释放代理

在并行波次中咨询所有可用代理，为开放式问题生成多样假设。每个代理通过其独特领域视角推理 —— kabalist 通过数字命理找到模式、martial-artist 提议条件分支、contemplative 通过与数据共处注意结构。跨独立视角的收敛是假设有价值的主要信号。

适用场景

• 面对正确方法未知的跨领域问题
• 单代理或单领域方法已停滞或未产生信号
• 问题受益于真正多样视角（不只是更多算力）
• 您需要假设生成，而非执行（执行用团队）
• 错过非显而易见角度承担真实代价的高风险决策

输入

• 必需：问题简报 —— 问题清晰描述、5+ 具体示例，以及什么算解决方案
• 必需：验证方法 —— 如何测试假设是否正确（程序化测试、专家审查或零模型对比）
• 可选：代理子集 —— 要包含或排除的特定代理（默认：所有已注册代理）
• 可选：波次大小 —— 每波代理数（默认：10）
• 可选：输出格式 —— 代理响应的结构化模板（默认：假设 + 推理 + 信心 + 可测试预测）

步骤

第 1 步：准备简报

写一份任何代理都能理解的问题简报，无论领域专长。包括：

1. 问题陈述：您试图发现或决定什么（1-2 句）
2. 示例：至少 5 个具体输入/输出示例或数据点（越多越好 —— 3 个对大多数代理找到模式太少）
3. 已知约束：您已知道什么、已尝试什么
4. 成功标准：如何识别正确假设
5. 输出模板：您想要响应的精确格式

## 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]

预期结果： 自包含的简报 —— 仅收到此文本的代理拥有推理问题所需的一切。

失败处理： 若您无法表达 5 个示例或验证方法，问题尚未准备好多代理咨询。先缩窄范围。

第 2 步：规划波次

列出所有可用代理并将它们分为约 10 个的波次。前 2 波顺序无关；后续波次的波间知识注入改善结果。

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

将代理分配到波次。最初规划 4 波 —— 您可能不需要所有（见第 4 步的早停）。

波次	代理	简报变体
1-2	20 个代理	标准简报
3	10 个代理 + advocatus-diaboli	简报 + 涌现共识 + 对抗性挑战
4+	各 10 个代理	简报 + "X 已确认。专注边界情况和失败。"

预期结果： 所有代理已分配的波次分配表。在 Wave 3（不要后）包含 advocatus-diaboli，使对抗通行告知后续波次。

失败处理： 若可用代理少于 20，减为 2-3 波。模式仍可工作（少至 10 个代理），尽管收敛信号较弱。

第 3 步：启动波次

将每波作为并行代理启动。为成本效率使用 sonnet 模型（价值来自视角多样性，非个体深度）。

选项 A：TeamCreate（推荐用于完整释放）

使用 Claude Code 的 TeamCreate 工具设置带任务跟踪的协调团队。TeamCreate 是延迟工具 —— 先通过 ToolSearch("select:TeamCreate") 获取它。

1. 创建团队：

   TeamCreate({ team_name: "unleash-wave-1", description: "Wave 1: open-ended hypothesis generation" })
   

2. 用 TaskCreate 为每个代理创建任务，附简报和领域特定构架
3. 使用 Agent 工具派生每个代理为团友，附 team_name: "unleash-wave-1" 和设为代理类型的 subagent_type（如 kabalist、geometrist）
4. 通过 TaskUpdate 用 owner 将任务分配给团友
5. 通过 TaskList 监视进度 —— 团友完成后将任务标记完成
6. 在波次之间，通过 SendMessage({ type: "shutdown_request" }) 关闭当前团队，并用更新的简报创建下个团队（第 4 步）

这给您内置协调：共享任务列表跟踪哪些代理已响应、可向团友发消息跟进，且 lead 通过任务分配管理波次过渡。

选项 B：原始 Agent 派生（更简单，用于较小运行）

对波中每个代理，用简报和领域特定构架派生它：

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.

使用 Agent 工具用 run_in_background: true 同时启动一波中所有代理。等待波次完成后再启动下波（以使能第 4 步的波间知识注入）。

在选项之间选择

	TeamCreate	原始 Agent
最适合	第 3 层完整释放（40+ 代理）	第 2 层小组（5-10 代理）
协调	任务列表、消息、所有权	即发即忘、手动收集
波间交接	任务状态承载	必须手动跟踪
开销	较高（每波团队设置）	较低（每代理单一工具调用）

预期结果： 每波在 2-5 分钟内返回约 10 个结构化响应。无法响应或返回非格式输出的代理被注明，但不阻塞流水线。

失败处理： 若波次失败超过 50%，检查简报清晰度。常见原因：输出模板模糊，或示例对非领域代理推理不足。

第 4 步：注入波间知识（并评估早停）

波 1-2 后，在启动下波前提取涌现信号。

1. 扫描已完成波次的响应找重复主题
2. 识别最常见假设家族（收敛信号）
3. 检查早停阈值：若顶级家族在 20 个代理后已超过零模型预期 3 倍，您有强信号。规划 Wave 3 为对抗性 + 精炼波，并考虑在其后停止
4. 为下波更新简报：

**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.

早停指南：并非每个 unleash 都需要所有代理。对良好定义的问题域（如代码库分析），收敛常在 30-40 个代理稳定。对抽象或开放式问题（如未知数学转换），完整名册增加价值，因为正确领域真正不可预测。每波后检查收敛 —— 若顶级家族的计数和零模型比已平台化，额外波产生递减收益。

