unleash-the-agents
정보
이 스킬은 해결 경로가 불분명한 복잡한 다중 도메인 문제에 대해 다양한 가설을 생성하기 위해 여러 AI 에이전트를 병렬로 실행합니다. 단일 에이전트 접근법이 실패하거나 심화된 전문성보다 광범위한 탐색이 필요할 때 이상적입니다. 출력은 수렴 분석과 적대적 비판을 통해 정제된 순위가 매겨진 가설 세트입니다.
빠른 설치
Claude Code
추천npx 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/unleash-the-agentsClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
縱諸臣
於正領未明之疾,並波而召諸臣以生開放之假設。各臣以其域之鏡而思——卡巴拉者以數值術尋形,武術者擬條件之分,靜觀者居數而識其結。獨立之見之合,乃假設有益之主信。
用時
- 跨域之疾,正法未明
- 單臣或單域已滯而無信
- 疾賴真正多元之見(非徒增算)
- 需生假設,非執行(執行用團)
- 重要之決,遺非顯之角者其代真重
入
- 必要:問題之要——疾之清述、五以上之具例、何為解
- 必要:驗之法——如何試假設正否(程驗、家評、或空模較)
- 可選:臣之子集——納或排之臣(默:諸已錄之臣)
- 可選:波之大小——每波之臣數(默:10)
- 可選:出之式——應之結構模(默:假設+理+信+可試之測)
法
第一步:備其要
書一要而諸臣無論何域皆能解之。含:
- 問題之述:所求者何(一二句)
- 例:五以上具入/出之例或數點(多益佳——三於諸臣為少而難尋形)
- 已知之限:所已知者、所已試者
- 成之準:如何識正之假設
- 出之模:應之精式
## 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:要自足——臣得此文即有思之所需。
敗則:不能述五例或驗法者,疾未備為多臣之問。先縮其範。
第二步:謀其波
列諸可得之臣,分為約十之波。前二波之序無關;後波之間,波際知識之注益其果。
# List all agents from registry
grep ' - id: ' agents/_registry.yml | sed 's/.*- id: //' | shuf
授臣於波。初謀四波——或不需盡用(見第四步之早止)。
| 波 | 臣 | 要之變 |
|---|---|---|
| 1-2 | 20 臣 | 標準之要 |
| 3 | 10 臣 + advocatus-diaboli | 要 + 新興共識 + 對辯之挑 |
| 4+ | 各 10 臣 | 要 + 「X 已驗。專注邊例與敗。」 |
得:波授之表,諸臣皆有所屬。納 advocatus-diaboli 於第三波(非後),俾對辯之過影後波。
敗則:可得之臣少於 20 者,減為二三波。十臣亦可,唯合之信稍弱。
第三步:發其波
每波並發為臣。用 sonnet 模以省(其值在見之多元,非各深)。
法甲:TeamCreate(推為全縱)
用 Claude Code 之 TeamCreate 立有任之追之合作團。TeamCreate 為延遲之具——先以 ToolSearch("select:TeamCreate") 取之。
- 立團:
TeamCreate({ team_name: "unleash-wave-1", description: "Wave 1: open-ended hypothesis generation" }) - 每臣以
TaskCreate立一任,含要與域之框 - 用
Agent具發每臣為團友,team_name: "unleash-wave-1",subagent_type設為臣之類(如kabalist、geometrist) - 以
TaskUpdate之owner授任於團友 - 以
TaskList監進——團友自畢自記之 - 波間,以
SendMessage({ type: "shutdown_request" })閉當前團,立次團而更要(第四步)
此給內合作:共任列追何臣已應,團友可訊以續,領以任授管理波之轉。
法乙:原 Agent 之發(簡,為小行)
每波之臣以要與域之框發之:
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.
一波之諸臣以 Agent 具並發,run_in_background: true。俟波畢方發次波(俾第四步之波際知識注)。
二法之擇
| TeamCreate | 原 Agent | |
|---|---|---|
| 宜於 | 第三層全縱(40+ 臣) | 第二層板(5-10 臣) |
| 合作 | 任列、訊、屬 | 發後不顧、手聚 |
| 波際交接 | 任狀承 | 須手追 |
| 開銷 | 高(每波設團) | 低(每臣一具呼) |
得:每波二至五分內返約十結構之應。臣不應或出格者記之而不阻管線。
敗則:一波過半敗者,察要之清。常因:出之模歧,或例不足以使外域之臣思之。
第四步:注波際知識(並評早止)
一二波後,發次波之前,取其新興之信。
- 掃已畢諸波之應,求重現之題
- 識最常之假設族(合之信)
- 察早止之閾:頂族二十臣後已逾空模期之三倍者,信強矣。謀第三波為對辯+精煉之波,並考其後止之
- 為次波更其要:
