Communitygithub.com

curiositech/windags-skills

Wählen Sie Multi-Agent-Architekturen mithilfe einer umweltzentrierten Analyse, Koordinationsdruck, Commitment-Abstimmung und Wissensebenen. Verwenden Sie es für Autonomiedesign, Protokollwahl und Koordinationsfehler. NICHT für Einzel-Agent-Planung, zentralisierte Scheduler oder reine Prompt-Schwärme.

Was ist windags-skills?

Dieses Skill, basierend auf den Multi-Agenten-Systemen von Wooldridge, hilft Entwicklern und KI-Ingenieuren, die richtige Architektur für autonome Systeme zu wählen, indem es die Umgebungseigenschaften in den Vordergrund stellt. Es ist nicht dafür gedacht, mehrere Modelle einfach miteinander sprechen zu lassen, sondern zu bestimmen, welche Art von autonomen System die Umgebung erzwingt. Es unterstützt die Entscheidung zwischen reaktiven, deliberativen oder hybriden Architekturen und adressiert häufige Fehlermodi wie architekturzentriertes Design, anthropomorphe Autonomie, unnötige Koordination, versteckte zentrale Steuerung und unmögliche Wissensannahmen. Das Skill enthält Entscheidungsbäume, Qualitätskriterien und Verweise auf spezifische Referenzdokumente, um eine fundierte Architektur- und Protokollwahl zu gewährleisten.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/curiositech/windags-skills/tree/HEAD/skills/ai-wiley-wooldridge-an-introduction-to-multi-agent-systems

In Ihrer bevorzugten KI fragen

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

Dokumentation

Wooldridge Multi-Agenten-Systeme

Verwenden Sie dieses Skill, wenn die Frage nicht lautet: „Wie bringe ich mehrere Modelle zum Reden?", sondern: „Welche Art von autonomen System zwingt mich diese Umgebung zu bauen?"

Wann verwenden

  • Sie müssen zwischen reaktiven, deliberativen oder hybriden Agentenarchitekturen wählen.
  • Koordination scheitert ständig, weil niemand vollständige Informationen oder unangefochtene Kontrolle hat.
  • Agenten benötigen Verhandlungs-, Zuteilungs- oder Commit-Strategien unter Unsicherheit.
  • Ein Design hängt davon ab, was Agenten wissen, was alle wissen oder ob gemeinsames Wissen überhaupt erreichbar ist.
  • Sie müssen diagnostizieren, ob ein „Multi-Agenten"-Design eigentlich nur asynchrone Objektorchestrierung ist.

NICHT für

  • Einzel-Agent-Planung oder Optimierungsprobleme ohne Koordinationsbedarf.
  • Zentralisierte Scheduler, bei denen ein Controller bereits globale Entscheidungsrechte besitzt.
  • Reine Prompt-Rollenspiel-Schwärme, die keine separaten Ziele, Überzeugungen oder Kontrollgrenzen haben.
  • Allgemeines verteiltes Systemdesign, wenn Agentenautonomie und Wissensasymmetrie irrelevant sind.

Kern-Mentale Modelle

Umgebungseigenschaften treiben die Architektur

Beginnen Sie mit Beobachtbarkeit, Determiniertheit, Dynamik und Zeitdruck. Die Architekturwahl folgt aus der Umgebungsform, nicht aus persönlichen Vorlieben für ein modisches Agentenmuster.

Autonomie ist Kontrollinversion

Agenten sind nicht nur asynchrone Objekte. Sie entscheiden, ob und wann sie gehorchen, was bedeutet, dass Anfragen Semantik, Ablehnungen und Koordinationslogik benötigen, anstatt impliziten Gehorsam.

Koordination entsteht aus Zwang

Partielle Beobachtbarkeit, Ressourcenkonflikte und voneinander abhängige Ziele erzeugen Koordinationsdruck. Gutes Protokolldesign beginnt damit, diesen Druck zu benennen, anstatt anzunehmen, dass Zusammenarbeit immer wünschenswert ist.

Commit-Strategie muss zur Volatilität passen

Mutige Agenten überverpflichten sich in schnelllebigen Umgebungen; vorsichtige Agenten drosseln in stabilen. Die Häufigkeit der Neuüberlegung ist ein Designparameter, der an die Umgebungsdynamik gebunden ist, keine universelle Best-Practice.

Wissensebenen sind wichtig

Individuelles Wissen, Allwissen („everyone knows"), gemeinsames Wissen („common knowledge") und verteiltes Wissen sind nicht austauschbar. Die falsche Ebene anzufragen, kann ein Protokoll unmöglich oder unnötig teuer machen.

