CommunityRecherche & Datenanalysegithub.com

MaDxCRaZY/antigravity-skills

Aktiviert die dezentrale Multi-Agenten-OWL-Pipeline (Optimized Workforce Learning) für Ursachenanalyse und Code-Synthese.

Was ist antigravity-skills?

Der OWL-Pipeline-Skill von MaDxCRaZY/antigravity-skills implementiert eine entkoppelte Multi-Agenten-Architektur für anspruchsvolle Softwareentwicklung und Fehleranalyse. Er besteht aus zwei spezialisierten Subagenten: DeepInvestigator führt gründliche Ursachenanalyse, Grenzwerttests und Invariantenprüfungen durch, während DeepCoder verifizierte Code-Synthese, Compiler-Validierung und iterative Verbesserung übernimmt. Der typische Ablauf beginnt mit DeepInvestigator, der Hypothesen falsifiziert und harte Invarianten identifiziert, bevor DeepCoder die implementierte Lösung mit vollständiger Regressionstestung liefert. Der Skill unterstützt jede agentenbasierte Entwicklungsumgebung mit dem `/owl`-Befehl und nutzt die nativen Subagenten des Kerns, um systematische, fehlerresistente Entwicklungsprozesse zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/MaDxCRaZY/antigravity-skills/tree/HEAD/skills/owl

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

OWL (Optimized Workforce Learning)-Pipeline

Der Befehl /owl aktiviert die entkoppelte Multi-Agenten-Engineering-Architektur von Antigravity. Anstatt Symptom B mit Patch A zu erraten oder zu beheben, teilt OWL die Aufgabe in zwei spezialisierte entkoppelte Pipelines auf: DeepInvestigator und DeepCoder.


Architekturübersicht

Spezialistischer SubagentSchwerpunktbereichAufrufsignaturArbeitsbereichsmodus
DeepInvestigatorUrsachenanalyse, Grenzwerttests, Invariantenprüfungen, Randfallangriffeinvoke_subagent(TypeName='DeepInvestigator', ...)Workspace='inherit'
DeepCoderCode-Synthese auf Ebene 0, Compiler-Verifikation, Regressionsvermeidung, iterative Verfeinerunginvoke_subagent(TypeName='DeepCoder', ...)Workspace='inherit'

(Hinweis: DeepInvestigator und DeepCoder sind integrierte native Subagenten, die von der Kernlaufzeitumgebung unterstützt werden).


Ausführungsroutine

Wenn der Benutzer /owl aufruft:

Schritt 1: Untersuchung & Hypothesenfalsifikation (DeepInvestigator)

  1. Bei Fehlern, Refactorings, Architekturentscheidungen oder Fehleruntersuchungen zuerst DeepInvestigator starten, bevor Produktionscode geschrieben wird:
    {
      "TypeName": "DeepInvestigator",
      "Role": "Deep Investigator",
      "Workspace": "inherit",
      "Prompt": "Führe eine erschöpfende Ursachenanalyse durch. Kartiere vollständige Aufrufketten, prüfe Invarianten, teste Grenzfälle und frage: 'Was passiert, wenn X, Y, Z, F, G auftreten?' Formuliere überprüfbare Hypothesen."
    }
    
  2. Nicht mit der Implementierung fortfahren, bis DeepInvestigator Ergebnisse, identifizierte Fallstricke und harte Invariantenanforderungen meldet.

Schritt 2: Implementierung & Verfeinerung (DeepCoder)

  1. Übergib die verifizierten Anforderungen, Invarianten und Randfälle aus Schritt 1 an DeepCoder:
    {
      "TypeName": "DeepCoder",
      "Role": "Deep Coder",
      "Workspace": "inherit",
      "Prompt": "Implementiere eine Lösung, die alle von DeepInvestigator entdeckten Invarianten erfüllt. Erzwinge Compiler-Gates, verifiziere nachgelagerte Verbraucher im gesamten Aufrufgraph und führe Testsuiten aus."
    }
    
  2. DeepCoder führt iterative Verbesserungszyklen durch, bis alle Gates ohne Regression bestehen.

Schritt 3: Synthese & Verifikation

  1. Verifiziere nachgelagerte Aufrufer über den gesamten Aufrufbaum hinweg.
  2. Bestätige keine Kollateralschäden, bevor die Ergebnisse dem Benutzer präsentiert werden.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Verwandte Skills