返回技能列表

unleash-the-agents

pjt222
更新于 2 days ago
7 次查看
17
2
17
在 GitHub 上查看
ai

关于

This skill launches multiple AI agents in parallel to generate diverse hypotheses for complex, cross-domain problems where the solution path is unclear. It's ideal when single-agent approaches fail or when broad exploration is needed over deep specialization. The output is a ranked set of hypotheses, refined through convergence analysis and adversarial critique.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/unleash-the-agents

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

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

  • 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)

第一步:備其要

書一要而諸臣無論何域皆能解之。含:

  1. 問題之述:所求者何(一二句)
  2. :五以上具入/出之例或數點(多益佳——三於諸臣為少而難尋形)
  3. 已知之限:所已知者、所已試者
  4. 成之準:如何識正之假設
  5. 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)。

要之變
1-220 臣標準之要
310 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。

  1. 立團:
    TeamCreate({ team_name: "unleash-wave-1", description: "Wave 1: open-ended hypothesis generation" })
    
  2. 每臣以 TaskCreate 立一任,含要與域之框
  3. Agent 具發每臣為團友,team_name: "unleash-wave-1"subagent_type 設為臣之類(如 kabalistgeometrist
  4. TaskUpdateowner 授任於團友
  5. TaskList 監進——團友自畢自記之
  6. 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。

  1. 掃已畢諸波之應,求重現之題
  2. 識最常之假設族(合之信)
  3. 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
  4. 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:

  1. 取諸假設之述
  2. 以機制聚(非以辭——「mod 94 之模算」與「Z_94 之循環群」乃同族)
  3. 計每族之獨立發現之數
  4. 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)
  • :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。

  1. 每已驗假設族立 GitHub 事(用 create-github-issues 之術)
  2. 依合強與影排之
  3. 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-diabolicontemplative)——其捕技術臣所漏之施險
    • 階段間用 REST 點以免急促
  4. 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。

  • 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

  • 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

  • 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 仓库

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

相关推荐技能

content-collections

Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。

查看技能

polymarket

这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。

查看技能

creating-opencode-plugins

该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。

查看技能

sglang

SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。

查看技能