用途：这是一个决策与路由类技能，回答两个问题：要不要用 ruflo，以及在四种智能体编排层中选哪一个。触发场景是有人提议在 overstack 项目中安装 ruflo/claude-flow，或需要编排多个智能体但不确定用哪一层。
主要能力：技能先说明四个编排层并不互相替代，各自对应不同工作范围：
- 在同一个 Claude Code 会话内：子代理分发（fan-out subagent）、共享 memory、自学习 hook，使用 ruflo（或裸 Task tool）。
- 同一台机器上多个 CLI 会话：每个智能体一个 pane，能知道哪个 pane 卡住或完成，使用 herdr。
- 通过 Orca 把任务交给任意 CLI 并知道何时完成：sentinel shell + 轮询终端，使用自研的 orca-dispatch.py。
- 只需并行跑完再汇总、不需要额外能力：Task tool 或 claude -p。
若确定要用 ruflo，技能建议先运行 /dym-ruflo init，以了解它会覆盖哪些内容。
对 overstack 项目的结论：不建议整体引入。给出的依据包括：ruflo 会占用 .claude/ 目录，init 写入 241 个文件、13 个 hook（10 种类型），并替换 statusLine、permissions、model、env，而这些正是 overstack 已掌控的内容；它不是独立运行时，其 CLAUDE.md 写明执行不能只靠 MCP 工具、实际工作由 Task tool 智能体完成，离开 Claude Code 便无物可跑；安装成本约 1.5 GB 前缀，并向 $HOME 写入 .claude-flow/ 和 Library/；维护面过宽，含 2280 个源文件、25 个 workspace 包、17 组命令，hooks.ts 211 KB、doctor.ts 113 KB。
建议“学思路不照搬代码”（融合模式）：autopilot 的“任务未全部完成就不停止”循环，可挂到 Stop hook，作者表示已有 Stop hook，这是低成本的补充模式；hooks route / hooks explain，用已学模式做任务到智能体的路由并解释决策，其中 explain 部分最有价值；swarm compress-message，把智能体间的消息压缩到给定 token 预算内。
使用规则与限制：不要在已有 overstack 的 worktree 中运行 ruflo init；要试就在独立空项目中试，用完删除。不要把“60+ agent、consensus、neural、vector memory”当作已验证能力——本轮测量只验证了 install、init、doctor、status、help，swarm/neural/embeddings/ruvector 部分尚未验证。另需注意同一产品的两个名称：npm 的 ruflo 即 claude-flow，报错信息仍会打印 claude-flow。
适用场景：在 overstack 项目上做技术选型评审、决定多智能体编排方案、评估 ruflo 引入风险时使用。