24.1 管家怎么调度：内置 coding-agent Skill
面向经管学生、研究者与从业者的 AI 智能体设计教材
OpenClaw 内置了一个名为 coding-agent 的 Skill，让管家能够调度专家进入项目目录执行任务。不需要额外安装，管家开箱即用。
能做什么
coding-agent 支持通过 bash 命令调度多种专家：
| 专家 | 一次性执行命令 |
|---|---|
| Opencode | opencode run "<任务>" --dir <路径> |
| Claude Code | claude -p "<任务>" --dir <路径> |
| Codex | codex exec "<任务>" |
管家构造一条命令，专家在指定项目目录里执行完毕后退出，结果返回给管家。管家再通过微信把结果告诉你。
对于目标明确、不需要中途确认的任务，内置 Skill 够用：
- 定时数据汇总：“拉取最新数据更新月报”
- 批量格式转换：“把 data/ 下的日期列统一为 YYYY-MM-DD”
- 一次性生成：“给 utils.py 补上类型标注”
三个局限
仅靠内置 coding-agent Skill，管家的调度能力有三个明显不足。
不支持多轮交互。 专家执行完就退出，无法中途确认方向、分步推进。设计类工作、多文件重构、探索性分析这些需要边做边调整的任务，一次性执行模式应付不了。
没有需求澄清阶段。 管家拿到你的消息就直接构造命令发出去，不做需求确认。下面这个场景演示了问题：
👤
帮我做个宏观经济数据大屏
🦞
收到，正在调度 Opencode 执行……
🦞
✅ 完成。已生成一个基础数据大屏页面，包含 GDP、CPI、PMI 三个图表，浅色主题，文件在 ~/projects/macro-dashboard/src/App.tsx。
👤
不对，我要深色主题，而且要加社融和 M2，布局用左右分栏
你说”做个数据大屏”，管家就直接让专家做了。配色、指标、布局全按专家自己的理解来，结果偏离预期。修改这些需要重新调度，时间成本翻倍。
管家容易自己硬做，不调度专家。 仅有 coding-agent Skill 并不能让管家养成调度的习惯。没有明确的规则告诉管家”什么任务该交给专家”，它倾向于自己处理所有请求，即使任务明显需要进入项目目录深度执行。22.5 节靠一条偏好消息临时解决了这个问题，但那不是可靠的长期方案。
三个问题，分两步解决
前两个问题（多轮交互、需求澄清）通过引入新的 Skill 解决，下一节展开。第三个问题（管家不主动调度）通过记忆和调度规范配置解决，24.3 节展开。