Parallelization Patterns

Parallelization Patterns 是一套用于智能体并行执行编排的模式集合，来源为 takeokunn/nixos-configuration。它把并行执行中常见的决策问题整理成可复用的决策树与最佳实践，帮助使用者在构建多智能体或任务编排流程时，确定超时取值、选择并行化模式，并配置重试与依赖关系。\n\n用途与定位：该模式集面向并行执行场景，主要解决“如何选超时”“如何选并行化策略”两类决策问题，并给出配套的最佳实践与相关技能、相关智能体说明。\n\n主要内容：\n1）超时选择决策树（timeout_selection）：以“这个智能体是什么类型？”为判断起点，资料中给出的超时取值为 180000ms、240000ms、300000ms、300000ms、300000ms。由于资料未给出各分支与各类型智能体的对应关系，具体映射暂未提供。\n2）并行化选择决策树（parallelization_selection）：以“这个智能体修改什么？”为判断起点，对应四种模式：parallelization_readonly、parallelization_analysis、parallelization_execution、parallelization_orchestration。资料未给出各分支与各模式之间的具体对应条件，具体映射暂未提供。\n3）最佳实践（best_practices）：包括——根据智能体能力选择合适的并行化模式；按照决策树并依据智能体类型选择超时；将相互独立的智能体放入 parallel_groups 以并发执行；为需要依赖前置结果的验证型智能体定义 depends_on；对关键操作使用 retry_policy。\n4）相关技能（related_skills）：涉及错误升级、决策标准、强制执行的基础模板，以及输出格式、反思检查点、自我评估。\n5）相关智能体（related_agents）：用于验证并行任务结果是否一致、是否存在冲突。\n\n使用方式：按照上述决策树先判断智能体类型与修改对象，再选定超时值与并行化模式，并结合最佳实践组织并行分组、依赖声明与重试策略。资料未提供安装命令或调用代码。\n\n适用场景：需要编排多个智能体或任务并发执行、并希望统一超时、重试、依赖与结果一致性校验的场景。\n\n限制：资料仅给出决策树结构、部分取值与最佳实践条目，未提供各分支的完整判定条件、各模式的详细定义、重试策略的具体参数、共识机制的具体实现，也未提供安装与使用步骤，这些内容暂未提供。