Zurück zu Fähigkeiten

coordinate-swarm

pjt222
Aktualisiert 2 days ago
3 Ansichten
17
2
17
Auf GitHub ansehen
Metaautomationdesign

Über

Die Coordinate-Swarm-Fähigkeit bietet Muster wie Stigmergie und Quorum Sensing, um verteilte Systeme zu erstellen, die sich ohne zentrale Steuerung selbst koordinieren. Sie hilft Entwicklern dabei, widerstandsfähige, ereignisgesteuerte Architekturen zu entwerfen, indem sie den Fokus auf Signaldesign, Agentenautonomie und die Feinabstimmung emergenter Verhaltensweisen legt. Verwenden Sie sie, wenn Sie Koordinationsengpässe beseitigen oder fragile Orchestrierung durch dezentrale Koordination ersetzen müssen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/coordinate-swarm

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Coordinate Swarm

Stigmergy + local rules + quorum → coherent collective, no central ctrl.

Use When

  • Distributed sys → no central bottleneck
  • Self-coord teams → no mgr overhead
  • Event-driven arch → shared state, not direct msg
  • Works @3 agents → breaks @30 → scale
  • Bootstrap new swarm domain (forage-resources, build-consensus)
  • Replace fragile central orch → resilient emergent

In

  • Required: Agents desc (workers, services, team)
  • Required: Collective goal / target behavior
  • Optional: Current coord + fail modes
  • Optional: Agent count → pattern choice
  • Optional: Latency tolerance (realtime vs eventual)
  • Optional: Env constraints (shared state, bandwidth)

Do

Step 1: Classify Problem

  1. Map: who agents, what do, where coord breaks
  2. Classify:
    • Foraging → search distributed res (forage-resources)
    • Consensus → agree collective decision (build-consensus)
    • Construction → build shared structure
    • Defense → detect threats (defend-colony)
    • Division of labor → self-organize roles
  3. Fail mode:
    • Single point fail (central ctrl)
    • Comm bottleneck (too many msg)
    • Coherence loss (drift, no feedback)
    • Rigidity (no adapt)

→ Clear class + fail mode → pattern choice.

If err: no single class → composite → decompose. Heterogeneous → layered coord (homogeneous clusters + inter-cluster stigmergy).

Step 2: Design Signals

Indirect comm channels.

  1. Shared env (DB, queue, FS, board)
  2. Signal types:
    • Trail: accumulate on success paths (ant pheromone)
    • Threshold: counter → behavior switch
    • Inhibition: repel from exhausted areas
  3. Props:
    • Decay: fade rate → no stale dominance
    • Reinforce: success strengthens
    • Radius: propagation range
  4. Signal → behavior map:
    • Signal X > T → action A
    • A done → deposit Y
    • No signal → default explore
Signal Design Template:
┌──────────────┬───────────────────┬──────────────┬────────────────────┐
│ Signal Name  │ Deposited When    │ Decay Rate   │ Agent Response     │
├──────────────┼───────────────────┼──────────────┼────────────────────┤
│ success-trail│ Task completed OK │ 50% per hour │ Follow toward      │
│ busy-marker  │ Agent starts task │ On completion│ Avoid / pick other │
│ help-signal  │ Agent stuck >5min │ 25% per hour │ Assist if nearby   │
│ danger-flag  │ Error detected    │ 10% per hour │ Retreat & report   │
└──────────────┴───────────────────┴──────────────┴────────────────────┘

→ Signal table: deposit conds + decay + responses. Simple + composable.

If err: too complex → 2 signals (attract/repel). Add nuance after basic works.

Step 3: Local Rules

Simple rules, local info only.

  1. Perception radius (what sense?)
  2. 3-7 rules, priority order:
    • Rule 1 (safety): danger-flag → flee
    • Rule 2 (response): help-signal + idle → move toward
    • Rule 3 (exploit): success-trail → follow strongest
    • Rule 4 (explore): no signal → random + unexplored bias
    • Rule 5 (deposit): task done → deposit success-trail
  3. Each rule:
    • Local: only what agent perceives
    • Simple: one if-then
    • Stateless (pref): no past mem
  4. Mental test → does collective behavior emerge?

→ Prioritized rules, independent exec → target behavior emerges.

If err: no emergence → feedback loop needed. Add signal for collective state + adjust rule.

Step 4: Quorum Thresholds

Trigger collective changes when enough agree.

  1. Collective decisions:
    • Explore → exploit mode
    • New worksite commit / abandon
    • Normal → emergency
  2. Per decision:
    • Threshold: # / % agents agreeing
    • Window: signal count period
    • Hysteresis: different on/off thresh → no osc
  3. Quorum = signal accumulation:
    • Fav agent → vote-signal
    • Votes > thresh in window → activate
    • Votes < deact thresh → reverse

→ Leaderless decisions. Hysteresis gap → no rapid osc.

If err: oscillation → widen hyst gap (70/30). Never reaches quorum → lower thresh / widen window. Too slow → shrink window (beware premature).

Step 5: Test + Tune

  1. Pilot 5-10 agents
  2. Observe:
    • Converges on behavior?
    • How long?
    • Conditions change mid-task → what?
    • Agents fail / added → what?
  3. Tune params:
    • Decay: fast → no memory; slow → stale dominates
    • Quorum: low → premature; high → paralysis
    • Explore/exploit balance: too explore → inefficient; too exploit → local optima
  4. Stress:
    • Remove 30% agents → recover?
    • Double count → still coord?
    • Conflict signals → resolve / deadlock?

→ Tuned params, self-organizes, recovers, scales.

If err: stress fails → too tightly coupled. Simplify: fewer signals, faster decay, robust default. Swarm w/ zero-signal default > signal-dependent swarm.

Check

  • Problem classified (foraging / consensus / construction / defense / labor)
  • Signal table: deposit + decay + response
  • Rules simple + local + prioritized (3-7)
  • Quorum w/ hysteresis → no osc
  • Small test → emergent behavior matches goal
  • Stress test → graceful degradation

Traps

  • Signal bloat: Too many types → confusion. Start 2 (attract/repel)
  • Fake local: Rule needs global state → not local. Refactor
  • No decay: Fossilized coord state. Half-life per task scale
  • Zero hysteresis: Rapid osc. Deact < act always
  • Homogeneity assumed: Diff caps → role-diff rules (scale-colony)

  • forage-resources — res search + explore-exploit
  • build-consensus — distrib agreement deep-dive
  • defend-colony — collective defense on signal framework
  • scale-colony — scaling past initial coord
  • adapt-architecture — morphic arch transform
  • deploy-to-kubernetes — distrib sys deploy
  • plan-capacity — capacity + swarm scaling
  • coordinate-reasoning — AI self-variant; stigmergy → ctx mgmt

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/caveman-ultra/skills/coordinate-swarm
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen