CommunityCodierung & Entwicklunggithub.com

Agent-Koordinator

Verwende diesen Skill, wenn Claude als zentrale Instanz agiert, während ein separater Coding-Agent (z. B. Antigravity/Gemini, Codex, ein anderer Claude) die Recherche und das schwerere Coding übernimmt. Ideal für neue Projekte mit einem Agenten, das Hinzufügen eines Agenten zu bestehenden Projekten, das Importieren von Forschungsergebnissen, das Erstellen eines Releases oder das Abfragen des Projektstatus.

Was ist Agent-Koordinator?

Der Agent-Koordinator-Skill teilt die Arbeit nach Stärken und Kosten auf: Claude fungiert als „Gehirn“ – plant Meilensteine, schreibt Agenten-Prompts, reviewt die Arbeit des Coding-Agenten, merged Branches und erstellt Tags. Der Coding-Agent (z. B. Claude Code, Cursor, Codex) ist die „Hand“ und führt Recherchen, Tracing, Fehlerbehebungen und Bulk-Code aus. Der Benutzer testet auf seiner realen Maschine und berichtet Ergebnisse. Das Repository dient als „Gedächtnis“ – alle Erkenntnisse werden in committeden Dokumenten festgehalten, nicht in Chats. Der Skill unterstützt mehrere Modi: Kickoff (neues Projekt), Adopt (bestehendes Projekt übernehmen), Status (Projektfortschritt), Release (Release erstellen), Research Import (Forschungsergebnisse importieren) und Continue (weiterarbeiten anhand einer HANDOFF.md). Er generiert eine Projektstruktur mit AGENTS.md, docs/MILESTONES.md, docs/HANDOFF.md und weiteren Dateien, schreibt agentenspezifisches Prompting und führt Reviews mit vorgeschriebenen Prüfskripten durch. So wird sichergestellt, dass Claude seine Tokens für Urteilsfähigkeit und Koordination spart, während der Coding-Agent die praktische Arbeit erledigt. Der Skill enthält detaillierte Vorlagen für Prompts, Agenten-Profile, Hooks und CI/CD-Workflows. Er integriert sich in GitHub-Workflows (checks.yml, release.yml) und stellt Skripte wie check-prompt.py, check-report.py und check-safe-to-publish.py bereit. Dadurch eignet er sich besonders für Developer-Umgebungen, in denen mehrere KI-Agenten zusammenarbeiten und die Arbeit effizient aufgeteilt werden soll.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓Antigravity✓Gemini CLI
npx skills add https://github.com/Trooper-code/Trooper-s-Coordinator-Skills/tree/HEAD/skills/agent-coordinator

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

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

Dokumentation

Agent-Koordinator (Claude als das Gehirn)

Teilen Sie die Arbeit nach Stärken und Kosten auf:

  • Claude = das Gehirn. Plant Meilensteine, schreibt die Prompts des Agenten, reviewt dessen Arbeit, merged und taggt.
  • Coding-Agent = die Hände. Führt Recherchen, Tracing, Untersuchungen, große Fehlerbehebungen und Bulk-Code durch.
  • Der Benutzer = der Tester. Führt den Build auf seiner realen Maschine aus und berichtet, was er sieht.
  • Das Repository = das Gedächtnis. Alles Gelernte lebt in committeden Dokumenten, nicht in Chats.

Claude spart seine Tokens für die Beurteilung. Es eröffnet keine neuen Untersuchungen und behebt keine größeren Fehler selbst – diese Aufgaben gehen als Prompt an den Agenten.

Vorlagen und Skripte für jede Datei unten: der templates/-Ordner dieses Skills (in den Release-ZIPs enthalten) oder templates/ in https://github.com/Trooper-code/Trooper-s-Coordinator-Skills. Details zu einigen Modi befinden sich im reference/-Ordner dieses Skills; lesen Sie diese Datei, wenn der Modus aufgerufen wird.

Wo die Skripte leben. Ein Projekt behält seine Prüfskripte in scripts/ im Repository-Stammverzeichnis oder in docs/scripts/. Schauen Sie immer in beiden Ordnern nach (detect-mode.py meldet, welcher verwendet wird). Jeder scripts/...-Pfad in diesem Skill bezieht sich auf den vom Projekt verwendeten Ordner. Neue Projekte erhalten scripts/, es sei denn, der Benutzer wünscht docs/scripts/. Verschieben Sie niemals vorhandene Skripte eines Projekts.

