Arena 是一个编排型技能，定位为“编排者而非执行者”：它不直接修改代码，而是通过外部编码引擎（如 codex exec、Antigravity CLI）完成任务，并由自己负责范式选择、范围锁定、质量门禁与评估。
用途
Arena 用于需要多引擎参与的实现类任务，包括：多引擎竞争式开发（比较不同方案并选优）、协作式多引擎开发（拆分任务、分配给不同引擎、再整合）、通过 codex exec 或 Antigravity CLI 进行实现编排、带评分的变体比较、在单一引擎内进行方法/模型/提示多样性的自竞争，以及借助 Agent Teams API 的并行执行。若任务只是直接编码、快速原型、纯代码审查、仅做任务拆解规划或安全审计，则应路由给其他对应智能体。
两种核心范式
- COMPETE：向所有引擎发送同一份规格，目标是“比较方案并选出最佳”。适合存在多种可行方案、需要质量比较、不确定性高的场景；只有一个引擎时也可进行自竞争。
- COLLABORATE：每个引擎获得一个子任务，目标是“拆分工作并整合全部结果”。适合复杂功能、多部分任务，且各引擎优势与各部分匹配、所有结果都需要保留的场景。
执行模式
- Solo：顺序执行，用于变体比较或子任务执行。
- Team：通过 Agent Teams API 与 git worktree 并行执行，通常用于 3 个以上变体或子任务，并要求失败隔离——单个引擎超时或失败不得阻塞其他引擎。
- Quick：轻量比较或整合，适用于文件数 ≤ 3、评分标准 ≤ 2、代码行数 ≤ 50 的小改动。
工作流程
COMPETE：SPEC → SCOPE LOCK → EXECUTE → REVIEW → EVALUATE → [REFINE] → ADOPT → VERIFY。 COLLABORATE：SPEC → DECOMPOSE → SCOPE LOCK → EXECUTE → REVIEW → INTEGRATE → VERIFY。
各阶段要点：
- SPEC：在执行前验证规格完整性。资料强调规格缺陷是多引擎失败的主因，SPEC 是最高杠杆的失败预防点，不应为加速执行而跳过。
- SCOPE LOCK：为每个变体或子任务锁定允许与禁止修改的文件，禁止引擎写到范围之外；协作模式中共享的注册类文件（路由表、配置文件、barrel 导出、组件注册表）只能分配给一个子任务。
- EXECUTE：在独立分支上运行引擎（如 arena/variant-{engine}、arena/task-{name}），Team 模式使用 git worktree。
- REVIEW：对每个变体执行质量门禁（范围、测试、构建、codex 审查、评分标准）。
- EVALUATE：按加权标准评分，可选进入 REFINE（分数 2.5–4.0，最多 2 轮迭代）。
- ADOPT：记录胜出者及理由。
- VERIFY：验证构建、测试与安全，确保无回归。
资料给出的原则与注意事项
- 每次任务按阶段顺序执行，记录证据和理由，输出可操作的具体结果。
- AI 代码质量验证是强制性的：资料称 AI 生成代码存在更高比例的同类问题（逻辑错误 1.75×、安全问题 1.57×、可维护性错误 1.64×、过量 I/O 约 8×），因此每个变体在评估前都要做静态分析与 codex 审查。
- 集成共识优于单一结果，但要避免“流行度陷阱”：纯共识投票会放大常见但错误的输出，应使用多样性加权选择。
- 跨引擎验证优于单引擎审查，静态分析是关键差异点。
- 多阶段“生成—修复—精炼”优于单次生成，REFINE 阶段被视为正确性的主要机制之一，应在估算中预留至少一轮修复精炼。
- 应针对主流 AI 代码失败模式评估，优先关注需求理解错误与算法设计缺陷。
- 应利用变体间的行为差异：对共享边界输入运行相同用例并对比输出，差异点是高价值测试目标。
- 不得接受删除或弱化现有测试以换取通过的变体，执行前后都要对测试文件做 diff。
- 在 COMPETE 中不要未经评估就采纳某个变体；在 COLLABORATE 中不要未经验证或范围重叠就合并；不得跳过规格、安全与测试。
引擎可用性
资料给出 2026-05 的基线策略：默认基线为 Codex（始终可用）加 Claude 子智能体（宿主），agy 为可选补充，用于三引擎多样性；由于 agy v1.0.x 存在静默运行时失败问题，配方必须在 agy 不可用时仍能工作。引擎数量矩阵：Codex + Claude + agy 时走三引擎跨引擎竞争；Codex + Claude 默认基线下，可选两引擎跨引擎竞争或 Codex 自竞争；仅 Codex 时走自竞争；0 引擎则中止并通知用户。
输出要求
每个交付物需包含：所用范式与模式、变体/子任务数量与引擎分配、带权重拆分的评分、胜出理由（COMPETE）或整合摘要（COLLABORATE）、构建与测试验证结果、范围合规确认，以及推荐的下一接手智能体。
执行学习
通过 CALIBRATE 流程（COLLECT → EVALUATE → EXTRACT → ADAPT → SAFEGUARD → RECORD）从执行结果中学习。触发条件包括：会话执行完成（轻量）、同一引擎+任务类型连续 3 次以上失败或低分（完整）、用户覆盖范式或引擎选择（完整）、来自 Judge 的质量反馈、Lore 执行模式通知、距上次 CALIBRATE 超过 30 天等。AES 由 Win_Clarity(0.30) + Engine_Fitness(0.25) + Cost_Efficiency(0.20) + Paradigm_Fitness(0.15) + User_Autonomy(0.10) 构成，并有每会话 3 个参数限制、适配前快照、Lore 同步等安全约束。
协作与边界
Arena 接收来自 Nexus（任务路由与执行上下文）、Sherpa（任务拆解）、Scout（缺陷调查）、Spark（功能提案）、Lore（执行模式）、Judge（代码质量评估）的输入；向 Nexus（执行报告、范式有效性数据）、Guardian（PR 准备、合并候选）、Radar（测试验证）、Judge（质量审查请求）、Sentinel（安全审查）、Lore（引擎能力数据、范式模式）输出。与 Builder 的区别是：Builder 直接实现，Arena 是带质量比较的引擎编排；与 Forge 的区别是：Forge 做快速原型，Arena 做带评估的竞争/协作开发。
限制与未提供信息
资料未说明 Arena 的收费方式、价格、平台支持范围、具体安装命令，也未提供许可证信息。其引擎依赖（codex exec、Antigravity CLI）的可用性、成本与限制也未在资料中给出。