agenthub

用途

AgentHub 是一个多智能体协作插件，核心思路是让 N 个并行 AI 智能体在同一任务上竞争。每个智能体在独立的 git worktree 中工作，彼此隔离、互不可见、互不通信，由协调者（主 Claude Code 会话）统一评估结果并合并胜出分支。它适合需要“尝试多种方案”“让智能体竞争”“并行优化”“生成内容变体”“A/B 测试文案”“探索多种策略”等场景。

主要能力

斜杠命令

命令	说明
/hub:hub-init	创建新的协作会话——任务、智能体数量、评估标准
/hub:spawn	在隔离的 worktree 中启动 N 个并行子智能体
/hub:hub-status	显示 DAG 状态、智能体进度、分支状态
/hub:eval	按指标或 LLM 评判对智能体结果排名
/hub:merge	合并胜出分支，归档失败分支
/hub:board	读写智能体留言板
/hub:run	一次性生命周期：init → baseline → spawn → eval → merge

智能体模板

使用 --template 启动时，智能体遵循预定义的迭代模式：

模板	模式	适用场景
optimizer	编辑 → 评估 → 保留/丢弃 → 重复 x10	性能、延迟、体积
refactorer	重构 → 测试 → 迭代直到通过	代码质量、技术债
test-writer	编写测试 → 测量覆盖率 → 重复	测试覆盖缺口
bug-fixer	复现 → 诊断 → 修复 → 验证	Bug 修复方案

模板定义在 references/agent-templates.md 中。

协调者协议

主 Claude Code 会话作为协调者，遵循生命周期：INIT → DISPATCH → MONITOR → EVALUATE → MERGE。

Init：运行 /hub:hub-init 创建会话，生成 .agenthub/sessions/{session-id}/config.yaml（任务配置）、state.json（状态机）、.agenthub/board/（留言板频道）。
Dispatch：运行 /hub:spawn 启动智能体。对每个智能体 1..N：向 .agenthub/board/dispatch/ 发布任务分配；通过 Agent 工具以 isolation: "worktree" 启动；所有智能体在单条消息中并行启动。
Monitor：运行 /hub:hub-status 检查进度。dag_analyzer.py --status --session {id} 显示分支状态；board 的 progress/ 频道有智能体更新。
Evaluate：运行 /hub:eval 对结果排名。指标模式：在每个 worktree 中运行评估命令，解析数值结果；评判模式：读取 diff，协调者按质量排名；混合模式：先指标，平局时用 LLM 评判。
Merge：运行 /hub:merge 完成收尾。git merge --no-ff winner 到基础分支；给失败者打标签 git tag hub/archive/{session}/agent-{i}；清理 worktree；向留言板发布合并摘要。

智能体协议

每个子智能体收到如下提示模式：

You are agent-{i} in hub session {session-id}.
Your task: {task description}

Instructions:
1. Read your assignment at .agenthub/board/dispatch/{seq}-agent-{i}.md
2. Work in your worktree — make changes, run tests, iterate
3. Commit all changes with descriptive messages
4. Write your result summary to .agenthub/board/results/agent-{i}-result.md
5. Exit when done

智能体看不到彼此的工作，也不互相通信，只写入留言板供协调者读取。

DAG 模型

分支命名：hub/{session-id}/agent-{N}/attempt-{M}

Session ID：基于时间戳（YYYYMMDD-HHMMSS）
Agent N：顺序编号（1 到 agent-count）
Attempt M：重试时递增（通常为 1）

前沿检测：Frontier = 没有子分支的分支末端，等价于 AgentHub 的 "leaves" 查询。

python scripts/dag_analyzer.py --frontier --session {id}

不可变性：DAG 是仅追加的。绝不 rebase 或 force-push 智能体分支；绝不删除提交（归档后只删除分支引用）；每种方案都通过 git 标签保留。

留言板

位置：.agenthub/board/

频道	写入者	读取者	用途
dispatch/	协调者	智能体	任务分配
progress/	智能体	协调者	状态更新
results/	智能体 + 协调者	所有人	最终结果 + 合并摘要

帖子格式：

---
author: agent-1
timestamp: 2026-03-17T14:30:22Z
channel: results
parent: null
---

## Result Summary

- **Approach**: Replaced O(n²) sort with hash map
- **Files changed**: 3
- **Metric**: 142ms (baseline: 180ms, delta: -38ms)
- **Confidence**: High — all tests pass

留言板规则：仅追加，绝不编辑或删除帖子；文件名唯一：{seq:03d}-{author}-{timestamp}.md；所有帖子必须包含 YAML frontmatter。

评估模式

基于指标：适合基准测试、测试通过率、文件大小、响应时间。

python scripts/result_ranker.py --session {id} \
  --eval-cmd "pytest bench.py --json" \
  --metric p50_ms --direction lower

排名器在每个智能体的 worktree 目录中运行评估命令，并从 stdout 解析指标。

LLM 评判：适合代码质量、可读性、架构决策。协调者读取每个智能体的 diff（git diff base...agent-branch），按以下标准排名：正确性（是否解决任务）、简洁性（偏好更少改动行数）、质量（执行干净、结构良好）。

混合：先运行指标。如果排名靠前的智能体彼此差距在 10% 以内，使用 LLM 评判打破平局。

会话生命周期

init → running → evaluating → merged（若无胜者则 → archived）

状态转换由 session_manager.py 管理：

从	到	触发条件
init	running	/hub:spawn 完成
running	evaluating	所有智能体返回
evaluating	merged	/hub:merge 完成
evaluating	archived	无胜者 / 全部失败

主动触发

协调者应在以下情况采取行动：

信号	动作
所有智能体崩溃	发布失败摘要，建议用不同约束重试
相比基线无改进	归档会话，建议不同方案
检测到孤立 worktree	运行 session_manager.py --cleanup {id}
会话卡在 running	检查留言板进度，考虑超时

使用方式

安装

# Copy to your Claude Code skills directory
cp -r engineering/agenthub ~/.claude/skills/agenthub

# Or install via ClawHub
clawhub install agenthub

脚本

脚本	用途
hub_init.py	初始化 .agenthub/ 结构和会话
dag_analyzer.py	前沿检测、DAG 图、分支状态
board_manager.py	留言板 CRUD（频道、帖子、线程）
result_ranker.py	按指标或 diff 质量对智能体排名
session_manager.py	会话状态机和清理

适用场景

需要尝试多种实现方案并比较结果
并行优化性能、延迟、体积
代码重构、技术债清理
补充测试覆盖缺口
探索多种 Bug 修复方案
生成内容变体、比较不同草稿、A/B 测试文案

限制

智能体之间不通信、不可见彼此工作，仅通过留言板向协调者汇报
DAG 为仅追加，不允许 rebase 或 force-push 智能体分支
评估依赖指标命令或 LLM 评判，具体效果取决于任务与评估标准
关于收费、价格、平台支持范围等信息暂未提供

技能介绍

用途