Token导航 LogoToken导航

Agent Skill · 研究检索

react-orchestrator(React 编排器)

用于辅助前端页面、组件、样式和交互逻辑的开发与维护。它适合让 Agent 生成或审查 React、Next.js、Vue、Tailwind、CSS 等相关代码,整理组件结构,或定位布局和性能问题。使用时需要结合项目现有设计系统、路由和构建方式,避免只生成孤立片段;涉及页面改动时,应配合本地预览和构建检查确认视觉效果。

react-orchestrator 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 27,707。

总安装 3,345周安装 138GitHub Stars 公开资料未说明下载 1,093核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
0.1.0

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:react-orchestrator(React 编排器)
来源仓库:https://github.com/yuyonghao-123/react-orchestrator
安装命令:
openclaw skills install react-orchestrator
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 react-orchestrator

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

基于 ReAct 框架的双系统 AI 代理协调器,自动评估任务复杂度并在快速执行与深度推理间智能切换,实现高效分层推理。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install react-orchestrator;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要接触敏感数据,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

react-orchestrator 怎么安装?

在终端执行 openclaw skills install react-orchestrator。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

react-orchestrator 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

react-orchestrator 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

react-orchestrator 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

react-orchestrator 用的人多吗?

公开数据是累计安装 3,345 次,近一周安装 138 次,下载 1,093 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

react-orchestrator 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
react-orchestrator

React 编排器 · 本页

3,345—接触敏感数据MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

react-orchestrator

ReAct 推理框架 - 双系统 AI 代理协调器(System 1 快速执行 + System 2 深度推理)

描述

基于 ReAct (Reason+Act) 框架和 Reflexion 自我反思机制,实现智能任务路由和分层推理:

  • System 1: 快速直觉执行 (~3-5s),适合简单查询、事实检索、单步工具调用
  • System 2: 深度反思推理 (~10-15s),适合复杂规划、多步推理、战略决策

自动评估任务复杂度,智能选择执行模式,最大化效率与质量的平衡。

功能

  • ✅ 双系统架构: System 1 (快速) + System 2 (深度) 自动切换
  • ✅ ReAct 循环: Reason → Action → Observe → Repeat
  • ✅ Reflexion 反思: 定期自我反思,调整策略,纠错优化
  • ✅ 工具注册中心: 统一注册、发现、执行外部技能
  • ✅ 复杂度评估: 基于关键词和语义自动判断任务难度
  • ✅ 超时保护: System 1 (30s) / System 2 (120s) 超时控制
  • ✅ 执行历史: 完整记录推理过程,支持审计和调试
  • ✅ 语义工具匹配: 基于关键词智能匹配可用工具

安装

# 从 ClawHub 安装(待发布)
clawhub install react-orchestrator

# 或手动克隆
git clone https://github.com/YOUR_GITHUB/skills/react-orchestrator
cd skills/react-orchestrator
npm install

快速开始

基础使用

const { ReActOrchestrator } = require('./src/orchestrator');

// 创建协调器
const orchestrator = new ReActOrchestrator({
  complexityThreshold: 0.6,  // 复杂度阈值
  system1Timeout: 30,        // System 1 超时 (秒)
  system2Timeout: 120,       // System 2 超时 (秒)
  verbose: true,             // 详细日志
});

// 注册工具
orchestrator.registerTool('tavily-search', async (params) => {
  // 搜索实现
  return { results: [...] };
}, {
  description: '联网搜索工具',
  keywords: ['搜索', '查找', '调研', 'search'],
  timeout: 10,
});

// 执行任务(自动选择 System 1/2)
const result = await orchestrator.execute('搜索最新的 AI agent 发展趋势');
console.log(result.answer);
console.log(`执行模式:${result.mode}, 耗时:${result.duration}s, 迭代:${result.iterations}`);

强制模式

// 强制使用 System 1(快速)
const fast = await orchestrator.execute('今天天气如何?', { mode: 'system1' });

// 强制使用 System 2(深度)
const deep = await orchestrator.execute('分析 AI 行业趋势并给出投资建议', { mode: 'system2' });

集成现有技能

const { ReActOrchestrator } = require('react-orchestrator');
const { TavilySearch } = require('tavily-search');
const { RAGRetriever } = require('rag-retriever');

const orchestrator = new ReActOrchestrator();

