OWL (Optimized Workforce Learning) Pipeline

Activa el pipeline multiagente desacoplado OWL: utiliza DeepInvestigator para análisis de causa raíz y ataques de casos límite, y DeepCoder para síntesis de código verificada y mejora iterativa.

¿Qué es OWL (Optimized Workforce Learning) Pipeline?

OWL (Optimized Workforce Learning) es un pipeline de ingeniería multiagente desacoplado que divide las tareas de desarrollo en dos fases especializadas: DeepInvestigator se encarga del análisis exhaustivo de causa raíz, pruebas de límites, auditorías de invariantes y ataques de casos límite; DeepCoder se encarga de la síntesis de código de capa cero, verificación de compilación, prevención de regresiones y refinamiento iterativo. Esta arquitectura evita las soluciones de un solo pase o la aplicación de parches superficiales, asegurando que primero se comprenda completamente el problema y sus invariantes antes de implementar la solución. El pipeline es compatible con el motor de tiempo de ejecución central que incluye estos subagentes nativos, y funciona mediante la invocación secuencial de subagentes en el espacio de trabajo heredado. Al invocar el comando /owl, el sistema ejecuta automáticamente la investigación, la implementación y la verificación final, garantizando que no se produzcan roturas laterales en el árbol de llamadas.

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

Installed? Explore more Investigación y análisis de datos skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Pipeline OWL (Optimized Workforce Learning)

El comando /owl activa la arquitectura de ingeniería multiagente desacoplada de Antigravity. En lugar de adivinar en un solo pase o arreglar el síntoma B con el parche A, OWL divide la tarea en dos pipelines desacoplados especializados: DeepInvestigator y DeepCoder.


Resumen de la Arquitectura

Subagente EspecialistaÁrea de EnfoqueFirma de InvocaciónModo de Espacio de Trabajo
DeepInvestigatorAnálisis de causa raíz, pruebas de límites, auditorías de invariantes, ataques de casos límiteinvoke_subagent(TypeName='DeepInvestigator', ...)Workspace='inherit'
DeepCoderSíntesis de código de capa 0, verificación de compilación, prevención de regresiones, refinamiento iterativoinvoke_subagent(TypeName='DeepCoder', ...)Workspace='inherit'

(Nota: DeepInvestigator y DeepCoder son subagentes nativos integrados compatibles con el motor de tiempo de ejecución central).


Rutina de Ejecución

Cuando el usuario invoca /owl:

Paso 1: Investigación y Falsificación de Hipótesis (DeepInvestigator)

  1. Para cualquier error, refactorización, elección arquitectónica o investigación de fallo, genera DeepInvestigator primero antes de escribir cualquier código de producción:
    {
      "TypeName": "DeepInvestigator",
      "Role": "Deep Investigator",
      "Workspace": "inherit",
      "Prompt": "Realizar una investigación exhaustiva de causa raíz. Mapear cadenas de llamadas completas, auditar restricciones invariantes, probar casos límite y preguntar: '¿Qué sucede si ocurren X, Y, Z, F, G?' Formular hipótesis verificables."
    }
    
  2. No proceder a la implementación hasta que DeepInvestigator informe hallazgos, las dificultades identificadas y los requisitos de invariantes estrictos.

Paso 2: Implementación y Refinamiento (DeepCoder)

  1. Pasar los requisitos verificados, invariantes y casos límite del Paso 1 a DeepCoder:
    {
      "TypeName": "DeepCoder",
      "Role": "Deep Coder",
      "Workspace": "inherit",
      "Prompt": "Implementar la solución que satisfaga todos los invariantes descubiertos por DeepInvestigator. Aplicar compuertas de compilación, verificar consumidores descendentes en todo el grafo de llamadas y ejecutar suites de pruebas."
    }
    
  2. DeepCoder ejecuta ciclos de mejora iterativa hasta que todas las compuertas pasen sin regresión.

Paso 3: Síntesis y Verificación

  1. Verificar los llamadores descendentes en todo el árbol de llamadas.
  2. Confirmar que no haya roturas colaterales antes de presentar los resultados al usuario.

Individual skills in this repo

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

Skills relacionados