Communitygithub.com

dmux-Workflows

Multi-Agent-Orchestrierung mit dmux (tmux-Pane-Manager für KI-Agenten). Muster für parallele Agenten-Workflows über Claude Code, Codex, OpenCode und andere Umgebungen hinweg. Verwenden Sie dies, wenn Sie mehrere Agentensitzungen parallel ausführen oder Multi-Agent-Entwicklungsworkflows koordinieren.

Was ist dmux-Workflows?

Diese Fähigkeit orchestriert parallele KI-Agentensitzungen mit dmux, einem tmux-basierten Tool zur Verwaltung von Agenten-Panes. Sie ermöglicht die Aufteilung komplexer Aufgaben in unabhängige, parallel bearbeitbare Einheiten, die jeweils von einem eigenen Agenten bearbeitet werden – z. B. Recherche und Implementierung, Testen und Beheben, oder Code-Reviews aus unterschiedlichen Perspektiven. Unterstützt werden Claude Code, Codex, OpenCode, Cline, Gemini und Qwen. Der Anwender kann neue Panes per Tastendruck erstellen und Ergebnisse später zusammenführen. Für dateiübergreifende Konflikte wird die Integration mit Git Worktrees empfohlen. Die Fähigkeit enthält zudem einen ECC-Helper zur automatisierten Erstellung separater Worktrees und zur parallelen Ausführung von Worker-Kommandos in eigenen tmux-Panes.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI✓OpenCode
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/dmux-workflows

In Ihrer bevorzugten KI fragen

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

Dokumentation

dmux Workflows

Orchestrieren Sie parallele KI-Agentensitzungen mit dmux, einem tmux-Pane-Manager für Agentenumgebungen.

Wann aktivieren

  • Mehrere Agentensitzungen parallel ausführen
  • Arbeit über Claude Code, Codex und andere Umgebungen hinweg koordinieren
  • Komplexe Aufgaben, die von einem Divide-and-Conquer-Ansatz profitieren
  • Benutzer sagt „parallel ausführen“, „diese Arbeit aufteilen“, „dmux verwenden“ oder „Multi-Agent“

Was ist dmux

dmux ist ein Orchestrierungswerkzeug auf Basis von tmux, das KI-Agenten-Panes verwaltet:

  • Drücken Sie n, um ein neues Pane mit einer Eingabeaufforderung zu erstellen
  • Drücken Sie m, um die Pane-Ausgabe zurück in die Hauptsitzung zu übernehmen
  • Unterstützt: Claude Code, Codex, OpenCode, Cline, Gemini, Qwen

Installation: Installieren Sie dmux aus seinem Repository, nachdem Sie das Paket überprüft haben. Siehe github.com/standardagents/dmux

Schnellstart

# dmux-Sitzung starten
dmux

# Agenten-Panes erstellen (in dmux 'n' drücken, dann Eingabe eingeben)
# Pane 1: „Implementiere die Auth-Middleware in src/auth/“
# Pane 2: „Schreibe Tests für den User-Service“
# Pane 3: „Aktualisiere die API-Dokumentation“

# Jedes Pane führt eine eigene Agentensitzung aus
# Drücken Sie 'm', um die Ergebnisse zurückzuführen

Workflow-Muster

Muster 1: Recherchieren + Implementieren

Aufteilung von Recherche und Implementierung auf parallele Spuren:

Pane 1 (Recherche): „Recherchiere Best Practices für Rate Limiting in Node.js.
  Überprüfe aktuelle Bibliotheken, vergleiche Ansätze und schreibe die Ergebnisse nach
  /tmp/rate-limit-research.md“

Pane 2 (Implementierung): „Implementiere Rate-Limiting-Middleware für unsere Express-API.
  Beginne mit einem einfachen Token Bucket, wir verfeinern nach Abschluss der Recherche.“

# Nach Abschluss von Pane 1: Ergebnisse in den Kontext von Pane 2 einfließen lassen

Muster 2: Multi-Datei-Feature

Parallelisieren der Arbeit über unabhängige Dateien:

Pane 1: „Erstelle das Datenbankschema und die Migrationen für das Billing-Feature“
Pane 2: „Baue die Billing-API-Endpunkte in src/api/billing/“
Pane 3: „Erstelle die UI-Komponenten für das Billing-Dashboard“

# Alles zusammenführen, dann Integration im Haupt-Pane durchführen

Muster 3: Testen + Beheben-Schleife

Tests in einem Pane ausführen, Fehler in einem anderen beheben:

Pane 1 (Watcher): „Führe die Testsuite im Watch-Modus aus. Wenn Tests fehlschlagen,
  fasse die Fehler zusammen.“

Pane 2 (Fixer): „Behebe fehlschlagende Tests basierend auf der Fehlerausgabe aus Pane 1“

Muster 4: Cross-Harness

Verschiedene KI-Tools für unterschiedliche Aufgaben nutzen:

