O que openclaw-orchestrator faz?
Gerencie tarefas complexas dividindo metas em subtarefas, roteando-as para agentes especializados e iterando com um orquestrador em tempo real orientado por LLM.
Gerencie tarefas complexas dividindo metas em subtarefas, roteando-as para agentes especializados e iterando com um orquestrador em tempo real orientado por LLM.
Este skill, Rolex8637/openclaw-orchestrator, atua como um orquestrador inteligente para agentes de IA, permitindo que desenvolvedores lidem com tarefas complexas de forma estruturada e eficiente. Ao receber uma meta de alto nível, o orquestrador a divide em subtarefas menores e mais gerenciáveis, que são então roteadas para agentes especializados (como Claude Code, Cursor ou Codex) que possuem as habilidades adequadas para cada parte. O processo é iterativo e guiado por um modelo de linguagem (LLM) em tempo real, que coordena a execução, ajusta o plano conforme necessário e garante que as subtarefas sejam concluídas de maneira coesa, resultando em uma solução final robusta. Esse fluxo é particularmente útil em cenários de engenharia de software, como construção de aplicações com múltiplos componentes, automação de pipelines de CI/CD ou análise de grandes bases de código. O skill oferece suporte a uma variedade de plataformas de agentes, sendo compatível com qualquer ambiente que suporte a definição de ferramentas em arquivos de configuração, como `skill.md`. Sua implementação é baseada em chamadas de API para o LLM e roteamento dinâmico de tarefas, utilizando estruturas de dados como grafos de tarefas para representar dependências e prioridades.
npx skills add Rolex8637/openclaw-orchestratorInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Gerencie tarefas complexas dividindo metas em subtarefas, roteando-as para agentes especializados e iterando com um orquestrador em tempo real orientado por LLM.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.