这防止重发现（后波独立重新得出早波已找到的）并将后代理引向问题边缘。

预期结果： 后波产出更细微、有针对性的假设，处理涌现共识的差距。

失败处理： 若 2 波后未出现收敛，问题可能太无约束。考虑缩窄范围或提供更多示例。

第 5 步：收集和去重

所有波次完成后，将所有响应聚集到单一文档。通过将假设分组到家族去重：

1. 提取所有假设陈述
2. 按机制聚类（不按措辞 —— "modular arithmetic mod 94" 和 "cyclic group over Z_94" 是同一家族）
3. 计算每个家族的独立发现数
4. 按收敛排名：被更多代理独立发现的家族排名更高

预期结果： 带收敛计数、贡献代理和代表性可测试预测的有序假设家族列表。

失败处理： 若每个假设独特（无收敛），信噪比太低。要么问题需更多示例，要么代理需更紧输出格式。

第 6 步：对照零模型验证

对照零模型测试顶级假设以确保收敛有意义，非共享训练数据的伪影。

• 程序化验证：若假设产出可测试公式或算法，对保留示例运行
• 零模型：估计 N 个代理偶然收敛到同一假设家族的概率（如，若有 K 个合理假设家族，随机收敛概率约为 N/K）
• 阈值：若收敛超过零模型预期 3 倍，信号有意义

预期结果： 顶级假设家族显著超过偶然级收敛和/或通过程序化验证。

失败处理： 若顶级假设验证失败，检查第二排名家族。若无家族通过，问题可能需要不同方法（更深单专家分析、更多数据或重新表述示例）。

第 7 步：对抗性精炼

优选时机：Wave 3，非综合后。 在 Wave 3（与波间知识注入并行）包含 advocatus-diaboli 比所有波次完成后的独立对抗通行更有效。早期挑战让 Waves 4+ 对照批评精炼，而非堆叠到未挑战共识上。

若对抗通行已是 Wave 3 的一部分，本步骤成为最终检查。若否（如您不带它运行所有波），现在派生 advocatus-diaboli（或 senior-researcher）。对结构化通行，使用 TeamCreate 起立审查团队，两个代理并行对照共识工作：

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?

预期结果： 一组反论点、边界情况和证伪实验。若假设在对抗审查中存活，它已准备好整合。良好的对抗通行有时部分辩护共识 —— 发现设计比备选更好（即使不完美）。

失败处理： 若对抗代理找到致命缺陷，将批评反馈到目标后续波（第 3 层+ 迭代模式 —— 选择 5-10 个最适合处理特定批评的代理）。

第 8 步：交给团队

Unleash 找问题；团队解决它们。将验证的假设家族转换为可执行 issue，然后组装聚焦团队解决每个。

1. 每个验证的假设家族创建一个 GitHub issue（使用 create-github-issues 技能）
2. 按收敛强度和影响优先化 issue
3. 对每个 issue，通过 TeamCreate 组装小团队：
   • 若 teams/ 中预定义团队定义匹配问题域，使用它
   • 若无契合团队存在，默认 opaque-team（N 个 shapeshifter 带自适应角色分配）—— 它处理未知问题形状而无需自定义组合
   • 包含至少一个非技术代理（如 advocatus-diaboli、contemplative）—— 他们捕捉技术代理错过的实现风险
   • 在阶段间使用 REST 检查点防止赶时间
4. 流水线是：unleash → triage → team-per-issue → resolve

预期结果： 每个假设家族映射到带分配团队的跟踪 issue。Unleash 产出诊断；团队产出修复。

失败处理： 若团队组合不匹配问题，重新分配。Shapeshifter 代理可研究和设计但缺写工具 —— 团队 lead 必须应用其代码建议。

验证清单

• 咨询了所有可用代理（或刻意选择子集附理由）
• 以结构化、可解析格式收集响应
• 假设按独立收敛去重并排名
• 顶级假设对照零模型或程序化测试验证
• 对抗通行挑战共识
• 最终假设包括可测试预测和已知限制

常见问题

• 简报中示例过少：代理需要 5+ 示例找模式。3 个示例时，多数代理诉诸表面级模式匹配或模板回响（用不同词重复简报）。
• 无验证路径：没有测试假设的方法，您无法区分信号与噪声。仅收敛必要但不充分。
• 隐喻响应：领域专家代理（mystic、shaman、kabalist）可能用难以程序化解析的丰富隐喻推理响应。在输出模板中包括 "Express your hypothesis as a testable formula or algorithm"。
• 跨波重发现：没有波间知识注入，波 3-7 独立重发现波 1-2 已找到的。波间始终更新简报。
• 过度解释收敛：43% 收敛到机制家族听起来令人印象深刻，但检查基率。若仅 3 个合理机制家族，随机收敛会约 33%。
• 期望单家族主导：抽象问题（模式识别、密码学）倾向产出一个主导假设家族。多维问题（代码库分析、系统设计）跨多个有效家族产出更广收敛 —— 这是预期且健康，非模式失败。
• 非技术代理的通用构架：非技术代理贡献的质量取决于简报如何用其领域语言构架问题。"What does your tradition say about systems at this threshold?" 产出结构性洞见；通用简报产出无。投资于问题自然领域外代理的领域特定构架。
• 将此用于执行：本模式生成假设，非实现。一旦您有验证假设，将其转换为 issue 并交给团队（第 8 步）。流水线是 unleash → triage → team-per-issue。

相关技能

• forage-solutions —— 蚁群优化用于探索解空间（互补：更窄范围、更深探索）
• build-coherence —— 蜜蜂民主用于在竞争方法间选择（在此技能后使用以在顶级假设间选择）
• coordinate-reasoning —— 共生协调用于管理代理间信息流
• coordinate-swarm —— 分布式系统的更广群体协调模式
• expand-awareness —— 在收窄前打开感知（互补：作为个体代理准备使用）
• meditate —— 启动前清除上下文噪声（推荐在第 1 步之前）