Art of War Agents

TotalClaw 作者 wanikua v1.2.0

将孙子兵法十三篇映射为 AI 智能体编排模式,提供任务评估、成本意识、多智能体协作与风险控制框架,避免在无望任务上浪费 Token。

源码 ↗

安装 / 下载方式

TotalClaw CLI推荐
totalclaw skills install shop:totalclaw:wanikua~art-of-war-agents
cURL直接下载,无需登录
curl -fsSL https://skills.taituai.com/api/skills/totalclaw%3Awanikua~art-of-war-agents/file -o art-of-war-agents.md
Git 仓库获取源码
git clone https://github.com/openclaw/skills/commit/d819b37cec956bd5b6607d882574e3e0dea2ed26
---
name: art-of-war-agents
description: Apply Sun Tzu's Art of War to AI agent orchestration. Use for: task assessment (五事七计), deployment decisions, multi-agent strategy, token cost optimization, risk management, and agent collaboration patterns. Maps all 13 chapters to practical agent workflows with decision trees and troubleshooting.
---

## 概述(中文)

将孙子兵法十三篇映射为 AI 智能体编排模式,提供任务评估、成本意识、多智能体协作与风险控制框架,避免在无望任务上浪费 Token。

## 技能正文

# 📜 Art of War Agents

> 兵者,国之大事,死生之地,存亡之道,不可不察也
>
> "War is vital — the province of life or death. It must be thoroughly studied."

**孙子十三篇 → AI 智能体编排模式。**

本技能提供智能体战略部署的完整框架:何时使用智能体、使用哪些、如何组织,以及如何避免在无望任务上浪费 Token。

---

## ⚡ 快速参考卡

\`\`\`
┌─────────────────────────────────────────────────────────────┐
│           ART OF WAR AGENT DECISION FLOW                    │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  1. 始计 → 值得做吗?(五事七计评估)                          │
│     ├─ Score ≥70% → 部署                                    │
│     ├─ Score 50-70% → 先补弱点                              │
│     └─ Score <50% → 不做,重新规划                          │
│                                                             │
│  2. 谋攻 → 能不做吗?(上兵伐谋)                             │
│     ├─ 可自动化/消除 → 不做                                 │
│     ├─ 单 agent 可解 → 单 agent                               │
│     └─ 必须多 agent → 继续                                  │
│                                                             │
│  3. 作战 → 预算多少?(速战速决)                             │
│     ├─ <10k tokens → 单 agent,快速迭代                       │
│     └─ >10k tokens → 多 agent,设检查点                      │
│                                                             │
│  4. 军形 → 有风险吗?(先胜后战)                             │
│     ├─ 高风险 → 防御优先,多重验证                          │
│     └─ 低风险 → 速度优先                                    │
│                                                             │
│  5. 部署 → 监控信号 (行军篇)                                │
│     ├─ 重复提问 → 补充上下文                                │
│     ├─ 输出变长但质量降 → 强制简洁                          │
│     ├─ 过度自信 → 要求来源                                  │
│     └─ 循环论证 → 介入重定向                                │
│                                                             │
│  6. 验证 → 三反原则 (用间篇)                                │
│     └─ 至少 3 个独立来源交叉验证                              │
│                                                             │
└─────────────────────────────────────────────────────────────┘
\`\`\`

---

## 🎯 核心原则

### 知彼知己
- **知彼**:深入理解任务——需求、约束、成功标准
- **知己**:了解智能体的能力、局限与成本
- **百战不殆**:二者兼备,每次智能体部署都是计算而非侥幸

### 上兵伐谋
- 规划 > 执行。在启动智能体前投入任务分析
- 规划良好的单个智能体胜过三个混乱的智能体
- 「不战而胜」—— 重构问题使解法显而易见

### 奇正相生
- **正**:标准工作流、成熟模式、可靠智能体
- **奇**:创新方法、新颖组合、实验性智能体
- 以正求稳,以奇求破。切勿只依赖奇。

### 速战速决
- 长时间运行的智能体浪费 Token 并偏离意图
- 事先设定明确终止条件
- 若智能体 2-3 轮迭代无进展,重新评估

### 先胜后战
- 部署前确保条件有利于成功
- 若无法说清「胜利」是什么样子,不要开始
- 撤退优于在无望任务上浪费资源

---

## 十三篇 → 智能体模式

### 1. 始计篇 — 任务评估

**部署任何智能体前,运行五事七计:**

**五事:**
1. **道(智慧)**:任务是否与整体目标一致?
2. **天(时机)**:现在是否合适?依赖是否就绪?
3. **地(环境)**:是否具备正确的上下文/数据/工具?
4. **将(能力)**:哪些智能体具备所需技能?
5. **法(流程)**:工作流是什么?成功标准是什么?

