Communitygithub.com

dmux-Workflows

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

Was ist dmux-Workflows?

Dieser Skill ermöglicht die parallele Orchestrierung mehrerer KI-Agenten-Sitzungen mithilfe von dmux, einem tmux-basierten Werkzeug zur Verwaltung von Agenten-Panes. Er ist besonders nützlich für komplexe Aufgaben, die sich in unabhängige Teilaufgaben aufteilen lassen, wie gleichzeitige Code-Reviews, parallele Feature-Entwicklung oder Research plus Implementierung. Der Skill unterstützt verschiedene Agenten-Umgebungen (Claude Code, Codex, OpenCode, Cline, Gemini, Qwen) und bietet bewährte Workflow-Muster wie Research + Implement, Multi-File-Feature, Test + Fix Loop, Cross-Harness und Code-Review-Pipeline. Für konfliktbehaftete Dateien wird die Integration mit Git Worktrees empfohlen. Zusätzlich enthält der Skill einen ECC-Helper zur Erstellung isolierter Git-Worktrees pro Worker und zur Ausführung in einem dedizierten tmux-Session.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI✓OpenCode
npx skills add https://github.com/affaan-m/everything-claude-code/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-Agenten-Sitzungen mit dmux, einem tmux-Pane-Manager für Agenten-Umgebungen.

Wann aktivieren

  • Ausführung mehrerer Agenten-Sitzungen parallel
  • Koordination von Arbeit über Claude Code, Codex und andere Umgebungen hinweg
  • Komplexe Aufgaben, die von Teile-und-herrsche-Parallelismus profitieren
  • Der Benutzer sagt "parallel ausführen", "diese Arbeit aufteilen", "dmux verwenden" oder "Multi-Agent"

Was ist dmux

dmux ist ein tmux-basiertes Orchestrierungswerkzeug, 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 geprüft haben. Siehe github.com/standardagents/dmux

Schnellstart

# dmux-Sitzung starten
dmux

# Agenten-Panes erstellen (drücken Sie 'n' in dmux, dann Eingabeaufforderung 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 seine eigene Agenten-Sitzung aus
# Drücken Sie 'm', um Ergebnisse zurückzuholen

Workflow-Muster

Muster 1: Research + Implementieren

Research und Implementierung in parallele Spuren aufteilen:

Pane 1 (Research): "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 (Implementieren): "Implementiere Rate-Limiting-Middleware für unsere Express-API.
  Beginne mit einem einfachen Token Bucket, wir verfeinern es nach Abschluss der Recherche."

# Nach Abschluss von Pane 1 die Ergebnisse in den Kontext von Pane 2 übernehmen

Muster 2: Multi-Datei-Feature

Arbeit über unabhängige Dateien parallelisieren:

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

# Alles zusammenführen, dann Integration im Haupt-Pane durchführen

Muster 3: Test + Fix-Schleife

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

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

Pane 2 (Reparierer): "Behebe fehlschlagende Tests basierend auf der Fehlerausgabe von Pane 1"

Muster 4: Umgebungsübergreifend

Verschiedene KI-Tools für unterschiedliche Aufgaben verwenden:

Pane 1 (Claude Code): "Überprüfe die Sicherheit des Auth-Moduls"
Pane 2 (Codex): "Refaktoriere die Hilfsfunktionen für Performanz"
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 Sicherheitsschwachstellen"
Pane 2: "Überprüfe src/api/ auf Leistungsprobleme"
Pane 3: "Überprüfe src/api/ auf Testabdeckungslücken"

# Alle Reviews in einem einzigen Bericht zusammenführen

Best Practices

  1. Nur unabhängige Aufgaben. Parallelisieren Sie keine Aufgaben, die von der Ausgabe anderer abhängen.
  2. Klare Grenzen. Jedes Pane sollte an unterschiedlichen Dateien oder Themen arbeiten.
  3. Strategisch zusammenführen. Überprüfen Sie die Pane-Ausgabe vor dem Zusammenführen, um Konflikte zu vermeiden.
  4. Git Worktrees verwenden. Bei konfliktanfälligen Dateien pro Pane separate Worktrees verwenden.
  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 bei Fertigstellung zusammenführen
git merge feat/auth
git merge feat/billing

Ergänzende Werkzeuge

WerkzeugWas es tutWann verwenden
dmuxtmux-Pane-Verwaltung für AgentenParallele Agenten-Sitzungen
SupersetTerminal-IDE für 10+ parallele AgentenGroßflächige Orchestrierung
Claude Code Task-WerkzeugUntergeordnete Sub-Agenten-Erzeugung im ProzessProgrammatische Parallelität innerhalb einer Sitzung
Codex Multi-AgentIntegrierte Agenten-RollenCodex-spezifische parallele Arbeit

ECC-Helfer

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 pro Worker ein branch-gestütztes Git-Worktree
  • Überlagert optional ausgewählte seedPaths aus dem Haupt-Checkout 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 frei für den Orchestrator

Verwenden Sie seedPaths, wenn Worker Zugriff auf geänderte oder nicht versionierte lokale Dateien benötigen, die noch nicht Teil von HEAD sind, wie 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 eingepflegten Dateien vor Arbeitsbeginn vorhanden sind." }
  ]
}

Fehlerbehebung

  • Pane antwortet 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 Agenten-Sitzung.
  • 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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Verwandte Skills