. 计算财务比率（ROE、资产负债率等）
3. 进行同比/环比分析
4. 评估财务健康状况

# 输出格式
## 财务健康度评分（1-10 分）
- 盈利能力：X 分
- 成长性：Y 分
- 财务安全：Z 分

## 关键发现
- [列举 2-3 个核心洞察]

## 估值判断
[低估/合理/高估]

配置字段说明

字段	必需	说明	示例
name	是	唯一标识符，使用小写字母和连字符	fundamental-analyst
description	是	描述何时应该调用此子智能体	当需要分析财务数据时使用
tools	否	逗号分隔的工具列表	Read, Grep, Bash
model	否	指定使用的模型	sonnet/haiku/opus

教学提示

description 字段是主智能体判断是否调用子智能体的关键。好的描述要清晰、具体、触发式。

好的示例：“当代码发生变更后，立即进行代码审查”

模糊的示例：“处理安全相关任务”

10.5.3 并行化实践

使用 Task 工具调用子智能体

Task 工具是 Opencode 多智能体架构的核心入口点。

Task 工具参数： - description：任务的简短描述（3-5 个词） - prompt：子智能体需要执行的具体任务内容

执行流程： 1. 主智能体识别任务需要委派 2. 调用 Task 工具，传入任务描述和提示词 3. 系统创建子智能体实例（在独立上下文中运行） 4. 子智能体执行任务，返回结果给主智能体 5. 主智能体整合结果，继续主线对话

示例：多分析师协作选股

用户：请分析贵州茅台是否值得投资

Opencode（主智能体）：
我将组织分析师团队进行全方位评估。

[Task 1] fundamental-analyst 分析茅台财务数据
[Task 2] technical-analyst 分析茅台技术走势
[Task 3] sentiment-analyst 分析市场情绪

[等待三个子智能体完成]

[汇总分析结果]
基于三位分析师的报告，综合评估如下...

真正的并行方案：Git Worktree

由于 Opencode 的 Task 工具是顺序执行的，如果需要真正的并行，可以使用 Git Worktree：

# 创建两个独立的工作树
git worktree add ../project-analysis-A -b task/analysis-A
git worktree add ../project-analysis-B -b task/analysis-B

# 在第一个终端
cd ../project-analysis-A
opencode
# 执行 A 股分析任务

# 在第二个终端
cd ../project-analysis-B
opencode
# 执行港股分析任务

两个 Opencode 实例在完全隔离的环境中工作，不会相互干扰。

10.5.4 智能体间协作配置

基于文件的通信模式

在多智能体协作中，智能体之间不能直接对话，但可以通过文件传递信息。

任务状态文件

# tasks.md

## 待办任务
- [ ] 分析茅台财务数据（分配给：fundamental-analyst）
- [ ] 分析茅台技术走势（分配给：technical-analyst）

## 进行中
- [x] 收集基础数据（data-collector 完成）

## 已完成
- [x] 数据库表设计

接口契约文件

# api-contract.md

## 子智能体输出格式

### fundamental-analyst 输出
{
  "financial_score": 8.5,
  "growth_rate": 12.3,
  "recommendation": "buy/hold/sell"
}

### technical-analyst 输出
{
  "trend": "up/down/sideways",
  "signal": "buy/hold/sell",
  "support_level": 1750,
  "resistance_level": 2000
}

审查反馈文件

# review-feedback.md

## 分析报告审查结果（2026-01-22）

### 需要修正
1. 财务数据缺少 2025 Q4 季报数据
2. 技术分析缺少成交量分析

### 建议改进
1. 增加同行业对比分析

知识卡片

通过 AGENTS.md 共享持久化信息。项目级的关键信息应该写入 AGENTS.md，而不是依赖对话历史。所有 Opencode 实例都会读取 AGENTS.md，获得项目的全局知识。

上下文管理最佳实践

主对话保持高层次：主对话应该聚焦在高层次的规划和决策，把具体执行委派给子智能体
使用 /clear 和 /compact 管理上下文：当主对话上下文积累过多时，/clear 清空所有上下文重新开始，/compact 让 AI 总结当前会话压缩上下文
通过 /session 恢复会话：使用 /session 命令可以恢复之前的对话会话