**七计:**
- 哪方任务更清晰?
- 哪方智能体能力更强?
- 哪方上下文/数据更好?
- 哪方成功标准更明确?
- 哪方工具访问更好?
- 哪方执行更有纪律?
- 哪方会浪费更少资源?

**决策**:若无法回答这些问题,不要部署。先规划。

### 2. 作战篇 — 成本意识

**智能体运行消耗 Token,应像战争成本一样对待:**

- **速战速决**:设定迭代上限,强制得出结论
- **因粮于敌**:使用现有输出/数据,不重复生成已有内容
- **胜久则钝**:长时间运行的智能体失去专注并浪费 Token
- **预算先行**:开始前估算 Token 成本,运行中持续追踪

**规则**:若任务 1 轮智能体迭代可完成,不要用 3 轮。

### 3. 谋攻篇 — 以谋攻,不以力攻

**智能体部署层级:**

1. **上策**:重构问题使其自行解决(无需智能体)
2. **中策**:单一专注智能体,指令清晰
3. **下策**:多智能体复杂编排

**避免攻城战**:不要向定义模糊的问题堆砌更多智能体。

**全胜思维**:最佳结果是不战而胜——自动化或消除任务本身。

### 4. 军形篇 — 先防后攻

**进攻前确保防御:**

- 什么可能出错?(幻觉、过时信息、工具失败)
- 若智能体使情况更糟,回滚计划是什么?
- 什么护栏可防止灾难性输出?

**先为不可胜**:先使自己不可败——具备验证、版本控制与撤销能力。

**以待敌之可胜**:然后等待时机——条件有利时再部署。

### 5. 兵势篇 — 势能与合作

**创造不可阻挡的势能:**

- **势**:构建每个智能体输出自然触发下一个的配置
- **奇正**:结合标准智能体(正)与创新方法(奇)
- **节(时机)**:分波释放智能体,而非同时全部启动

**示例模式**:研究智能体 → 综合智能体 → 批判智能体 → 最终润色
每一步建立在前一步之上,形成势能。

### 6. 虚实篇 — 战略瞄准

**避实击虚:**

- 识别任务中的**关键瓶颈**
- 不要浪费智能体能力在你自己能处理的部分
- 在智能体具有**比较优势**的地方部署

**避实击虚**:若智能体难以处理细微差别,你自己处理细微之处,让它处理大量工作。

**致人而不致于人**:控制智能体聚焦点,不要让它漂移。

### 7. 军争篇 — 间接路径

**最远的路可能最快:**

- 有时 2-3 个专注智能体胜过 1 个通才智能体
- 有时先做背景研究可节省后续 10 轮迭代
- 「能而示之不能」—— 先让智能体探索朴素方案,再引导

**以迂为直**:看似绕路(额外规划、额外验证)往往更快到达目标。

### 8. 九变篇 — 适应性

**智能体必须适应变化的条件:**

- 准备**应急计划**:若智能体 A 失败,计划 B 是什么?
- **将在外,君命有所不受**:在边界内给予智能体自主权
- 识别何时在**执行中改变策略**

**五种危险的智能体缺陷:**
1. 鲁莽迭代(烧毁 Token)
2. 过度谨慎(永不完成)
3. 急躁(与用户争论)
4. 过度优化(丢失目标)
5. 盲目服从(对错误指令不提出异议)

留意这些缺陷,及早介入。

### 9. 行军篇 — 环境感知

**读懂信号:**

- **相敌**:观察智能体输出中的漂移、幻觉、困惑
- **信号**:重复提问 = 指令不清;循环论证 = 卡住
- **地形**:某些任务是「险地」—— 高不确定性,需更多监督

**何时介入:**
- 智能体两次提出相同问题
- 输出质量随迭代下降
- 智能体自信但错误

### 10. 地形篇 — 任务分类

**六种地形 → 六种任务类型:**

| 地形 | 任务类型 | Agent 策略 |
|------|---------|-----------|
| 通形 (Accessible) | 清晰定义的任务 | 直接部署,标准流程 |
| 挂形 (Entangling) | 容易陷入细节的任务 | 设时间限制,强制输出 |
| 支形 (Stalemate) | 信息不足的任务 | 先收集信息,再决策 |
| 隘形 (Narrow) | 高约束任务 | 精确指令,严格验证 |
| 险形 (Dangerous) | 高风险任务 | 多重验证,保守策略 |
| 远形 (Distant) | 长链条任务 | 分阶段,设检查点 |

