MCP HubMCP Hub
Retour aux compétences

unleash-the-agents

pjt222
Mis à jour 6 days ago
12 vues
17
2
17
Voir sur GitHub
Métaai

À propos

Cette compétence lance plusieurs agents IA en parallèle pour générer des hypothèses diverses face à des problèmes inter-domaines sans point de départ clair. Elle est conçue pour les situations où les approches à agent unique sont dans l'impasse ou lorsqu'une exploration de perspectives larges est nécessaire plutôt qu'une spécialisation approfondie. Le résultat est un ensemble classé d'hypothèses incluant une analyse de convergence et ayant subi un raffinement contradictoire.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/unleash-the-agents

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

放諸客

並波諮諸客以生多假於開疾——客各以己域為鏡:kabalist 以數、武者以條件分支、靜者以坐覓構。多獨視之合,假之有徵也。

  • 跨域而正路未明→用
  • 單客或單域已滯→用
  • 真多視貴於深專→用
  • 須生假,非執行(執行用團)→用
  • 高重決而漏不顯角致實損→用

  • :問綱——清述、5+ 例、解之標
  • :驗法——如何試假(程驗、專評、空模較)
  • :客集——納或排(默:諸註客)
  • :波量——每波客數(默 10)
  • :出式——應之式(默:假+理+信+可驗預)

一:備綱

書任客可解之綱(無論域):

  1. :欲覓或決何(1-2 句)
  2. :5+ 具體入/出例(多佳——3 太少)
  3. 已知約:已知、已試
  4. 成標:何為正假之識
  5. 出式:欲應之確式
## Brief: [Problem Title]

**Problem**: [1-2 sentence statement]

**Examples**:
1. [Input] → [Output]  (explain what's known)
2. [Input] → [Output]
3. [Input] → [Output]
4. [Input] → [Output]
5. [Input] → [Output]

**Already tried**: [List failed approaches to avoid rediscovery]

**Success looks like**: [Testable criterion]

**Respond with**:
- Hypothesis: [Your proposed mechanism in one sentence]
- Reasoning: [Why your domain expertise suggests this]
- Confidence: [low/medium/high]
- Testable prediction: [If my hypothesis is correct, then X should be true]

得:綱自足——客僅得此文亦能推。

敗:不能述 5 例或驗法→問未備諮多客。先縮範。

二:謀波

列諸客分為 ~10 一波。前 2 波次序不重;後波之波間注知改善果。

# List all agents from registry
grep '  - id: ' agents/_registry.yml | sed 's/.*- id: //' | shuf

派客於波。初謀 4 波——或不需盡(見早止於四)。

綱變
1-220 客標綱
310 客 + advocatus-diaboli綱+共識+敵挑
4+各 10 客綱+「X 已確。專邊與敗。」

得:派表盡客。advocatus-diaboli 入波 3(非後)以使敵察影響後波。

敗:客不足 20→減 2-3 波。10 客亦行,惟合徵弱。

三:放波

各波並放。用 sonnet 模以省(值在視多,非個深)。

法甲:TeamCreate(推薦於全放)

用 Claude Code 之 TeamCreate 工建協團附任跡。TeamCreate 為延工——先 ToolSearch("select:TeamCreate") 取。

  1. 建團:
    TeamCreate({ team_name: "unleash-wave-1", description: "Wave 1: open-ended hypothesis generation" })
    
  2. 每客建任,用 TaskCreate 附綱與域框
  3. 每客以 Agent 工生為團員,附 team_name: "unleash-wave-1"subagent_type(如 kabalistgeometrist
  4. 派任於員以 TaskUpdateowner
  5. 察跡以 TaskList——員畢自標
  6. 波間關現團 SendMessage({ type: "shutdown_request" })、建次團附更綱(步四)

此給內建協:共任跡、員可訊隨、頭管波轉。

法乙:直生客(簡於小行)

每客生附綱與域框:

Use the [agent-name] agent to analyze this problem through your domain expertise.
[Paste the brief]
Think about this from your specific perspective as a [agent-description].
[For non-technical agents: add a domain-specific framing, e.g., "What patterns
does your tradition recognize in systems that exhibit this kind of threshold behavior?"]
Respond exactly in the requested format.

並放諸客於波,以 Agent 附 run_in_background: true。波畢乃放次波(以波間注知於步四)。

擇法

TeamCreate直 Agent
三層全放(40+ 客)二層席(5-10 客)
任跡、訊、屬放即忘、手集
波接任態續須手跡
高(每波建團)低(每客一召)

得:每波 2-5 分內返 ~10 結構應。失應或誤式者錄而不阻流。

敗:>50% 波失→察綱清。常因:出式含混、或例不足以使外域客推。

四:注波間知(與評早止)

波 1-2 後,未放下波先取現信。

  1. 掃畢波應覓重現主題
  2. 辨最常假族(合信)
  3. 察早止值:頂族 20 客後超空模 3x→強信。謀波 3 為敵+精煉、考慮後止
  4. 更次波綱:
**Update from prior waves**: [N] agents independently proposed [hypothesis family].
Build on this — what explains the remaining cases where this hypothesis fails?
Do NOT simply restate this finding. Extend, challenge, or refine it.

