用途：该技能用于在后台 worker 与专用 agent 之间建立智能协调，按触发类型自动把任务分派给最合适的 agent，并跟踪执行表现与质量。
主要能力：
- 自动分派：按触发类型映射主选与备选 agent，并给出流水线阶段，例如 ultralearn→researcher、coder（备选 planner），阶段为 discovery→patterns→vectorization→summary；optimize→performance-analyzer、coder；audit→security-analyst、tester；benchmark、testgaps、document、deepdive、refactor 也均有对应映射。
- 基于性能的选择：综合质量分（0-1）、成功率、平均延迟与执行次数挑选 agent，并返回置信度与理由。
- 记忆键模式：结果按 {trigger}/{topic}/{phase} 存储，如 ultralearn/auth-module/analysis。
- 基准阈值监控：对 researcher、coder、security-analyst 等设定 p95 延迟、内存、质量分、扫描覆盖率阈值。
- 反馈闭环：可记录成功、延迟、质量分，并检查基准合规性与违规项。
使用方式（命令保持原样）： 查看触发对应的 agent 建议：npx agentic-flow workers agents ultralearn；npx agentic-flow workers agents optimize。查看指标：npx agentic-flow workers metrics。查看集成统计：npx agentic-flow workers stats --integration。代码中可导入 workerAgentIntegration，调用 recordFeedback(trigger, agent, success, latency, qualityScore) 与 checkBenchmarkCompliance(agent)。配置可在 .claude/settings.json 中开启 workers.enabled、workers.parallel、workers.memoryDepositEnabled 并设置 agentMappings。
适用场景：需要把分析、优化、审计、基准测试、测试覆盖、文档、深度追踪与重构等任务自动路由到 agent 池，并希望依据历史执行数据持续改进选择策略的流水线。
限制：资料未提供安装步骤、依赖版本、计费与价格、支持平台、完整 API 说明及实际效果数据，部分细节暂未提供，需以实际环境验证。