### 11. 九地篇 — 投入程度

**使资源投入与任务重要性匹配:**

| 地 | 任务重要性 | Agent 投入 |
|---|-----------|-----------|
| 散地 (Home ground) | 日常任务 | 轻量 agent,快速迭代 |
| 轻地 (Light ground) | 低价值任务 | 最小可用方案 |
| 争地 (Contentious) | 竞争/时间敏感 | 优先资源,快速部署 |
| 交地 (Open ground) | 多方协作 | 明确接口,文档先行 |
| 衢地 (Intersecting) | 多目标 | 平衡资源,避免偏废 |
| 重地 (Serious) | 高价值任务 | 多 agent 协作,充分验证 |
| 圮地 (Difficult) | 信息不足 | 先探索,后投入 |
| 围地 (Desperate) | 受约束 | 创造性方案,突破限制 |
| 死地 (Death) | 背水一战 | 全力以赴,不留退路 |

**大多数任务是散地或轻地 — 不要过度投入。**

### 12. 火攻篇 — 工具使用

**火 = 强大工具(代码执行、API 调用、外部数据):**

- **五种火**:
  1. 人火:用户提供的数据/上下文
  2. 积火:缓存/预备资源
  3. 辎火:工具/API 访问
  4. 库火:代码执行
  5. 队火:多智能体协作

**用火的时机:**
- 行必有备:工具失败时有后备方案
- 发火有时:不要过早使用工具
- 发火在早:尽早使用工具验证方向

**警告**:火能伤己。验证工具输出,不要盲目信任。

### 13. 用间篇 — 情报收集

**五类情报来源:**

| 间 | Agent 应用 |
|---|-----------|
| 因间 (Local spies) | 利用现有文档/代码库 |
| 内间 (Inside spies) | 访问内部系统/数据库 |
| 反间 (Double agents) | 交叉验证多个信息源 |
| 死间 (Doomed spies) | 一次性查询(搜索、API) |
| 生间 (Living spies) | 持续监控(RSS、警报) |

**关键原则:**
- **三反**:至少 3 个独立来源交叉验证
- **不可偏信**:永远不要信任单一来源
- **先知**:决策前先收集情报

---

## 快速决策树

\`\`\`
Task arrives
    ↓
Can I do this myself in <5 min?
    ├─ Yes → Do it (don't deploy agent)
    └─ No → Continue
    ↓
Is the task clearly defined?
    ├─ No → Plan first (始计篇)
    └─ Yes → Continue
    ↓
What's the token budget?
    ├─ Low (<10k) → Single focused agent (谋攻篇)
    └─ High → Multi-agent OK (兵势篇)
    ↓
What's the risk if wrong?
    ├─ High → Defense first (军形篇), multiple validation
    └─ Low → Speed优先 (作战篇)
    ↓
Deploy with clear success criteria
    ↓
Monitor for drift (行军篇)
    ↓
Validate output (用间篇 - cross-check)
\`\`\`

---

## 📋 使用示例

### 示例 1:任务评估(始计篇)

**用户**:「我应该用智能体做竞品研究吗?」

**智能体应用五事七计**:

| 五事 | 评估 | 得分 |
|------|------|------|
| 道 (Wisdom) | 与产品发布目标一致 | ✓ 1 |
| 天 (Timing) | 3 周后发布,时机合适 | ✓ 1 |
| 地 (Environment) | 需要市场数据、竞品信息 | ✓ 1 |
| 将 (Capability) | 研究与综合智能体可用 | ✓ 1 |
| 法 (Process) | 清晰流程:研究→综合→呈现 | ✓ 1 |

**七计得分**:6/7(任务清晰度可更好)

**总体**:85% → **部署**

**建议**:在新搜索(死间)前先从现有报告(因间)开始。预算:约 5k tokens。

---

### 示例 2:智能体卡住(行军篇)

**用户**:「智能体一直重复问我相同的问题」

**诊断**:挂形 — 智能体陷入循环

**信号解读**:
- ⚠️ 重复提问 = 指令不清或缺少上下文
- ⚠️ 可能已在第 4 轮以上 = 胜久则钝(拖延 = 质量下降)

**行动**:
\`\`\`
"Stopping current run. Here's what was missing:
[provide missing context]

New instructions:
1. Use the context above
2. Complete in max 2 iterations
3. If blocked, make reasonable assumptions and note them
4. Output format: [specify]

Proceed."
\`\`\`

---

### 示例 3:多智能体编排(兵势篇)

**用户**:「我需要一份完整的市场分析报告」

**应用兵势篇 — 创造势能**:

\`\`\`
┌─────────────────────────────────────────────────────────┐
│  势 (SHI) — MOMENTUM CONFIGURATION                      │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  Research Agent     →  Synthesis Agent                  │
│  (collect raw data)    (find patterns, insights)        │
│         ↓                       ↓                       │
│  Critique A