Entscheidungspunkte

flowchart TD
  A[Agentenarchitektur benötigt] --> B{Umgebung vollständig beobachtbar und stabil?}
  B -->|Ja| C[Einfaches reaktives oder planerlastiges Design kann ausreichen]
  B -->|Nein| D{Echtzeit-Reaktion unter Unsicherheit nötig?}
  D -->|Ja| E[Hybride Architektur]
  D -->|Nein| F[Deliberative Architektur]
  E --> G{Warum müssen Agenten koordinieren?}
  F --> G
  G -->|Partielle Information| H[Informationsaustausch-Protokoll]
  G -->|Ressourcenkonflikt| I[Verhandlungs- oder Zuteilungsmechanismus]
  G -->|Aufgabenabhängigkeit| J[Commit- oder Delegationsprotokoll]
  G -->|Keine echte Autonomie| K[Einfacheres zentralisiertes Design verwenden]
  • Charakterisieren Sie die Umgebung, bevor Sie eine Agentenarchitektur wählen.
  • Wenn Agenten Anfragen nicht ablehnen, verzögern oder uminterpretieren können, täuschen Sie keine Agentenautonomie vor.
  • Wählen Sie Wissensanforderungen bewusst. Viele Systeme benötigen verteiltes Wissen, nicht gemeinsames Wissen.
  • Passen Sie die Commit-Kühnheit an die Änderungsrate der Umgebung und die Kosten der Neuüberlegung an.

Fehlermodi

Architektur-zentriertes Design

Hinweis: Das Team möchte BDI, Debatte oder ein ausgefallenes Agentenframwork, bevor jemand die Umgebung beschreiben kann.

Lösung: Erzwingen Sie zuerst eine Umgebungscharakterisierung.

Anthropomorphe Autonomie

Hinweis: Das Design spricht von Überzeugungen und Wünschen, kann sie aber nicht auf lokalen Zustand, Beobachtungen oder Protokollverpflichtungen abbilden.

Lösung: Verankern Sie mentale Sprache in konkretem Rechenzustand.

Koordination um ihrer selbst willen

Hinweis: Die Kommunikationslast steigt, aber niemand kann erklären, welcher Umgebungsdruck sie erfordert.

Lösung: Identifizieren Sie die tatsächliche treibende Kraft und entwerfen Sie das minimale Protokoll, das sie adressiert.

Versteckter zentraler Controller

Hinweis: Ein „Agent" trifft still alle wichtigen Entscheidungen, während die anderen nur ausführen.

Lösung: Geben Sie entweder zu, dass die Architektur zentralisiert ist, oder verteilen Sie echte Entscheidungsrechte neu.

Unmögliche Wissensannahmen

Hinweis: Die Korrektheit des Protokolls hängt davon ab, dass jeder Agent weiß, dass jeder andere Agent eine Tatsache kennt, aber das Netzwerk ist unzuverlässig.

Lösung: Wechseln Sie zu verteiltem Wissen, Bestätigungen oder eventueller Konsistenz, soweit die Umgebung es erlaubt.

Ausgearbeitete Beispiele

Spezialisten-LLM-Review-Schwarm

Ein Codierungssystem verwendet Sicherheits-, Leistungs- und Stil-Agenten. Sicherheitsüberprüfungen basieren auf anderen Nachweisen als Stilüberprüfungen, und kein einzelner Prüfer hat globale Sicht. Verwenden Sie einen hybriden Koordinator plus gezielten Informationsaustausch, anstatt anzunehmen, dass jeder Prüfer den gesamten Kontext sehen sollte.

Verteiltes Fahrzeugüberwachungssystem

Sensoragenten überdecken überlappende, aber unvollständige Bereiche. Koordination ist notwendig, weil kein einzelner Agent eine durchgehende Verfolgungskontinuität aufrechterhalten kann. Entwerfen Sie das Protokoll um partielle Beobachtbarkeit herum, nicht um generische „Zusammenarbeit".

Qualitätskriterien

  • Die Umgebung wird explizit vor der Architekturwahl charakterisiert.
  • Das Design benennt die tatsächliche Quelle des Koordinationsdrucks.
  • Wissensanforderungen werden auf der richtigen Ebene formuliert.
  • Die Commit-Strategie ist an Volatilität und Neuüberlegungskosten gebunden.
  • Jede behauptete Autonomie umfasst Ablehnung, Verzögerung oder lokale Interpretation von Anfragen.

Erkennungsmerkmale

  • Wenn jemand ein System als Multi-Agenten-System bezeichnet, aber jede wichtige Entscheidung immer noch über einen einzigen Controller läuft, benennen sie verteilte Ausführung um, anstatt Autonomie zu entwerfen.
  • Wenn „gemeinsames Wissen" beiläufig ohne Kommunikationsmodell verwendet wird, ist das Protokoll wahrscheinlich unterspezifiziert.
  • Wenn das Team nicht sagen kann, warum Agenten koordinieren müssen, benötigt das Design wahrscheinlich gar keine Agenten.

