Token导航 LogoToken导航TokenDH.com
研究检索只读clawhub未标认证来源可访问clear审计通过

orthogonal-agent-framework正交 Agent 框架

Agent Skill

orthogonal-agent-framework 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

10,150

周安装

436

GitHub Stars

公开资料未说明

下载量

3,558
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:orthogonal-agent-framework(正交 Agent 框架)
来源仓库:https://github.com/lixingxun/orthogonal-agent-framework
安装命令:
openclaw skills install orthogonal-agent-framework
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install orthogonal-agent-framework

简介

正交性Agent框架 - 模块化AI Agent设计系统。将Agent能力拆分为规划、执行、记忆、评估四个正交性维度,实现可组合、替换、可测试、可扩展的Agent架构。

SKILL.md

name
orthogonal-agent-framework
description
正交性Agent框架 - 模块化AI Agent设计系统。将Agent能力拆分为规划、执行、记忆、评估四个正交维度,实现可组合、可替换、可测试、可扩展的Agent架构。
metadata
openclaw
emoji
🧩
requires
env
[]
bins
["bash"]
user-invocable
true

🧩 Orthogonal Agent Framework

正交性Agent框架 - 模块化AI Agent设计系统

基于Manus核心设计理念,将AI Agent拆分为四个正交维度:

  • 规划(Planning) - 任务拆解、目标设定
  • 执行(Execution) - 工具调用、操作执行
  • 记忆(Memory) - 上下文保持、长期存储
  • 评估(Evaluation) - 结果检验、反馈改进

核心理念

什么是正交性?

正交性(Orthogonality)指各模块相互独立,改变一个不影响另一个。

┌─────────────────────────────────────────────────┐
│                  Agent System                     │
├─────────────┬─────────────┬─────────────┬────────┤
│  Planning   │ Execution   │   Memory    │   Eval │
│    模块      │    模块      │    模块      │   模块  │
└─────────────┴─────────────┴─────────────┴────────┘
       ↕            ↕            ↕            ↕
   可独立       可独立       可独立       可独立
   升级/       替换/       替换/       替换/
   测试        测试        测试        测试

优势

优势说明
🔧 可组合每个维度可独立升级
🔄 可替换随时换掉某个模块
🧪 可测试单独测试每个维度
📈 可扩展新能力只需加新模块

使用方法

快速开始

使用正交性框架帮我规划一个复杂任务

框架文件

框架会自动创建以下文件管理任务:

文件作用
plan.md任务规划和拆解
execution.md执行记录和步骤
memory.md上下文和记忆
evaluation.md结果评估和反馈

命令示例

命令作用
正交性框架:规划 [任务]拆解任务为步骤
正交性框架:执行 [步骤]执行具体操作
正交性框架:记忆 [内容]存储重要信息
正交性框架:评估 [结果]检验并反馈
正交性框架:状态查看当前各模块状态

适用场景

✅ 适合

  • 复杂多步骤任务
  • 需要长期记忆的任务
  • 需要评估/反思的任务
  • 构建自定义Agent系统

❌ 不适合

  • 简单对话任务
  • 一次性任务
  • 固定流程

技术实现

模块接口

每个正交模块遵循统一接口:

Planning:
  - plan(task) → steps[]
  - update_plan(progress)
  - replan(feedback)

Execution:
  - execute(step) → result
  - tool_call(tool, args)
  - rollback(step)

Memory:
  - store(key, value)
  - retrieve(key)
  - forget(key)
  - summarize()

Evaluation:
  - evaluate(result) → score
  - feedback(issues) → improvements
  - validate(criteria)

状态管理

# agent-state.yaml
planning:
  current_task: "..."
  steps: [...]
  completed: [...]

execution:
  active_step: 1
  results: {...}

memory:
  short_term: [...]
  long_term: {...}

evaluation:
  scores: {...}
  feedback: [...]

扩展性

添加新模块

在框架中集成新能力:

modules:
  - planning     # 已有
  - execution    # 已有
  - memory       # 已有
  - evaluation   # 已有
  - creativity   # 新增 - 创意生成
  - research     # 新增 - 信息收集

替换模块

替换现有模块不影响其他:

# 替换记忆模块
memory:
  type: "vector_store"  # 从文件切换到向量数据库
  config: {...}

示例

完整任务流程

用户: 帮我研究AI Agent的发展趋势

正交性框架:
1. Planning → 拆解为5个子任务
2. Execution → 搜索信息
3. Memory → 存储重要发现
4. Evaluation → 评估信息质量
5. 循环2-4直到完成
6. 输出最终报告

文件结构

orthogonal-agent-framework/
├── SKILL.md
├── _meta.json
├── references/
│   ├── design-principles.md
│   └── module-interfaces.md
└── templates/
    ├── plan.md
    ├── execution.md
    ├── memory.md
    └── evaluation.md

*基于Manus正交性设计理念构建*

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

89.7%
按下载量换算3,192

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

未展示

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills