coordinate-swarm
О программе
Этот навык предоставляет шаблоны для децентрализованной координации в распределенных системах с использованием концепций роевого интеллекта, таких как стигмергия и локальные правила. Он помогает разработчикам проектировать системы, в которых автономные агенты самоорганизуются посредством сигналов среды, а не централизованного управления. Используйте его при создании устойчивых событийно-ориентированных архитектур или для замены хрупкой оркестрации на эмерджентную координацию.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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-swarmСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
協調群體
以共遺(stigmergy,藉環境之改動行間接通訊)、局部互動規則與法定感測,立分散代理間之協調——令連貫之集體行為無需中央控制者而生。
適用時機
- 設計分散系統,無單一節點可為協調瓶頸者
- 組織團隊或工作流,須自協調而不賴管理者常督
- 建事件驅動架構,組件以共享狀態通訊而非直接傳訊
- 擴展一法:三代理尚可,三十則崩
- 為新群體式領域啟動協調模式(見
forage-resources、build-consensus) - 以韌之湧協調取脆之中央編排
輸入
- 必要:須協調之代理(工者、服務、團員)之述
- 必要:集體目標或所欲之湧行為
- 選擇性:當前協調機制及其敗模
- 選擇性:代理之數(影響模式擇——小群與大殖民之別)
- 選擇性:延遲容忍(即時與終局協調)
- 選擇性:環境約束(共享狀態之得、通訊頻寬)
步驟
步驟一:辨協調問題之類
分協調挑戰之類以擇當之模式。
- 繪當前態:代理為誰、其獨行何事、協調於何崩
- 分問題:
- 探尋(Foraging) — 代理搜並利散佈之資源(見
forage-resources) - 共識(Consensus) — 代理須同一集體決定(見
build-consensus) - 建造(Construction) — 代理漸建或維持共享結構
- 防禦(Defense) — 代理集體偵威而應(見
defend-colony) - 分工 — 代理須自組織為專門之角色
- 探尋(Foraging) — 代理搜並利散佈之資源(見
- 辨當前協調之敗模:
- 單點之敗(中央控制者)
- 通訊瓶頸(直接傳訊過多)
- 連貫之失(代理無回饋而漸離)
- 僵(不能應變之條件)
預期: 協調問題類與待處之具體敗模之明分類。此定何群體模式可施。
失敗時: 若問題不合單類,或為複合。分為子問題而各以當之模式處之。若代理異質甚、不合單一協調模型,考慮分層協調——同質之群以跨群之共遺協調。
步驟二:設共遺信號
建間接通訊之道,藉之代理互影響行為。
- 定共享環境(資料庫、訊息佇列、檔案系統、實體空間、共享板)
- 設代理存入環境之信號:
- 徑信號:沿成功路積之標記(如蟻之費洛蒙)
- 閾信號:計數器,越閾則觸行為變
- 抑制信號:標記,斥代理離已竭之域
- 定信號之性:
- 衰減率:信號消之速(防陳舊狀態主導)
- 增強:成功之果如何強信號
- 可見半徑:信號傳之遠
- 映信號於代理行為:
- 代理偵得信號 X 過閾 T 則行動作 A
- 代理成完動作 A 則存信號 Y
- 偵無信號時,代理循其預設之探尋行為
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 │
└──────────────┴───────────────────┴──────────────┴────────────────────┘
預期: 信號表,映環境標記於代理存置之條件、衰減率、應對行為。信號當簡、可組、且各自有義。
失敗時: 若信號設計覺過繁,減為二:一正(成功徑)一負(危旗)。多數協調問題可以吸斥動力啟動。唯於基本系統行後乃加微妙。
步驟三:定局部互動規則
列各代理所循之簡規,唯用局部資訊(己之狀態加附近信號)。
- 定代理之感知半徑(其能感何者?)
- 按優先序寫三至七局部規則:
- 規則一(安全):偵危旗則避
- 規則二(應):偵求援信號且閒則趨
- 規則三(利用):偵成功徑則趨最強信號
- 規則四(探):無信號則隨機移,偏未探之域
- 規則五(存):完任務則於該位存成功徑
- 各規則必:
- 局部:唯賴該代理可直接感知者
- 簡:可以單一 if-then 述之
- 無狀態(佳):不需代理憶往態
- 心中測之:若每代理皆循此規則,所欲之集體行為是否湧現?
預期: 優先序之規則集,各代理獨立執之。施於群體,此局部規則產目標集體行為(探尋、建造、防禦等)。
失敗時: 若心中模擬不產所欲之湧行為,規則或缺回饋環——代理須能觀其集體行動之果。加一信號以表集體狀態(如「任務完成率」),加一規則以其調行為。
步驟四:校準法定感測
設閾,足代理同意時觸集體狀態之變。
- 辨需集體同意之決定(非單獨應):
- 由探切至利用模式
- 定新工位或棄舊者
- 由常態升至應急應對
- 各集體決定定:
- 法定閾:同意之代理數或百分比
- 感測窗:計信號之時段
- 遲滯:激活與去活之閾不同(防振盪)
- 實作法定為信號積累:
- 偏此決定之各代理存投票信號
- 積票於感測窗內過法定閾,決定激活
- 票降過去活閾,決定逆轉
預期: 法定閾令群體無領袖而能作集體決定。遲滯之差防狀態間之疾振。
失敗時: 若群體於狀態間振盪,增遲滯之差(如:激活於 70%、去活於 30%)。若群體不達法定,降閾或增感測窗。若決定過遲,縮感測窗——然須防早熟共識。
步驟五:測並調湧行為
驗局部規則產所欲之集體行為,繼之調參。
- 以小數代理(5-10)行模擬或試點
- 觀:
- 群體是否收斂於所欲之行為?
- 收斂需時幾何?
- 任務中條件變時何如?
- 代理敗或增時何如?
- 調參:
- 信號衰減率:過速則無協調記憶;過緩則陳舊信號主導
- 法定閾:過低則早熟集體決定;過高則癱瘓
- 探-利之衡:探過則低效;利過則困於局部最優
- 壓力測:
- 驟移 30% 代理——群體可復乎?
- 倍代理數——群體仍能協調乎?
- 引入矛盾信號——群體解之或死鎖?
預期: 調好之參集,令群體自組織向目標行為、擾後復原、優雅擴展。
失敗時: 若群體壓力測敗,信號設計或耦合過緊。簡之:減信號、增衰減率(新鮮資訊)、確保代理於無信號時有韌之預設行為。無信號時仍行合理之群體勝於賴信號可得之群體。
驗證
- 協調問題已分為可辨之模式(探尋、共識、建造、防禦、分工)
- 共遺信號表已定,含存置條件、衰減率、代理應對
- 局部互動規則簡、局部、有優先序(3-7 則)
- 法定閾已設遲滯以防振盪
- 小規模測顯湧行為合集體目標
- 壓力測(代理移、增、信號擾)顯優雅之退化
常見陷阱
- 過工程化信號:始以過多信號類生惑。始於二信號(吸/斥),證必要乃加
- 偽裝之中央思維:若「局部規則」需代理知全局狀態,非局部。重構至各規則僅賴代理直接可感之者
- 忽衰減:永不衰之信號生化石化之協調狀態。各信號皆需合任務時尺之半衰期
- 無遲滯:法定閾於激活與去活間無差生疾振。去活恒低於激活
- 假同質:若代理能力異,單規則集或不行。考慮分角色之規則(見
scale-colony)
相關技能
forage-resources— 施群體協調於資源搜與探-利取捨build-consensus— 深入分散同意機制,延此技能之法定感測defend-colony— 集體防禦模式,建於此信號與規則架構上scale-colony— 群體超初協調設計時之擴展策略adapt-architecture— 變系統架構之變形技能,群體協調觸結構變時互補deploy-to-kubernetes— 實用之分散系統部署,群體協調模式適用plan-capacity— 依群體擴展動力之容量計劃coordinate-reasoning— AI 自我適用之變體;映共遺信號於脈絡管理,含資訊衰減率與局部協議
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
