用户需求
    ↓
Sisyphus（主控）：分析意图 → 判断复杂度
    ├── 简单任务 → 直接执行（自己干）
    ├── 搜索需求 → 派 explore/librarian（并行多个）
    ├── 复杂问题 → 派 oracle（单独深度思考）
    ├── 架构设计 → 派 metis 规划 → momus 评审
    └── 多模块任务 → 拆解 → 并行派多个子 agent
    ↓
结果汇总 → 交叉验证 → 输出

用户："Halo POST 为什么 500？"
↓
Sisyphus 分析：涉及网络、代码、配置三个维度
↓
并行派出：
  ├── explore → 搜本地代码中的错误模式
  ├── SSH 直连 → 查服务器日志（直接工具）
  └── 思考分析 → 结合已知信息推理
↓
汇总：WAF 拦截？external-url 错误？NPE Bug？

任务可以"在后台跑"，主控不用等：
┌─ 主对话 ──────────────────────────┐
│ 用户：帮我查 Halo 服务器状态       │
│ Sisyphus：好的，我先派 agent 去查   │
│ （继续聊别的...）                    │
│ [系统通知] 后台任务完成！            │
│ Sisyphus：结果出来了，是 NPE Bug     │
└────────────────────────────────────┘

task(category="quick", load_skills=["powershell-reliable"], ...)
                    ↑
              Agent 启动时自动加载此 skill
              知道 PowerShell 的坑：不能用 &&、cd 坏了等

阶段1：explore × 2 → 并行扫描数据集，找文件结构
    ↓
阶段2：直接工具 → Python 脚本批量 OCR 提取
    ↓
阶段3：分析结果 → 发现问题 → 修复 → 重跑
    ↓
阶段4：直到结果稳定 → 输出报告

并行派出：
  ├── Python 脚本 → 解析 Excel 提取编号
  └── DWG 解析脚本 → 提取系统图编号
交叉比对 → 发现差异 → 人工确认

① 本地 curl 测试 → 确认不是网络问题
② SSH 进服务器查日志 → 发现 NPE 栈跟踪
③ 看进程启动命令 → 发现 external-url 配置错误
④ 修正后重启 → 仍然 500 → 推翻假设
⑤ 再查日志 → 确认是 Halo Pro 2.24.2 NPE Bug

① OCR 提取文字（pytesseract）
② 整理现代 MD（含表格、代码块）
③ 上传图片到 SiYuan → 替换引用路径
④ 发布到 SiYuan（REST API）
⑤ 上传图片到 Halo → 替换引用路径
⑥ 发布到 Halo（create draft → publish）

用户：网站 POST 500
↓
explore × 2（并行搜索日志 / 代码）
  → 找到线索：external-url 配置
↓
oracle（深度推理）
  → 推测是 license 校验失败
↓
验证 → 推翻 → 再查
  → 最终确认：NPE Bug

explore / librarian ≈ 免费
quick / unspecified ≈ 低成本
oracle / ultrabrain ≈ 高成本

❌ 接到需求直接派 oracle → 浪费钱
✅ 先派 explore 搜集信息 → 再决定是否需要 oracle

❌ 派了 explore 又自己手动 grep → 重复劳动
✅ 派出去就信它，自己干别的

❌ 派了背景任务不等结果就继续 → 结果丢失
✅ 等系统通知 → collect → 再用

❌ 前端任务派 quick 不带 frontend-design skill → 输出平庸
✅ 前端任务 = visual-engineering + frontend-design

❌ 一个任务塞 10 个步骤 → agent 迷失
✅ 拆成 3-5 分钟的子任务 → 逐个完成

Superpowers 定义流程：
  brainstorm → 写计划 → 子 agent 执行 → 验证 → 完成
                    ↓
OMO 执行子步骤：
  "派一个 explore 去搜代码，
   派一个 quick 去改文件，
   派一个 momus 去审查"