Pane 1 (Claude Code): „Überprüfe die Sicherheit des Auth-Moduls“
Pane 2 (Codex): „Refaktoriere die Hilfsfunktionen für bessere Performance“
Pane 3 (Claude Code): „Schreibe E2E-Tests für den Checkout-Ablauf“

Muster 5: Code-Review-Pipeline

Parallele Review-Perspektiven:

Pane 1: „Überprüfe src/api/ auf Sicherheitslücken“
Pane 2: „Überprüfe src/api/ auf Performance-Probleme“
Pane 3: „Überprüfe src/api/ auf Lücken in der Testabdeckung“

# Alle Reviews in einem einzigen Bericht zusammenführen

Best Practices

  1. Nur unabhängige Aufgaben. Parallelisieren Sie keine Aufgaben, die von den Ergebnissen anderer abhängen.
  2. Klare Grenzen. Jedes Pane sollte an eigenen Dateien oder Bereichen arbeiten.
  3. Strategisch zusammenführen. Überprüfen Sie die Pane-Ausgabe vor dem Zusammenführen, um Konflikte zu vermeiden.
  4. Git Worktrees verwenden. Bei konfliktanfälligen Dateiarbeiten separate Worktrees pro Pane nutzen.
  5. Ressourcenbewusstsein. Jedes Pane verbraucht API-Token – halten Sie die Gesamtzahl der Panes unter 5–6.

Git Worktree Integration

Für Aufgaben, die sich überschneidende Dateien betreffen:

# Worktrees zur Isolation erstellen
git worktree add -b feat/auth ../feature-auth HEAD
git worktree add -b feat/billing ../feature-billing HEAD

# Agenten in separaten Worktrees ausführen
# Pane 1: cd ../feature-auth && claude
# Pane 2: cd ../feature-billing && claude

# Branches nach Abschluss zusammenführen
git merge feat/auth
git merge feat/billing

Komplementäre Werkzeuge

WerkzeugWas es machtWann verwenden
dmuxtmux-Pane-Verwaltung für AgentenParallele Agentensitzungen
SupersetTerminal-IDE für 10+ parallele AgentenGroßflächige Orchestrierung
Claude Code Task ToolSubagent-Erzeugung innerhalb des ProzessesProgrammatische Parallelität in einer Sitzung
Codex multi-agentIntegrierte AgentenrollenCodex-spezifische parallele Arbeit

ECC-Helper

ECC enthält jetzt einen Helfer für die externe tmux-Pane-Orchestrierung mit separaten Git-Worktrees:

node scripts/orchestrate-worktrees.js plan.json --execute

Beispiel plan.json:

{
  "sessionName": "skill-audit",
  "baseRef": "HEAD",
  "launcherCommand": "codex exec --cwd {worktree_path} --task-file {task_file}",
  "workers": [
    { "name": "docs-a", "task": "Behebe Skills 1–4 und schreibe Übergabenotizen." },
    { "name": "docs-b", "task": "Behebe Skills 5–8 und schreibe Übergabenotizen." }
  ]
}

Der Helfer:

  • Erstellt ein branch-gestütztes Git-Worktree pro Worker
  • Optionale Überlagerung ausgewählter seedPaths aus dem Hauptcheckout in jedes Worker-Worktree
  • Schreibt pro Worker task.md-, handoff.md- und status.md-Dateien unter .orchestration/<session>/
  • Startet eine tmux-Sitzung mit einem Pane pro Worker
  • Startet jeden Worker-Befehl in seinem eigenen Pane
  • Lässt das Haupt-Pane für den Orchestrator frei

Verwenden Sie seedPaths, wenn Worker Zugriff auf schmutzige oder nicht versionierte lokale Dateien benötigen, die noch nicht Teil von HEAD sind, z. B. lokale Orchestrierungsskripte, Entwurfspläne oder Dokumente:

{
  "sessionName": "workflow-e2e",
  "seedPaths": [
    "scripts/orchestrate-worktrees.js",
    "scripts/lib/tmux-worktree-orchestrator.js",
    ".claude/plan/workflow-e2e-test.json"
  ],
  "launcherCommand": "bash {repo_root}/scripts/orchestrate-codex-worker.sh {task_file} {handoff_file} {status_file}",
  "workers": [
    { "name": "seed-check", "task": "Überprüfe, ob die eingepflanzten Dateien vor Arbeitsbeginn vorhanden sind." }
  ]
}

Fehlerbehebung

  • Pane reagiert nicht: Wechseln Sie direkt zum Pane oder überprüfen Sie es mit tmux capture-pane -pt <session>:0.<pane-index>.
  • Merge-Konflikte: Verwenden Sie Git-Worktrees, um Dateiänderungen pro Pane zu isolieren.
  • Hoher Token-Verbrauch: Reduzieren Sie die Anzahl paralleler Panes. Jedes Pane ist eine vollständige Agentensitzung.
  • tmux nicht gefunden: Installieren Sie mit brew install tmux (macOS) oder apt install tmux (Linux).

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills