Agent skill
tasks
Quellcode ansehen: miles990/multi-agent-workflow
Installation
npx skills add miles990/multi-agent-workflow --skill tasks1
Installationen
EU-hosted inference API
Power your AI agent skills with open-source models.
Drop-in OpenAI-compatible API. No data leaves Europe.
MiniMax
MiniMax M3
$0.50 / $1.90
per M tokens
Z.ai
GLM 5.3 Flash
$0.20 / $0.60
per M tokens
MoonshotAI
Kimi K3
$4.00 / $18.00
per M tokens
DeepSeek
DeepSeek V4.1 Flash
$0.40 / $1.42
per M tokens
Multi-Agent Tasks v3.2.0
計劃分解 → DAG 驗證 → TDD 對應 → 可執行任務清單
Claude Code Tasks 整合
v3.2.0 支援原生 Tasks API，實現跨 session 任務協作
本 Skill 可使用 Claude Code 原生 Tasks 系統：
# 建立任務（自動生成 taskId）
TaskCreate({ subject: "實作登入功能", description: "..." })
# 設定依賴關係
TaskUpdate({ taskId: "2", addBlockedBy: ["1"] })
# 跨 session 共享
export CLAUDE_CODE_TASK_LIST_ID=my-workflow| API | 用途 |
|---|---|
TaskCreate |
建立任務 |
TaskUpdate |
更新狀態、設定依賴（addBlockedBy） |
TaskList |
列出所有任務 |
TaskGet |
取得任務詳情 |
優勢：
- 跨 session 持久化
- 多 Agent 協作同一任務清單
- 自動依賴解除（完成時自動 unblock 下游任務）
使用方式
/multi-tasks [計劃路徑]
/multi-tasks .claude/memory/plans/user-auth/implementation-plan.mdFlags: --from-plan ID | --validate-only | --no-tdd-check
預設 4 視角
| ID | 名稱 | 模型 | 聚焦 |
|---|---|---|---|
dependency-analyst |
依賴分析師 | sonnet | 任務依賴、執行順序 |
task-decomposer |
任務分解師 | haiku | 粒度切分、並行識別 |
test-planner |
測試規劃師 | haiku | TDD 對應、測試策略 |
risk-preventor |
風險預防師 | haiku | 風險任務、預防措施 |
→ 模型路由配置：shared/config/model-routing.yaml
執行流程
Phase 0: 載入計劃 → 解析 implementation-plan.md
↓
Phase 1: MAP（並行分解）
┌──────────┬──────────┬──────────┬──────────┐
│依賴分析師│任務分解師│測試規劃師│風險預防師│
└──────────┴──────────┴──────────┴──────────┘
⚠️ **並行執行關鍵**：
在單一訊息中發送 4 個 Task 工具呼叫：
- Task({description: "依賴分析", ...})
- Task({description: "任務分解", ...})
- Task({description: "測試規劃", ...})
- Task({description: "風險預防", ...})
這樣才能真正並行執行！
↓
Phase 2: REDUCE（合併 + 排序）
↓
Phase 3: TDD 驗證 → 確保每個 T-F-* 有對應 TEST-*
↓
Phase 4: DAG 驗證 → 無循環、無孤立任務
↓
Phase 5: 依賴偵測 → 隱含依賴分析
↓
Phase 6: 品質閘門 → 輸出 tasks.yamlTDD 強制執行
必要條件（BLOCKER）：
- 所有
T-F-*任務必須有對應的TEST-*任務 TEST-*任務必須 block 對應的T-F-*任務
驗證腳本：shared/tools/tdd-validator.sh
→ 配置：shared/quality/tdd-enforcement.yaml
依賴偵測
四層依賴分析：
- L1_explicit: 顯式聲明的依賴
- L2_file_overlap: 修改相同檔案的任務
- L3_semantic: 語意資料流依賴
- L4_environment: 運行時環境依賴
驗證腳本：shared/tools/dag-validator.py
→ 配置：shared/tasks/dependency-detection.yaml
CP4: Task Commit
品質閘門通過後，必須執行 CP4 Task Commit。
Phase 6: 品質閘門 → 輸出 tasks.yaml
↓
CP4: Task Commit
├── git add .claude/memory/tasks/{plan-id}/
└── git commit -m "feat(tasks): decompose {plan} into executable tasks"→ 協議：shared/git/commit-protocol.md
品質閘門
通過條件（TASKS 階段）：
- ✅ DAG 驗證通過（無循環）
- ✅ TDD 對應完整
- ✅ 所有任務有估算
- ✅ 品質分數 ≥ 80
→ 閘門配置：shared/quality/gates.yaml
輸出結構
.claude/memory/tasks/[plan-id]/
├── meta.yaml # 元數據
├── perspectives/ # 完整視角分析（MAP 產出，保留）
│ ├── dependency-analyst.md
│ ├── task-decomposer.md
│ ├── test-planner.md
│ └── risk-preventor.md
├── summaries/ # 結構化摘要（REDUCE 產出，供快速查閱）
│ ├── dependency-analyst.yaml
│ ├── task-decomposer.yaml
│ ├── test-planner.yaml
│ └── risk-preventor.yaml
└── tasks.yaml # 任務清單（主輸出）⚠️ perspectives/ 保存完整分析，summaries/ 保存結構化摘要，tasks.yaml 是最終可執行任務清單。
Agent 能力限制