Modus auswählen

Der Benutzer sagt / das Repo hatModus
„Status“, „wo stehen wir“Status (unten)
„Release v…“, „Release machen“, „tagge das“Release: folgen Sie reference/release.md
„Forschung importieren“, eingefügte Deep-Research-ErgebnisseForschungsimport: folgen Sie reference/research-import.md
Repo hat docs/HANDOFF.mdWeiter: HANDOFF.md, das Statusboard und die darin referenzierten Dokumente lesen, dann den „Ersten Schritt“ ausführen
Repo hat Code oder Docs, kein HANDOFF.mdAdopt (unten)
leeres Repo (nur README/LICENSE/.gitignore)Kickoff (unten)

Wenn Sie Befehle ausführen können, entscheidet python templates/scripts/detect-mode.py <repo> über die letzten drei und listet die vorhandenen und fehlenden Workflow-Dateien auf.

Status

Für „Verwende Agent-Koordinator. Status.“ oder „Wo stehen wir bei ?“. Absichtlich günstig:

  • Lesen Sie nur docs/MILESTONES.md und docs/HANDOFF.md (sowie git log --oneline -5, falls Sie das Repo haben).
  • Antworten Sie in etwa fünf Zeilen: aktueller Meilenstein und sein Zustand, was in Arbeit ist und wer es hat, das zuletzt getestete Ergebnis, der nächste Schritt und alles, was auf den Benutzer wartet.
  • Überprüfen, testen oder öffnen Sie keine anderen Dateien, es sei denn, Sie werden darum gebeten.

Kickoff (neues Projekt)

Z. B. /agent-coordinator Starte ein neues Projekt: <Name>. Repo: <url oder ordner>. Ziel: <...>. Coding-Agent: <...>.

  1. Zugriff erhalten. Fragen Sie nach dem Repo (GitHub-Link oder lokaler Ordner), falls Sie es nicht haben. Fragen Sie bei einem lokalen Ordner auch nach Löschberechtigung (git erstellt und entfernt .lock-Dateien).
  2. Umfang. Falls das Ziel wirklich unklar ist, stellen Sie 1–3 präzise Fragen: wie „fertig“ aussieht, welcher Coding-Agent und welche seiner Tools der Benutzer hat, sowie harte Einschränkungen (Plattform, Sprache, was niemals committet werden darf). Andernfalls starten Sie.
  3. Das Gedächtnis aufbauen (vorhandene Dateien nicht überschreiben):
    • AGENTS.md, mit dem agentenspezifischen Abschnitt ausgefüllt (siehe „Die Regeln des Agenten“).
    • docs/MILESTONES.md, docs/HANDOFF.md (mit Tool-Versionen), docs/DECISIONS.md, docs/research/INDEX.md, docs/prompts/, docs/reports/TEMPLATE.md, CHANGELOG.md.
    • scripts/ (oder docs/scripts/, falls der Benutzer dies bevorzugt): die Prüfskripte (siehe reference/scripts.md).
    • Sicherheit und Releases: templates/hooks/pre-commit kopiert nach scripts/hooks/pre-commit (Hooks selbst werden nicht committet, der Benutzer installiert sie einmalig mit cp scripts/hooks/pre-commit .git/hooks/pre-commit oder dem docs/scripts/...-Pfad), plus .github/workflows/checks.yml und .github/workflows/release.yml. Der Hook und die Workflows finden die Skripte in beiden Ordnern.
  4. Den ersten Prompt für M1 in docs/prompts/M1-<slug>.md schreiben und check-prompt.py darauf ausführen. Falls M1 reine Forschung ist, besteht die Aufgabe des Agenten darin, docs/research/ zu füllen, nicht Code zu schreiben.
  5. Das Gerüst committen mit einer klaren Nachricht.
  6. Kurz antworten: die Meilensteinliste, die einzeilige Anweisung zum Einfügen in den Agenten, den Hook-Installationsbefehl und „sagen Sie mir, wenn es fertig ist; sein Bericht wird auf seinem Branch in docs/reports/ sein“.

Adopt (bestehendes Projekt)

Z. B. /agent-coordinator Übernehme mein bestehendes Projekt. Repo: <url oder ordner>. Coding-Agent: <...>.

Lernen, was das Projekt bereits weiß, darauf aufbauend planen und nur die fehlenden Dokumente hinzufügen. Der Scan ist Dokumente und Repo-Struktur lesen, nicht Code untersuchen: alles, was Tracing erfordert, geht an den Agenten.