Referenz-Routing

  • references/environment-characterization-drives-architecture.md: Laden, wenn die Architekturwahl die Hauptfrage ist.
  • references/coordination-as-necessity-not-luxury.md: Laden, wenn Sie Koordination rechtfertigen oder minimieren müssen.
  • references/commitment-strategies-and-environment-dynamics.md: Laden, wenn Kühnheit oder Neuplanungsrhythmus das Hauptproblem sind.
  • references/grounded-epistemic-logic-for-distributed-agents.md: Laden, wenn Wissensbehauptungen die Sicherheit oder Korrektheit bestimmen.
  • references/negotiation-and-resource-allocation-mechanisms.md: Laden, wenn Autonomie mit knappen Ressourcen kollidiert.

Individual skills in this repo

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

curiositech/windags-skills

Expert in 2000s-era music visualization (Milkdrop, AVS, Geiss) and modern WebGL implementations. Specializes in Butterchurn integration, Web Audio API AnalyserNode FFT data, GLSL shaders for audio-reactive visuals, and psychedelic generative art. Activate on "Milkdrop", "music visualization", "WebGL visualizer", "Butterchurn", "audio reactive", "FFT visualization", "spectrum analyzer". NOT for simple bar charts/waveforms (use basic canvas), video editing, or non-audio visuals.

curiositech/windags-skills

Expert legal research agent for finding and scraping expungement data state by state. Knows authoritative sources, URL patterns, Firecrawl configuration, and 2026 legal landscape.

curiositech/windags-skills

Expert in 3D computer vision labeling tools, workflows, and AI-assisted annotation for LiDAR, point clouds, and sensor fusion. Covers SAM4D/Point-SAM, human-in-the-loop architectures, and vertical-specific training strategies. Activate on '3D labeling', 'point cloud annotation', 'LiDAR labeling', 'SAM 3D', 'SAM4D', 'sensor fusion annotation', '3D bounding box', 'semantic segmentation point cloud'. NOT for 2D image labeling (use clip-aware-embeddings), general ML training (use ml-engineer), video annotation without 3D (use computer-vision-pipeline), or VLM prompt engineering (use prompt-engineer).

curiositech/windags-skills

Implement WCAG 2.2 AA/AAA compliance with automated testing, keyboard navigation, screen reader support, and focus management. Activate on: accessibility audit, WCAG compliance, keyboard navigation, screen reader, aria attributes, axe-core, focus trap. NOT for: design-level accessibility review (use design-accessibility-auditor), color contrast only (use css-in-js-architect).

curiositech/windags-skills

Time-blind friendly planning, executive function support, and daily structure for ADHD brains. Specializes in realistic time estimation, dopamine-aware task design, and building systems that actually work for neurodivergent minds.

curiositech/windags-skills

Designs digital experiences for ADHD brains using neuroscience research and UX principles. Expert in reducing cognitive load, time blindness solutions, dopamine-driven engagement, and compassionate design patterns. Activate on 'ADHD design', 'cognitive load', 'accessibility', 'neurodivergent UX', 'time blindness', 'dopamine-driven', 'executive function'. NOT for general accessibility (WCAG only), neurotypical UX design, or simple UI styling without ADHD context.

curiositech/windags-skills

>- Apply crisis decision-making research to agent routing, uncertainty triage, and coordination failure analysis in time-pressured systems. Use when diagnosing handoff failures, analytical paralysis, or expert judgment under incomplete information. NOT for routine coding, simple CRUD design, or static single-agent tasks with complete information.

curiositech/windags-skills

Extend and modify the admin dashboard, developer portal, and operations console. Use when adding new admin tabs, metrics, monitoring features, or internal tools. Activates for dashboard development, analytics, user management, and internal tooling.

curiositech/windags-skills

Conversation patterns and interaction protocols for multi-agent systems. Covers request/response, pub/sub, blackboard, delegation chains, debate, critique, consensus, fan-out/fan-in, supervisor-worker, and peer negotiation. Deep analysis of AutoGen conversation patterns, CrewAI delegation, LangGraph state passing, and FIPA-ACL performatives. Teaches how to design what agents say to each other and in what order. Activate on: "agent conversation", "agent protocol", "multi-agent debate", "agent delegation", "supervisor worker pattern", "agent voting", "consensus protocol", "fan-out fan-in", "agent negotiation", "blackboard pattern", "agent dialogue", "conversation topology", "agent handoff". NOT for: wire format or serialization (use agent-interchange-formats), orchestration infrastructure (use agentic-infrastructure-2026), single agent behavior (use agentic-patterns).

curiositech/windags-skills

Meta-agent for creating new custom agents, skills, and MCP integrations. Expert in agent design, MCP development, skill architecture, and rapid prototyping. Activate on 'create agent', 'new skill', 'MCP server', 'custom tool', 'agent design'. NOT for using existing agents (invoke them directly), general coding (use language-specific skills), or infrastructure setup (use deployment-engineer).