--- title: "10.5 Opencode 多智能体协作实践" --- 本节介绍如何在 Opencode 中配置和使用多智能体系统。 ### 10.5.1 智能体路由实现在 Opencode 中，路由通常通过系统提示词实现。主智能体根据用户输入判断应该调用哪个子智能体。 **路由提示模板示例** ```txt 你是金融服务协调智能体。根据用户请求，决定调用哪个专业子智能体。可用子智能体： 1. fundamental-analyst：财务数据分析，适用于财报解读、财务指标计算 2. technical-analyst：技术面分析，适用于价格走势、交易信号 3. sentiment-analyst：市场情绪分析，适用于新闻舆情、社交媒体用户请求：{user_query} 请分析用户意图，选择最合适的子智能体，并说明理由。 ``` **基于意图的路由逻辑** 当用户说"帮我分析茅台的财报"，主智能体识别出财报分析意图，调用 fundamental-analyst。当用户说"茅台股价最近走势如何"，主智能体识别出技术分析意图，调用 technical-analyst。 ### 10.5.2 子智能体配置子智能体是带有 YAML frontmatter 的 Markdown 文件。 **存储位置** 项目级子智能体（推荐用于团队协作）： ```txt .opencode/agents/fundamental-analyst.md .opencode/agents/technical-analyst.md ``` 用户级子智能体（适合个人跨项目使用）： ```txt ~/.config/opencode/agents/debugging-specialist.md ``` **配置文件结构** ```txt # .opencode/agents/fundamental-analyst.md --- name: fundamental-analyst description: 当需要分析公司财务数据、解读财报时使用 tools: Read, Grep, Bash model: sonnet --- 你是一位资深财务分析专家。 # 核心职责 1. 提取财务报表关键指标 2. 计算财务比率（ROE、资产负债率等） 3. 进行同比/环比分析 4. 评估财务健康状况 # 输出格式 ## 财务健康度评分（1-10 分） - 盈利能力：X 分 - 成长性：Y 分 - 财务安全：Z 分 ## 关键发现 - [列举 2-3 个核心洞察] ## 估值判断 [低估/合理/高估] ``` **配置字段说明** | 字段 | 必需 | 说明 | 示例 | |:----:|:----:|:------|:------| | name | 是 | 唯一标识符，使用小写字母和连字符 | fundamental-analyst | | description | 是 | 描述何时应该调用此子智能体 | 当需要分析财务数据时使用 | | tools | 否 | 逗号分隔的工具列表 | Read, Grep, Bash | | model | 否 | 指定使用的模型 | sonnet/haiku/opus | ::: {.callout-tip} ## 教学提示 description 字段是主智能体判断是否调用子智能体的关键。好的描述要清晰、具体、触发式。好的示例："当代码发生变更后，立即进行代码审查" 模糊的示例："处理安全相关任务" ::: ### 10.5.3 并行化实践 **使用 Task 工具调用子智能体** Task 工具是 Opencode 多智能体架构的核心入口点。 Task 工具参数： - description：任务的简短描述（3-5 个词） - prompt：子智能体需要执行的具体任务内容执行流程： 1. 主智能体识别任务需要委派 2. 调用 Task 工具，传入任务描述和提示词 3. 系统创建子智能体实例（在独立上下文中运行） 4. 子智能体执行任务，返回结果给主智能体 5. 主智能体整合结果，继续主线对话 **示例：多分析师协作选股** ```txt 用户：请分析贵州茅台是否值得投资 Opencode（主智能体）：我将组织分析师团队进行全方位评估。 [Task 1] fundamental-analyst 分析茅台财务数据 [Task 2] technical-analyst 分析茅台技术走势 [Task 3] sentiment-analyst 分析市场情绪 [等待三个子智能体完成] [汇总分析结果] 基于三位分析师的报告，综合评估如下... ``` **真正的并行方案：Git Worktree** 由于 Opencode 的 Task 工具是顺序执行的，如果需要真正的并行，可以使用 Git Worktree： ```bash # 创建两个独立的工作树 git worktree add ../project-analysis-A -b task/analysis-A git worktree add ../project-analysis-B -b task/analysis-B # 在第一个终端 cd ../project-analysis-A opencode # 执行 A 股分析任务 # 在第二个终端 cd ../project-analysis-B opencode # 执行港股分析任务 ``` 两个 Opencode 实例在完全隔离的环境中工作，不会相互干扰。 ### 10.5.4 智能体间协作配置 **基于文件的通信模式** 在多智能体协作中，智能体之间不能直接对话，但可以通过文件传递信息。 **任务状态文件** ```txt # tasks.md ## 待办任务 - [ ] 分析茅台财务数据（分配给：fundamental-analyst） - [ ] 分析茅台技术走势（分配给：technical-analyst） ## 进行中 - [x] 收集基础数据（data-collector 完成） ## 已完成 - [x] 数据库表设计 ``` **接口契约文件** ```txt # api-contract.md ## 子智能体输出格式 ### fundamental-analyst 输出 { "financial_score": 8.5, "growth_rate": 12.3, "recommendation": "buy/hold/sell" } ### technical-analyst 输出 { "trend": "up/down/sideways", "signal": "buy/hold/sell", "support_level": 1750, "resistance_level": 2000 } ``` **审查反馈文件** ```txt # review-feedback.md ## 分析报告审查结果（2026-01-22） ### 需要修正 1. 财务数据缺少 2025 Q4 季报数据 2. 技术分析缺少成交量分析 ### 建议改进 1. 增加同行业对比分析 ``` ::: {.callout-note} ## 知识卡片通过 AGENTS.md 共享持久化信息。项目级的关键信息应该写入 AGENTS.md，而不是依赖对话历史。所有 Opencode 实例都会读取 AGENTS.md，获得项目的全局知识。 ::: **上下文管理最佳实践** 1. **主对话保持高层次**：主对话应该聚焦在高层次的规划和决策，把具体执行委派给子智能体 2. **使用 /clear 和 /compact 管理上下文**：当主对话上下文积累过多时，/clear 清空所有上下文重新开始，/compact 让 AI 总结当前会话压缩上下文 3. **通过 /session 恢复会话**：使用 `/session` 命令可以恢复之前的对话会话