  1. Zugriff erhalten, wie beim Kickoff.
  2. Scannen (Budget: etwa 15–20 Tool-Aufrufe; detect-mode.py erledigt die Bestandsaufnahme in einem). Lesen, nicht tracen:
    • Top-Level-Layout, Build-Dateien und Test-Setup (Sprache, wie gebaut und getestet wird, welche Tool-Versionen);
    • README, alles unter docs/, RESEARCH.md, NOTES.md, TODO.md, ROADMAP.md, CHANGELOG.md;
    • vorhandene Agenten-Regeldateien (AGENTS.md, CLAUDE.md, GEMINI.md, .cursor/rules/, .agents/rules/);
    • sowohl scripts/ als auch docs/scripts/: welche Prüfskripte das Projekt bereits hat und wo;
    • git log --oneline -30, Branches und Tags: was zuletzt gemacht wurde, was halb fertig ist;
    • TODO/FIXME-Kommentare, falls günstig auflistbar (git grep -n "TODO\|FIXME").
  3. Bestandsaufnahme. Abbilden, was vorhanden ist, auf die Workflow-Dateien. Wiederverwenden, was den Zweck erfüllt: eine vorhandene Roadmap von MILESTONES.md aus verlinken, vorhandene Forschungsdokumente behalten und indizieren, fehlende Abschnitte zu einer vorhandenen Regeldatei hinzufügen, statt sie zu ersetzen. Nur das Fehlende erstellen. Niemals Benutzerdateien überschreiben, verschieben oder umbenennen.
  4. Was Sie gelernt haben, kennzeichnen. Fakten aus vorhandenen Dokumenten oder Kommentaren sind unbestätigt, bis sie getestet wurden. Widersprüche zwischen Dokumenten und Code als Lücken notieren. Vergangene Entscheidungen, die Sie sehen können (eine ausgewählte Bibliothek, ein gewähltes Format), nur dann in DECISIONS.md festhalten, wenn die Dokumente das Warum nennen; andernfalls als offene Fragen auflisten.
  5. check-safe-to-publish.py auf dem gesamten Repo ausführen. Wenn etwas markiert wird, zuerst den Benutzer informieren: Das Entfernen einer committeten Datei aus der Historie liegt in seiner Verantwortung.
  6. Vorausplanen: halb fertige Branches abschließen, fehlschlagende Tests beheben, TODOs schließen, Forschungslücken füllen. Meilensteine mit fertig-Kriterien in docs/MILESTONES.md. Echte Entscheidungsfragen (Neuschreiben vs. Reparieren, welche Funktion zuerst) → 1–3 präzise Fragen stellen, bevor Sie sich auf den Plan festlegen.
  7. Erster Prompt. Große Teile des Codes undokumentiert → M0: Überblick (der Agent erfasst sie in docs/research/ und dem Index, jede Behauptung mit Beleg und gekennzeichnet). Andernfalls M1.
  8. docs/HANDOFF.md schreiben, check-handoff.py ausführen und die neuen Dokumente in einem Commit committen (z. B. „Koordinator-Dokumente hinzufügen“), wobei die Zeilenenden jeder vorhandenen Datei erhalten bleiben.
  9. Kurz antworten: was Sie gelernt haben, erstellte oder erweiterte Dateien, der Plan, alles, was die Entscheidung des Benutzers erfordert, und die einzeilige Anweisung zum Einfügen in den Agenten.

Die Regeln des Agenten (AGENTS.md)

Dauerhafte Regeln leben in AGENTS.md im Repository-Stammverzeichnis, sodass Prompts nur das tragen, was für ihre Aufgabe spezifisch ist. Sie enthält immer/nie-Regeln, die Tool-Versionen und Stempelregeln, die Abbruchbedingungen, das Berichtsformat und einen agentenspezifischen Abschnitt.

Agentenspezifische Einschränkungen sind erforderlich. Wann immer der Benutzer seinen Coding-Agenten benennt (Kickoff, Adopt oder ein Wechsel), füllen Sie ## Agentenspezifische Einschränkungen: <agent> aus:

  • Ausgehend vom Profil in templates/agents/ (Antigravity, Codex, Claude Code, Cursor, generisch). Behalten Sie dessen bestätigte/unbestätigte Kennzeichnungen bei.
  • Fragen, welche Tools der Benutzer installiert hat, und entfernen Sie die nicht installierten.
  • Wie die Regeln geladen werden. Wenn das Profil sagt, dass der Agent eine andere Datei liest, erstellen Sie den beschriebenen Verweis. Wenn unsicher, sagen Sie dies und behalten Sie AGENTS.md an erster Stelle unter „Zuerst lesen“ in jedem Prompt.
  • Berechtigungsgrenzen für Tools mit hohen Privilegien, und bekannte Eigenheiten.
  • Wenn der Benutzer oder der Agent eine Profilinformation korrigiert, korrigieren Sie sie in AGENTS.md und schlagen Sie vor, das gemeinsame Profil ebenfalls upstream zu korrigieren.

Meilensteine und Branches

  • Brechen Sie meilensteingroße Arbeit in Meilensteine auf. Jeder erhält seinen eigenen Feature-Branch.
  • Der Agent merged niemals. Claude reviewt den Branch, merged und taggt ihn (z. B. m5-p4a), sobald der Benutzer ihn getestet hat und er funktioniert.
  • Verfolgen Sie den Status in docs/MILESTONES.md (Meilensteine, datierter Fortschrittsprotokoll, aktueller „Nächster“ Schritt).

Einen Prompt schreiben

Prompts werden in docs/prompts/<MILESTONE>-<slug>.md abgelegt, committet, in sich geschlossen (der Agent hat keinen Kontext aus diesem Chat). Abschnitte, wie in templates/PROMPT.md:

  1. Zuerst lesen: zuerst AGENTS.md; dann docs/research/INDEX.md und die Abschnitte, die diese Aufgabe benötigt; alle DECISIONS.md-Einträge, die sie berührt.
  2. Ziel: ein oder zwei Sätze.
  3. Branch: der Name und von welchem Tag ausgegangen wird.
  4. Bekannte Fakten: genaue Pfade, Adressen, Offsets, Werte; jeweils bestätigt oder unbestätigt, mit Beleg.
  5. Aufgaben: nummeriert. Wenn check-research.py Fakten gefunden hat, die mit älteren Tool-Versionen bewiesen wurden und auf die sich diese Aufgabe stützt, ist die erneute Überprüfung dieser Fakten eine Aufgabe.
  6. Tools: die Tools des Agenten, die zu dieser Aufgabe passen, und warum.
  7. Aufgabenspezifische Einschränkungen: nur, was AGENTS.md nicht bereits sagt.
  8. Stoppen und Bericht erstatten, wenn: die Abbruchbedingungen aus AGENTS.md, plus alle für diese Aufgabe.
  9. Abnahmeprüfungen: welche Tests bestanden werden müssen; jede Behauptung zitiert ihren Beleg.
  10. Bericht: docs/reports/<MILESTONE>-<slug>.md, auf dem Branch committet.

Führen Sie check-prompt.py darauf aus, beheben Sie, was es meldet, und geben Sie dem Benutzer dann eine einzeilige Anweisung für den Agenten, z. B. „Lies und befolge docs/prompts/M5-p4b-save-format.md.“

Benennung von Tools. Prozess-Skills (z. B. Superkräfte: systematic-debugging, test-driven-development, verification-before-completion); Analyse- oder Reverse-Engineering-Toolkits (ihre Behauptungen benötigen einen Nachweis durch Emulation, einen Test oder einen echten Durchlauf; halten Sie Funktionen mit hohen Privilegien für die Benutzerdateien schreibgeschützt); Multi-Agent-„Swarm“-Modi nur für große Aufgaben, die in unabhängige Teile zerlegt werden können – ein Swarm-Prompt legt den Teil jedes Mitarbeiters, seine Dateien und Erledigungskriterien fest und sagt, dass die Verifizierer die Tests des Repos ausführen.

Die Arbeit des Agenten überprüfen

Lesen Sie den Bericht vom Branch: git fetch origin <branch> dann git show origin/<branch>:docs/reports/<file>. Bitten Sie den Benutzer nur dann, eine Zusammenfassung einzufügen, wenn der Bericht nicht vorhanden ist.

Der Agent hat schon früher Fehler gemacht. Verifizieren, nicht vertrauen:

  1. check-report.py auf dem Bericht. Ein Bericht, der fehlschlägt, geht zurück an den Agenten, es sei denn, die Lücken sind trivial.
  2. Tool-Versionen im Bericht gegen docs/HANDOFF.md. Eine Abweichung ist ein Fehler, bis erklärt.
  3. Führen Sie seine Tests und Beweise selbst erneut aus.
  4. Überprüfen Sie stichprobenartig die Adressen, Offsets und Behauptungen, die er zitiert, anhand der echten Dateien und Protokolle. Stellen Sie sicher, dass bestätigte Ergebnisse gestempelt sind ([bestätigt @ <branch> | tool=version]) und neue Abschnitte im Forschungsindex sind; führen Sie check-research.py aus.
  5. Dekodieren oder überprüfen Sie seine Ausgabe von Hand.
  6. Listen Sie Ergebnisse als Fehler, dann Lücken, dann Kleinigkeiten.

Budget-Regel: Wenn die Überprüfung einer Behauptung neues Tracing erfordert, das über das vom Agenten Zitierte hinausgeht (grob mehr als ~10 Tool-Aufrufe), stoppen Sie. Setzen Sie es stattdessen in den nächsten Prompt.

Wenn der Agent gestoppt hat, wiederholen Sie seine Arbeit nicht: entscheiden Sie, was er braucht (Zugriff, eine Datei, eine korrigierte Tatsache, eine kleinere Aufgabe) und schreiben Sie das in den nächsten Prompt.

Nach der Überprüfung:

  • Funktioniert → geben Sie dem Benutzer genaue Testschritte (was zu tun ist, was er sehen sollte). Sobald er bestätigt, mergen, taggen, eine Zeile unter ## Unreleased in CHANGELOG.md hinzufügen und in den Dokumenten festhalten.
  • Funktioniert nicht → den Folge-Prompt mit den Fehlern und Lücken als Aufgaben schreiben.
  • Stattdessen aufgeben nach zwei fehlgeschlagenen Überprüfungsrunden oder wenn die Korrektur in die falsche Richtung geht: den Branch behalten (umbenennen in abandoned/<name>, wenn der Benutzer zustimmt), den Grund in den Forschungsdokumenten und als Lektion festhalten, alle bestätigten Ergebnisse behalten und einen neuen Prompt vom letzten guten Tag aus schreiben.

Das Gedächtnis scharf halten

  • Entscheidungen. Wenn der Benutzer eine echte Wahl zwischen Optionen trifft (ein Format, eine Bibliothek, Neuschreiben vs. Reparieren), fügen Sie einen Eintrag in docs/DECISIONS.md hinzu: entschieden, abgelehnt, warum, erneut-prüfen-wenn. Bevor Sie eine als erledigt betrachtete Frage wieder aufgreifen, lesen Sie ihren Eintrag; neue Fakten erhalten einen neuen Eintrag, der den alten ersetzt.
  • Forschungsindex. Jedes Forschungsthema hat eine Zeile in docs/research/INDEX.md, die auf seine Datei und seinen Abschnitt verweist. Schlagen Sie Dinge dort zuerst nach; halten Sie es aktuell, wenn Abschnitte verschoben werden.
  • Versionsbewusste Fakten. Bestätigte Fakten tragen einen Stempel des Tags und der Tool-Versionen, mit denen sie bewiesen wurden. Wann immer sich die Tool-Versionen-Tabelle ändert, führen Sie check-research.py aus und setzen Sie die erneute Überprüfung der aufgeführten Fakten in den nächsten Prompt.
  • Lektionen werden zu Regeln. Eine Lektion, die ein zweites Mal auftritt, erhält (x2) in HANDOFF.md und wird dann in AGENTS.md (eine Regel für den Agenten), ein Prüfskript (wenn automatisierbar) oder die Prompt-Vorlage verschoben.
  • Erkenntnisregel. Jede Erkenntnis wird in derselben Sitzung in die Repo-Dokumente aufgenommen, gekennzeichnet als bestätigt, unbestätigt oder falsch, mit Beleg. Korrigieren Sie alte Behauptungen, die sich als falsch erwiesen haben. Behalten Sie Zeilenenden bei.
  • Sicher zu veröffentlichen. Nichts Urheberrechtliches oder Persönliches wird committet: der Pre-Commit-Hook und CI führen check-safe-to-publish.py aus. Benutzer stellen ihre eigenen Spieldateien bereit.

Sitzungsübergaben

Kombinieren Sie dies mit dem project-handoff-Skill. Schlagen Sie am Ende jeder Überprüfungsrunde oder wenn der Kontext groß wird, eine Übergabe vor. Der Wechsel-Routine:

  1. Claude aktualisiert docs/HANDOFF.md, führt check-handoff.py aus und committed.
  2. Der Benutzer führt das aus, worum Claude gebeten hat (Protokolle, Aufnahmen).
  3. Der Benutzer gibt dem Agenten seinen Prompt.
  4. Neuer Claude-Chat: HANDOFF.md einfügen (oder, falls der Chat das Repo lesen kann: „Lies docs/HANDOFF.md und führe den ersten Schritt aus“). Der Bericht des Agenten ist bereits auf seinem Branch, sodass nichts anderes eingefügt werden muss.

Verwandte Skills