**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.
早止之囑:非每縱皆需諸臣。已定之疾域(如碼庫之析)合常於 30-40 臣穩。抽象或開放之疾(如未知數學之變),全名冊益,蓋正域實不可預也。每波後察合——頂族之數與空模比已平者,續波之益遞減。
此免重發(後波獨立再得早波所得),導後臣於疾之邊。
得:後波生更精細、有針之假設,補新興共識之缺。
敗則:二波後無合者,疾或過寬。考縮其範或多備例。
第五步:聚而去重
諸波畢後,聚諸應於一文。以族聚假設而去重:
- 取諸假設之述
- 以機制聚(非以辭——「mod 94 之模算」與「Z_94 之循環群」乃同族)
- 計每族之獨立發現之數
- 依合排之:更多臣獨立發現之族居高
得:以合計排之假設族列,含貢臣與代之可試之測。
敗則:每假設皆獨(無合)者,信噪比過低。或疾需多例,或臣需更緊之出之式。
第六步:對空模而驗
試頂假設於空模以確合有意,非共訓之偽。
- 程驗:假設出可試之式或法者,於留出之例行之
- 空模:估 N 臣偶合於同假設族之概(如有 K 合理族,隨機合概約 N/K)
- 閾:合逾空模期之三倍者,信為有意
得:頂假設族顯逾偶然之合,並/或過程驗。
敗則:頂假設驗敗者,察次族。皆敗者,疾或需異法(更深單家析、多數、或重設例)。
第七步:對辯之精煉
宜於第三波,非合成之後。 第三波納 advocatus-diaboli(與波際知識注並)較獨立後對辯之過更效。早挑使第四+波對挑而精,非堆於未挑之共識上。
第三波已含對辯者,此步為終察。否(如諸波無之)發 advocatus-diaboli(或 senior-researcher)今。為結構之過,用 TeamCreate 立評團,二臣並對共識:
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:諸反論、邊例、與證偽之實。假設過對辯之察者,可入合矣。良對辯之過或部分護共識——識其設較他更佳雖不完。
敗則:對辯臣得致命之缺者,反饋以入針之續波(第三層+迭模——擇五至十臣最宜對特挑者)。
第八步:交於團
縱發疾;團解之。化已驗之假設族為可行之事,立焦團解之。
- 每已驗假設族立 GitHub 事(用
create-github-issues之術) - 依合強與影排之
- 每事以
TeamCreate立小團:teams/中已定之團合疾域者用之- 無合者,默用
opaque-team(N 個 shapeshifter,適性授角)——其能應未知形而不需訂製 - 至少一非技術之臣(如
advocatus-diaboli、contemplative)——其捕技術臣所漏之施險 - 階段間用 REST 點以免急促
- 管線為:縱 → 分類 → 每事一團 → 解
得:每假設族對一追之事,有團授之。縱生診斷;團生修。
敗則:團組與疾不合者,重授。Shapeshifter 之臣可研可設而無寫之具——團領須施其碼之囑。
驗
- 諸可得之臣已問(或有理之子集已擇)
- 應以結構可解之式聚
- 假設已去重,依獨立合排
- 頂假設已對空模或程試驗
- 對辯之過挑共識
- 終假設含可試之測與已知之限
陷
- 要中例少:臣需五以上之例方尋形。三例則諸臣多以表面對形或模回(以異辭重述要)
- 無驗之路:無試假設之法者,不能辨信於噪。合僅必要而非足
- 隱喻之應:域家之臣(mystic、shaman、kabalist)或以富隱喻之理應之,難以程解。出之模納「以可試之式或法述假設」
- 波間之重發:無波際知識注者,三至七波獨立重發一二波所得。常於波間更要
- 過解合:43% 合於機制族似深,然察基率。若僅三合理機制族,隨機合約 33%
- 期單族獨大:抽象之疾(形識、密術)多生一獨大假設族。多維之疾(碼庫析、系設)生諸有效族之廣合——此為期且健,非模之敗
- 非技術臣之泛框:非技術臣之貢之質依要如何以其域之語框疾。「於此閾你之傳云何系?」生結構之識;泛要無生。投於外域臣之域之框
- 用此為執行:此模生假設,非施。已驗之假設既得,化為事而交團(第八步)。管線為縱 → 分類 → 每事一團
參
forage-solutions— 蟻群最佳化以探解空(互補:較窄範、較深探)build-coherence— 蜂民主以擇諸競法(用此術後以擇頂假設)coordinate-reasoning— 痕跡合作以管臣間信流coordinate-swarm— 廣群合作之模於分散系expand-awareness— 縮前先放(互補:用為個臣之備)meditate— 發前清脈絡之噪(推於第一步前)
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