curiositech/windags-skills

AI-powered calendar management and agent-based scheduling coordination. Covers calendar APIs (Google Calendar, CalDAV/iCal), AI scheduling assistants (Reclaim, Clockwise, Motion, Cal.com), building custom calendar agents with MCP, multi-calendar merging, timezone management, focus block protection, meeting fatigue detection, and agent-to-agent meeting negotiation protocols. Activate on: "calendar agent", "AI scheduling", "calendar coordination", "meeting scheduling", "calendar API", "focus time protection", "calendar optimization", "Google Calendar MCP", "Reclaim", "Clockwise", "Motion", "Cal.com", "smart scheduling", "calendar-aware agent", "timezone scheduling", "agent negotiation meetings". NOT for: manual calendar UI component design (use form-validation-architect), project management scheduling or Gantt charts (use project-management-guru-adhd), general time-tracking or pomodoro apps (use adhd-daily-planner for time-awareness), building the agent itself from scratch (use agent-creator).

curiositech/windags-skills

Build and adopt production AI agent infrastructure in 2026. Covers framework selection (LangGraph, CrewAI, AutoGen, MCP), orchestration patterns, evaluation, observability, memory systems, and tool use. Also covers the SOCIAL dimension: how to sell agent infrastructure internally, change management, measuring ROI, building trust in autonomous systems, and scaling adoption across teams. Activate on: "agent infrastructure", "agent framework comparison", "which agent framework", "sell AI tools internally", "agent adoption", "agent observability", "agent evaluation", "MCP architecture", "agentic mesh", "enterprise AI agents", "AI change management", "agent ROI". NOT for: building specific agents (use ai-engineer), designing agent behavior patterns (use agentic-patterns), prompt tuning (use prompt-engineer).

curiositech/windags-skills

Fundamental patterns for effective agentic behavior. Teaches decomposition, tool orchestration, error recovery, context management, quality self-assessment, and knowing when to stop. Model-agnostic principles that make any agent more effective regardless of domain. Activate on: "how should I structure this agent", "agentic workflow", "agent patterns", "multi-step task", "tool orchestration", "/agentic-patterns", "decompose this", "agent best practices", "chain of actions", "when should the agent stop", "agent loop design". NOT for: creating agent infrastructure (use agent-creator), building DAGs (use windags-architect), specific tool implementation.

curiositech/windags-skills

Automated discovery and matching of agent skills for dynamic task routing and capability assessment

curiositech/windags-skills

Cryptographic security for agentic systems — zero-trust agent networking, signed message envelopes (JWS/JWE), capability-based security (ocaps), Merkle tree audit trails, WASM sandboxing, and formal verification. Covers CLI dev tool security, mTLS between agents, permission boundaries (least privilege for AI agents), and supply chain security for skills/plugins. Activate on: "agent security", "zero trust agents", "secure agent communication", "capability-based security", "ocap", "signed messages between agents", "agent audit trail", "sandbox agent execution", "agent permissions", "mTLS agents", "cryptographic verification", "agent supply chain", "OWASP agentic", "prove agent did X", "tamper-proof agent logs". NOT for: application-level SAST scanning (use security-auditor), network firewall rules (use infrastructure), SOC2/HIPAA compliance (organizational), or prompt injection defense (use prompt-engineer).

curiositech/windags-skills

Data structures and serialization formats for agent-to-agent communication. Covers message envelopes, structured output schemas, capability declarations, task handoff payloads, error/retry signaling, and context windows as data structures. Deep comparison of A2A protocol, MCP, OpenAI function calling, and LangChain message types. Teaches when to use rigid schemas vs free-form with validation, typed vs untyped, streaming vs batch. Activate on: "agent message format", "agent communication schema", "agent-to-agent protocol", "A2A protocol", "MCP message format", "structured output for agents", "agent interop", "interchange format", "agent serialization", "task handoff format", "capability declaration". NOT for: what agents say to each other (use agent-conversation-protocols), orchestration topology (use multi-agent-coordination), building agent infrastructure (use agentic-infrastructure-2026).

curiositech/windags-skills

Logic-based agent programming language implementing BDI architecture for practical autonomous agent development

curiositech/windags-skills

>- Design AgentSpeak(L)-style BDI agents with context-guarded plans, selection functions, and intention stacks. Use for interruptible autonomy, agent policy, and multi-agent orchestration in dynamic environments. NOT for simple rule engines, static planners, or centralized workflows.

curiositech/windags-skills

Foundational concurrent computation model where actors communicate exclusively through asynchronous message passing

curiositech/windags-skills

license: Apache-2.0 NOT for unrelated tasks outside this domain.

Verwandte Skills