coordinate-swarm
À propos
La compétence coordinate-swarm fournit des modèles tels que la stigmergie et la détection de quorum pour construire des systèmes distribués qui se coordonnent d'eux-mêmes sans contrôle central. Elle aide les développeurs à concevoir des architectures résilientes et orientées événements en se concentrant sur la conception des signaux, l'autonomie des agents et le réglage des comportements émergents. Utilisez-la lorsque vous devez éliminer les goulots d'étranglement de coordination ou remplacer une orchestration fragile par une coordination décentralisée.
Installation rapide
Claude Code
Recommandénpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/coordinate-swarmCopiez et collez cette commande dans Claude Code pour installer cette compétence
Documentation
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
- Map: who agents, what do, where coord breaks
- 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
- Foraging → search distributed res (
- 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.
- Shared env (DB, queue, FS, board)
- Signal types:
- Trail: accumulate on success paths (ant pheromone)
- Threshold: counter → behavior switch
- Inhibition: repel from exhausted areas
- Props:
- Decay: fade rate → no stale dominance
- Reinforce: success strengthens
- Radius: propagation range
- 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.
- Perception radius (what sense?)
- 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
- Each rule:
- Local: only what agent perceives
- Simple: one if-then
- Stateless (pref): no past mem
- 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.
- Collective decisions:
- Explore → exploit mode
- New worksite commit / abandon
- Normal → emergency
- Per decision:
- Threshold: # / % agents agreeing
- Window: signal count period
- Hysteresis: different on/off thresh → no osc
- 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
- Pilot 5-10 agents
- Observe:
- Converges on behavior?
- How long?
- Conditions change mid-task → what?
- Agents fail / added → what?
- Tune params:
- Decay: fast → no memory; slow → stale dominates
- Quorum: low → premature; high → paralysis
- Explore/exploit balance: too explore → inefficient; too exploit → local optima
- 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-exploitbuild-consensus— distrib agreement deep-divedefend-colony— collective defense on signal frameworkscale-colony— scaling past initial coordadapt-architecture— morphic arch transformdeploy-to-kubernetes— distrib sys deployplan-capacity— capacity + swarm scalingcoordinate-reasoning— AI self-variant; stigmergy → ctx mgmt
Dépôt GitHub
Compétences associées
content-collections
MétaCette 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.
polymarket
MétaCette 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.
creating-opencode-plugins
MétaCette 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.
sglang
MétaSGLang 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.
