node-scaling
为OpenClaw提供并行任务执行能力，大幅降低LLM调用成本。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：node-scaling。 它的用途是：为OpenClaw提供并行任务执行能力，大幅降低LLM调用成本。 完整的 Skill 内容见：https://321skill.com/skills/node-scaling/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用Swarm并行分析‘Docker’、‘Kubernetes’和‘云原生’这三个技术概念的当前发展趋势和关联性。” 它会将这三个查询分发给多个Gemini Flash工作节点同时执行，并快速返回整合后的分析报告。或者，在开发中需要对一批用户反馈进行分类时，可以说：“用Swarm并行处理这50条用户评论，进行情感分析和问题分类。”
介绍
Swarm是一个专为OpenClaw设计的并行任务执行Skill，它解决了在AI工作流中顺序执行LLM任务导致的效率低下和成本高昂的问题。通过将任务分发给多个廉价的LLM工作节点（如Gemini Flash）并行处理，它能将原本需要线性等待的任务在几秒内完成，同时成本可降至使用Claude Opus等模型的数百分之一。
使用Swarm非常简单。安装后，通过交互式设置向导配置你的LLM提供商（推荐Gemini Flash）、API密钥和并行工作节点数量。启动守护进程后，你便可以通过命令行或API调用，将多个提示词任务（例如分析多个技术概念、批量处理数据）一次性提交，Swarm会自动协调并行执行并汇总结果。
这个Skill非常适合需要批量处理LLM任务的开发者、数据分析师和内容创作者。无论是需要同时分析多份数据、研究多个市场趋势，还是批量生成或润色内容，Swarm都能显著提升效率并控制预算。
建议优先选择Gemini Flash作为工作节点，以最大化性价比并启用其实时网络搜索功能。注意，并行任务的总耗时取决于最慢的那个任务，因此建议将复杂任务拆分为粒度适中的子任务以获得最佳并行效果。
核心特点
核心区别在于其专为OpenClaw设计的轻量级并行化架构，能无缝集成到现有AI工作流中，并原生支持Gemini的免费实时网络搜索功能，让工作节点能获取最新信息，而无需额外成本或复杂配置。
注意事项
不适合对任务执行顺序有严格依赖或需要复杂多轮对话交互的场景。
常见问题
Swarm能节省多少成本？
根据官方基准测试，相比使用Claude Opus顺序执行，Swarm并行处理30个任务可节省约167倍的成本，从约0.5美元降至0.003美元。
如何让AI助手访问实时网络信息？
在设置时选择Gemini Flash作为提供商并启用Web Search功能，工作节点在执行任务时即可自动调用Google搜索获取最新资料。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/node-scaling/raw/index.md 读取 node-scaling 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/node-scaling/raw/index.md（查看排版版本）