用途
swarm-advanced 是一个高级群体编排（swarm orchestration）技能，用于构建分布式研究、开发、测试以及复杂分布式工作流。它同时覆盖基于 MCP 工具与 CLI 命令的编排策略，帮助用户以多智能体协作方式完成较复杂的任务。
主要能力
技能围绕群体拓扑与智能体策略展开。
群体拓扑包括：
- Mesh 拓扑：点对点通信，所有智能体直接通信，灵活性与韧性高，适用于研究、分析、头脑风暴。
- Hierarchical 拓扑：协调者加下属结构，命令结构清晰，支持顺序工作流，适用于开发与结构化工作流。
- Star 拓扑：中心协调者，集中控制与监控，并行执行并协调，适用于测试、验证、质量保证。
- Ring 拓扑：顺序处理链，逐步处理，适用于流水线工作流、多阶段处理与数据管道。
智能体策略包括：
- Adaptive：根据任务复杂度动态调整。
- Balanced：在智能体之间平均分配工作。
- Specialized：按任务分配特定智能体。
- Parallel：最大化并发执行。
技能给出四类典型模式：
- 研究群体（Research Swarm）：通过并行信息收集、分析与综合进行深度研究，包含信息收集、分析与验证、知识管理、报告生成四个阶段。
- 开发群体（Development Swarm）：通过协调的专家智能体进行全栈开发，包含架构与设计、并行实现、测试与验证、评审与部署四个阶段。
- 测试群体（Testing Swarm）：通过分布式测试进行质量保证，包含测试规划、并行测试执行、性能与安全、监控与报告四个阶段。
- 分析群体（Analysis Swarm）：通过专业分析器进行代码与系统深度分析。
此外还涉及错误处理与容错等高级技巧，例如为智能体设置自动恢复的容错策略，以及在任务失败时检查群体健康状态、分析错误模式并尝试自动恢复。
使用方式
前置条件：
npm install -g claude-flow@alpha
如使用 MCP 工具，需添加 MCP 服务器：
claude mcp add claude-flow npx claude-flow@alpha mcp start
基本模式（MCP 工具调用）：
// 1. 初始化群体拓扑
mcp__claude-flow__swarm_init({ topology: "mesh", maxAgents: 6 })
// 2. 生成专业化智能体
mcp__claude-flow__agent_spawn({ type: "researcher", name: "Agent 1" })
// 3. 编排任务
mcp__claude-flow__task_orchestrate({ task: "...", strategy: "parallel" })
CLI 回退方式示例：
npx claude-flow swarm "research AI trends in 2025" \
--strategy research \
--mode distributed \
--max-agents 6 \
--parallel \
--output research-report.md
npx claude-flow swarm "build REST API with authentication" \
--strategy development \
--mode hierarchical \
--monitor \
--output sqlite
npx claude-flow swarm "test application comprehensively" \
--strategy testing \
--mode star \
--parallel \
--timeout 600
技能中使用的 MCP 工具涵盖群体初始化、智能体生成、任务编排、并行执行、记忆存储与检索、模式识别、认知分析、质量评估、神经网络模式、工作流执行、群体状态与监控、批量处理、流水线创建、基准测试、瓶颈分析、安全扫描、错误分析、性能报告、任务结果、趋势分析、成本分析以及容错设置等。
适用场景
- 需要并行信息收集与综合的深度研究。
- 需要多角色协作的全栈开发。
- 需要分布式执行单元、集成、端到端、性能与安全测试的质量保证。
- 需要对代码库进行静态分析、安全分析、性能分析与架构分析。
- 需要容错与自动恢复的复杂分布式工作流。
限制
资料未提供该技能的具体收费、价格、平台支持范围、性能指标或效果保证。使用前需安装 claude-flow@alpha，MCP 工具方式还需添加 MCP 服务器。各拓扑与策略的实际表现取决于具体任务与配置，资料未给出量化说明。