// 注册 Tavily 搜索
const search = new TavilySearch({ apiKey: process.env.TAVILY_API_KEY });
orchestrator.registerTool('tavily-search', 
  (params) => search.search(params.query),
  {
    description: 'Tavily 联网搜索',
    keywords: ['搜索', '查找', '调研', '最新', '新闻'],
  }
);

// 注册 RAG 检索
const rag = new RAGRetriever();
orchestrator.registerTool('rag-retrieve',
  (params) => rag.retrieve(params.query),
  {
    description: '本地知识库检索',
    keywords: ['文档', '知识', '记忆', '检索'],
  }
);

// 执行复杂任务
const result = await orchestrator.execute('调研 MCP 协议的最新发展,并检索本地笔记中的相关记录');
// 自动使用 System 2,依次调用 tavily-search 和 rag-retrieve

配置选项

选项类型默认值说明
complexityThresholdnumber0.6任务复杂度阈值 (0-1),超过则使用 System 2
system1Timeoutnumber30System 1 超时秒数
system2Timeoutnumber120System 2 超时秒数
maxIterationsSystem1number5System 1 最大迭代次数
maxIterationsSystem2number15System 2 最大迭代次数
verbosebooleanfalse是否输出详细日志
modelstring'qwen3.5-plus'使用的 LLM 模型
temperaturenumber0.3/0.7System 1=0.3, System 2=0.7

API 参考

ReActOrchestrator

constructor(options)

创建协调器实例。

registerTool(name, fn, metadata)

注册单个工具。

  • name: 工具名称
  • fn: 执行函数 (params) => Promise<result>
  • metadata: 元数据(description, keywords, paramSchema, timeout)
registerTools(tools)

批量注册工具。[{name, fn, metadata}, ...]

execute(query, options)

执行 ReAct 推理。

  • query: 用户查询
  • options.mode: 'auto'|'system1'|'system2'
  • options.timeout: 覆盖默认超时
  • 返回:{answer, history, mode, iterations, duration}
evaluateComplexity(query)

评估任务复杂度。

  • 返回:{mode, score, reasons}
getAvailableTools()

获取已注册工具列表。

exportHistory(history)

导出执行历史(JSON 格式)。

ToolRegistry

register(name, fn, metadata)

注册工具。

get(name)

获取工具。

list()

列出所有工具名称。

match(query, limit)

语义匹配工具。

执行流程

用户查询
    ↓
[复杂度评估] → score > 0.6? → System 2
    ↓                       ↓
  score ≤ 0.6              初始规划
    ↓                       ↓
System 1                 ReAct 循环
    ↓                    (最多 15 次)
ReAct 循环                   ↓
(最多 5 次)              定期反思
    ↓                    (每 3 次迭代)
最终答案                   ↓
    ↓                调整计划/继续
    └──────→ 最终答案 ←────┘

测试

npm test

测试覆盖:

  • ✅ 工具注册与发现
  • ✅ System 1 快速执行
  • ✅ System 2 深度推理
  • ✅ Reflexion 反思机制
  • ✅ 超时保护
  • ✅ 错误处理

使用场景

适合 System 1 的任务

  • 事实查询:"今天北京天气如何?"
  • 简单搜索:"搜索 Python 教程"
  • 单步操作:"读取文件 contents.md"
  • 快速计算:"123 * 456 = ?"

适合 System 2 的任务

  • 复杂分析:"分析 AI 行业趋势并给出投资建议"
  • 多步规划:"帮我创建一个完整的 Node.js 项目,包括测试和文档"
  • 战略决策:"评估是否应该迁移到 MCP 架构"
  • 创造性任务:"设计一个多智能体协作系统"

已知限制

  • ⚠️ LLM 集成: 当前版本使用启发式规则模拟 Reason 阶段,需接入真实 LLM
  • ⚠️ 参数提取: 工具参数提取为简化实现,需 LLM 支持
  • ⚠️ 语义匹配: 工具匹配基于关键词,未来升级为向量相似度
  • ⚠️ 记忆管理: 长期记忆集成待完善(可结合 ontology 技能)

依赖

  • Node.js >= 18.0.0
  • zod (可选,用于参数验证)

版本历史

v0.1.0 (2026-03-18)

  • ✅ 初始版本
  • ✅ 双系统架构实现
  • ✅ ReAct + Reflexion 循环
  • ✅ 工具注册中心
  • ✅ 基础测试套件

许可证

MIT

作者

余永浩 (蒲萄爸)

贡献

欢迎提交 Issue 和 PR!

平台分布

OpenClaw

82.64%
按下载量换算903

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

可疑

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills