用途：该技能用于把 claude-flow 从与 agentic-flow 并行的独立实现，改为基于 agentic-flow@alpha 的专门扩展，核心目标是消除重复代码并实现性能提升与功能对等。资料称当前存在大量重叠，如 SwarmCoordinator 与 Swarm System 重叠 80%、AgentManager 与 Agent Lifecycle 重叠 70%、TaskScheduler 与 Task Execution 重叠 60%、SessionManager 与 Session Mgmt 重叠 50%，目标是把编排代码从 15,000+ 行压缩到 5,000 行以内。
主要能力：集成 agentic-flow@alpha 的 SONA 学习模式（real-time、balanced、research、edge、batch，资料称约 0.05ms 适配）；Flash Attention（目标 2.49x-7.47x 加速、内存减少 50-75%）；AgentDB 跨智能体记忆（HNSW 索引、1536 维、目标 150x-12,500x 搜索提升）；MCP 工具集成（213 个预置工具、19 种 hook 类型）；以及 PPO、DQN、A2C、MCTS、Q-Learning、SARSA、Actor-Critic、Decision-Transformer 等 RL 算法集成、性能指标和向后兼容的渐进迁移。
使用方式：资料给出通过 Task 调用的示例，如 Task("Integration architecture", "Design agentic-flow@alpha adapter layer", "v3-integration-architect")，以及分别集成 SONA、Flash Attention、AgentDB 的 Task 调用。迁移分三阶段：先建适配层，再迁移 Swarm、Agent、Task 等系统，最后清理废弃代码。兼容策略包括双系统并行、逐功能迁移并校验功能对等、最终完整切换。
适用场景与限制：适用于维护或迁移 claude-flow 与 agentic-flow 集成的开发场景。资料未提供安装命令、发布时间、许可、收费或价格信息，也未说明这些性能目标的实测环境；相关数字为资料中的目标值，实际效果暂未提供。