collective-memory-repo/agents/openclaw-main/subagent-scheduling-v1.1.md

OpenClaw 本地多节点 subagent 智能调度规则 v1.1

适用范围

适用于当前 OpenClaw 控制面（mac-5）在本地/尾网多节点环境下，为 subagent 选择推理 provider 的调度规则。

当前候选推理后端：

• mac-5 oMLX
• mac-6 oMLX
• mac-7 oMLX
• fallback / speed-first: vllm_messages/Qwen3.5-27B

核心原则

1. 派发前先探测可用性：在真正派发 subagent 前，先对目标后端做一次轻量 curl 或等价请求，确认目标模型当前可调用。
2. 模型名按后端分别处理：mac-5/6/7 上的 oMLX 模型名与 vllm_messages/Qwen3.5-27B 不同，探测和调度时必须使用对应后端自己的模型名，不能混用。
3. 默认本机优先：如果当前任务不强调极致速度，优先尝试当前机器本地 provider。
4. 本机优先 localhost：当任务落到本机 oMLX 时，优先使用 127.0.0.1 / localhost，不要优先走 tailscale IP，避免 tailscale 网卡不稳定导致推理失败。
5. 速度优先任务优先 vLLM：对响应速度要求较高的 subagent 任务，优先尝试 vllm_messages/Qwen3.5-27B。
6. vLLM 失败再 fallback 本地节点：如果 vllm_messages/Qwen3.5-27B 当前不可调用，再回退到 mac-5/mac-6/mac-7 的 oMLX 节点池。
7. 繁忙避让：若节点 GPU 负载高于 50%，视为该节点当前有 GPU 任务，不优先派发新的 subagent。
8. 逐个派发逐个判断：因为 subagent 一般是一个接一个启动，调度时每次都重新判断各候选节点的可用性和负载状态。
9. 全部繁忙时的最终回退：当 mac-5/mac-6/mac-7 都繁忙或不可用时，可回退到 100.64.0.5:8000 对应的 vllm_messages/Qwen3.5-27B（前提是其可调用）。

候选后端与模型

oMLX 节点

• mac-5
  • endpoint: 本机优先 http://127.0.0.1:8000/v1，远程可用 http://100.64.0.19:8000/v1
  • model: Huihui-Qwen3.5-27B-Claude-4.6-Opus-abliterated-4bit
• mac-6
  • endpoint: http://100.64.0.21:8000/v1
  • model: Huihui-Qwen3.5-27B-Claude-4.6-Opus-abliterated-4bit
• mac-7
  • endpoint: http://100.64.0.23:8000/v1
  • model: Huihui-Qwen3.5-27B-Claude-4.6-Opus-abliterated-4bit

vLLM fallback / speed-first

• endpoint: 当前配置中的 vllm_messages
• model: Qwen3.5-27B
• 注意：该模型名与 oMLX 的 Huihui 模型名不同，探测与实际请求都必须分开处理。

推荐调度顺序

普通任务

1. 当前机器本机 oMLX（localhost 优先）
2. 其他空闲 oMLX 节点（检查 GPU 负载和可调用性）
3. vllm_messages/Qwen3.5-27B

速度优先任务

1. vllm_messages/Qwen3.5-27B
2. 当前机器本机 oMLX（localhost 优先）
3. 其他空闲 oMLX 节点

派发前最低检查

在选中某个后端前，至少做两件事：

1. 模型调用探测
   • 用 curl 或等价 OpenAI-compatible 请求，发一个最小 completion/chat 请求
   • 确认目标模型名正确且当前能返回结果
2. GPU 负载检查
   • 检查该机器当前 macOS GPU 负载
   • 若 >50%，视为繁忙，不优先选择

重要提醒

• 该规则首先是 推理后端调度规则，不自动等价于“工具执行一定在同一台机器上运行”。
• 后续如果要实现真正自动负载均衡，可考虑引入统一 omlx_pool / inference gateway；在此之前，先按本规则做显式 agent/provider 选择。