視角 Agent 不應該開啟 Task：
| 允許的操作 | 說明 |
|---|---|
| ✅ Read | 讀取檔案 |
| ✅ Glob/Grep | 搜尋檔案和內容 |
| ✅ Explore agent | 輕量級探索 |
| ✅ Bash | 執行命令 |
| ✅ Write | 寫入報告 |
| ❌ Task | 開子 Agent |
tasks.yaml 格式
version: "1.0"
plan_ref: "plans/user-auth"
waves:
- id: wave-1
tasks:
- id: TEST-001
type: test
description: "登入功能測試"
estimate: 15
- id: T-F-001
type: feature
description: "實作登入功能"
depends_on: [TEST-001]
estimate: 30
files: [src/auth/login.ts]行動日誌
每個工具調用完成後，記錄到 .claude/workflow/{workflow-id}/logs/actions.jsonl。
記錄時機：
- 成功：記錄
tool、input、output_preview、duration_ms、status: success - 失敗：記錄
tool、input、error、stderr（如有）、status: failed
關鍵行動（TASKS 階段）：
| 行動 | 記錄重點 |
|---|---|
| Read（讀取計劃） | file_path、output_size |
| Task（啟動 Agent） | subagent_type、prompt (truncated)、agent_id |
| Bash（執行 DAG 驗證） | command、exit_code、stderr |
| Write（寫入 tasks.yaml） | file_path、content_size |
排查問題：
# 查看 TASKS 階段所有失敗行動
jq 'select(.stage == "TASKS" and .status == "failed")' actions.jsonl
# 查看 DAG 驗證失敗的詳情
jq 'select(.tool == "Bash" and .status == "failed")' actions.jsonl | jq '{command: .input.command, error: .error, stderr: .stderr}'→ 日誌規範：shared/communication/execution-logs.md
共用模組
| 模組 | 用途 |
|---|---|
| coordination/map-phase.md | 並行協調 |
| coordination/reduce-phase.md | 匯總整合、大檔案處理 |
| quality/tdd-enforcement.yaml | TDD 強制 |
| tasks/dependency-detection.yaml | 依賴偵測 |
| quality/gates.yaml | 品質閘門 |
| tools/dag-validator.py | DAG 驗證器 |
工作流位置
RESEARCH → PLAN → TASKS → IMPLEMENT → REVIEW → VERIFY
↑
你在這裡- 輸入：
implementation-plan.md來自planskill - 輸出：
tasks.yaml供implementskill 使用
Verwandte Skills
Mehr aus dieser Quelle: miles990/multi-agent-workflow
So verwenden Sie diesen Skill
- 1
Install tasks by running
npx skills add miles990/multi-agent-workflow --skill tasksin your project directory. Führen Sie den obigen Installationsbefehl in Ihrem Projektverzeichnis aus. Die Skill-Datei wird von GitHub heruntergeladen und in Ihrem Projekt platziert. - 2
Keine Konfiguration erforderlich. Ihr KI-Agent (Claude Code, Cursor, Windsurf usw.) erkennt installierte Skills automatisch und nutzt sie als Kontext bei der Code-Generierung.
- 3
Der Skill verbessert das Verständnis Ihres Agenten für tasks, und hilft ihm, etablierte Muster zu befolgen, häufige Fehler zu vermeiden und produktionsreifen Code zu erzeugen.
Was Sie erhalten
Skills sind Klartext-Anweisungsdateien — kein ausführbarer Code. Sie kodieren Expertenwissen über Frameworks, Sprachen oder Tools, das Ihr KI-Agent liest, um seine Ausgabe zu verbessern. Das bedeutet null Laufzeit-Overhead, keine Abhängigkeitskonflikte und volle Transparenz: Sie können jede Anweisung vor der Installation lesen und prüfen.
Kompatibilität
Dieser Skill funktioniert mit jedem KI-Coding-Agenten, der das skills.sh-Format unterstützt, einschließlich Claude Code (Anthropic), Cursor, Windsurf, Cline, Aider und anderen Tools, die projektbezogene Kontextdateien lesen. Skills sind auf Transportebene framework-agnostisch — der Inhalt bestimmt, für welche Sprache oder welches Framework er gilt.
Data sourced from the skills.sh registry and GitHub. Install counts and security audits are updated regularly.