早止建:非每放需盡客。明域問(如庫析)合穩於 30-40 客。抽象開問(如未知數變)全集有值因正域真難測。每波後察合——頂族計與空模比平→後波回減。

此免重發(後波獨重得前果)、引後客向問之邊。

得:後波生更精、更針之假,補現共識之隙。

敗:2 波後無合→問或過開。考縮範或增例。

五:集與去重

諸波畢,集應於一文。按機分族去重:

  1. 取諸假述
  2. 按機聚(非按詞——「modular arithmetic mod 94」與「cyclic group over Z_94」同族)
  3. 數每族獨發
  4. 按合排:多客獨發者排前

得:排假族表附合計、貢客、代驗預。

敗:每假獨(無合)→信噪過低。或問須更例、或客須更緊出式。

六:以空模驗

試頂假於空模以確合有意,非訓共產之偽。

  • 程驗:假生可試式或算→於留例行
  • 空模:估 N 客偶合於同族之率(如 K 合理族,偶合率 ~N/K)
  • :合超空模 3x 為意

得:頂假族顯超偶合且/或過程驗。

敗:頂假敗驗→察次族。皆無過→問或須異法(深單專析、更數、改例)。

七:敵精煉

宜時:波 3,非後合。 納 advocatus-diaboli 於波 3(與波間知並)優於後波獨敵。早挑使波 4+ 對挑精煉,非堆於未挑共識。

若敵已於波 3,此步為末察。否(如諸波無之)→今生 advocatus-diaboli(或 senior-researcher)。為結構行,用 TeamCreate 立評團附二客並對共識:

Here is the consensus hypothesis from [N] independent agents:
[Hypothesis]
[Supporting evidence and convergence stats]

Your job: find the strongest counterarguments. Where does this fail?
What alternative explanations are equally consistent with the evidence?
What experiment would definitively falsify this hypothesis?

得:反論集、邊例、否驗。假過敵察→可整。佳敵察有時部分護共識——覓設優於替而未善。

敗:敵覓致命瑕→注挑於針隨波(三層+迭式——擇 5-10 客最宜應特挑)。

八:交予團

放覓問;團解之。化驗假族為可行議、組焦團解之。

  1. 每驗假族建 GitHub 議(用 create-github-issues
  2. 議按合強與影排
  3. 每議組小團以 TeamCreate
    • teams/ 中合域團定→用之
    • 無合→默 opaque-team(N shapeshifters 適派)——應未知問形不需自定組
    • 納至少一非技客(如 advocatus-diabolicontemplative)——彼覺技客漏之施險
    • 用 REST 點於階間防急
  4. 流:放→分→團每議→解

得:每假族對跡議附團派。放生診;團出修。

敗:團組不合問→重派。Shapeshifter 客可研設而無書工——團頭須施其碼建。

  • 諸客諮(或有理擇集)
  • 應集於結構可析式
  • 假去重按獨合排
  • 頂假以空模或程驗證
  • 敵察挑共識
  • 末假含可驗預與已知限

  • 綱例少:客需 5+ 例覓式。3 例→多客退表面配或鸚式(以異詞復述綱)
  • 無驗路:無試假法→不能辨信與噪。合必而不足
  • 喻應:域專客(mystic、shaman、kabalist)或應富喻難程析。納「以可試式或算述假」於出式
  • 波重發:無波間注知,波 3-7 獨重得波 1-2 已成。波間必更綱
  • 過解合:43% 合於機族似強,察基率。僅 3 合理族→偶合 ~33%
  • 期單族霸:抽象問(式辨、密)易生一霸假族。多維問(庫析、系設)生多有效族廣合——此期,非式敗
  • 非技客泛框:非技客貢之質依綱於其域語之框。「汝統於此閾系說何?」生構見;泛綱生無。為域外客投域框
  • 以此執行:此式生假,非實。驗假乃化議交團(步八)。流:放→分→團每議

  • forage-solutions — 蟻集優以探解空(補:窄範深探)
  • build-coherence — 蜂民主擇諸法(用後此技以擇頂假)
  • coordinate-reasoning — 痕協以管客間訊流
  • coordinate-swarm — 廣集協式於分系
  • expand-awareness — 開覺前縮(補:用為個客備)
  • meditate — 放前清境噪(建於步一前)

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan-ultra/skills/unleash-the-agents
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence