Community程式設計與開發github.com

Azharthegreat/parallel-task-orchestrator

對每個任務進行輕量級的意圖、複雜度與資源評估。簡單工作直接處理;具備依賴感知、持久化檢查點、整合與驗證能力,將重大工作路由至可用工具或智能體。能根據實際倉庫證據恢復中斷的執行。

parallel-task-orchestrator 是什麼?

這個技能為 AI 智能體(如 Claude Code、Cursor、Codex)提供了一個結構化、無關目標的工作流程,適用於從簡單問題到複雜多智能體實作的任何任務。其主要用例是在單一協調者的管理下,安全且有效地進行任務分解、並行執行和結果整合。此技能會強制對每個請求進行輕量級評估,將其分類為從微不足道到至關重要,然後決定是直接處理還是委派給專門的工作者。它使用一個「理解、評估、規劃、路由、執行、檢查點、整合、驗證、報告」的流程,強調在分配工作前先檢查倉庫,維護依賴感知的任務圖譜,並在單一權威下整合結果。關鍵功能包括健全的狀態管理與恢復(使用選擇性的持久化層級)、明確的任務合約以防止衝突,以及一個優先考慮安全性和用戶指定邊界的審查與驗證程序。此技能旨在讓人們能夠在 AI 工作空間中擴展複雜、多步驟的開發任務,同時保持可靠性並減少錯誤。

相容平台✓Claude Code✓Codex CLI✓Cursor✓Antigravity
npx skills add https://github.com/Azharthegreat/agent-skills/tree/HEAD/skills/parallel-task-orchestrator

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

並行任務協調器

對每個任務套用此技能,包括問題、寫作、審查、規劃與實作。在同一工作階段內重複使用已載入的進入點;不要為每則訊息重新讀取未變更的指令或重新發現資源。工作流程為「理解、評估、規劃、路由、執行、檢查點、整合、驗證、報告」,並僅在有用時才進行分解與並行處理。一個主要的協調者負責管理工作摘要、整合與最終回應。

保持目標無關。在執行時期發現活躍目標、工具與路徑慣例。保持此技能中的資源連結為相對路徑;根據活躍目標解析操作任務路徑,絕不針對技能的安裝位置。僅在選定的持久化層級要求時,才在目標本地創建協調資料。

相同的政策適用於 Codex、Claude Code、Cursor、Antigravity 及其他相容的智能體,無論其使用的 LLM 為何。使用活躍主機有文件記錄的控制項,而非其他提供者的引數名稱。如需跨主機或裝置安裝,請參閱 references/host-integration.md;請勿在一般任務期間載入安裝細節。

對每個任務進行輕量級評估

靜默地建立意圖、請求的階段、受保護的範圍與足夠的驗證。將每個任務及其子任務分別分類為「微不足道」、「低」、「中」、「高」或「至關重要」,考量因素包括範圍、受影響的元件、推理難度、依賴關係、模糊性、架構影響、安全風險、可逆性、研究與驗證工作。僅在任務需要該上下文時,儲存庫大小才重要。

對於明顯「微不足道」或「低」的請求,根據需要使用當前智能體與確定性工具,然後回答。不要產生智能體、掃描已安裝的 CLI、建立管理檔案、生成正式圖譜或敘述評估過程。清晰的請求不需要改進循環。對於實質性工作,在現有計劃或分類帳中記錄簡潔的複雜度原因與資源決策。父層級的高複雜度並不意味著每個子任務都需要高工作量。

在每次分派子智能體之前(包括會繼承父層級的),套用 references/resource-routing.md。載入該參考後重複使用。當執行時期暴露模型與工作量控制項時,為個別子任務明確選擇並傳遞兩者;省略並非最佳化。偏好聚焦的上下文與輕量級足夠的路由。更強的模型或高工作量需要有任務特定的原因。如果控制項不可用,則記錄此限制,而非聲稱進行了選擇。首先最佳化所需品質,然後才最佳化延遲與測量到的或可觀察的資源使用;切勿虛構節省。

在行動前改進請求

將使用者的訊息視為原始意圖。對於複雜或模糊的請求,使用 references/request-refinement.md 在內部改進摘要。檢查以解決遺漏的細節,並在指令足以行動與驗證時停止改進。僅攜帶最終的摘要與重要假設前進。

預設情況下靜默地執行循環;下面的檢查步驟是多數建議與問題得到解答的方式。僅在使用者要求查看或建構提示詞時,或當以下情況發生時,才將問題提交給使用者:問題在檢查後依然存在,且再次閱讀會實質性地改變交付物、所需資訊無法被檢查、繼續進行會產生重大風險,或不可逆轉的決策需要使用者選擇。改進能釐清意圖。它從不改變目標、擴大範圍或升級請求的階段,且對提示詞的請求應作為提示詞交付,而非執行。

選擇直接執行或委派執行

在最小檢查後,當至少有兩個有用的工作流已準備好處理依賴關係、它們的寫入集合不相交(允許唯讀 none),且預期效益超過分派與整合開銷時,進行委派。明確的獨立審查或專家委派可以證明一個有限的工作者是合理的。確認委派可用且已獲授權。否則直接執行。直接執行是成功使用此技能,而非拒絕調用;無需常規說明。有狀態的直接工作在中斷或外部效應使恢復變得很重要時,可能仍需要檢查點。

保留請求與階段

完成的「修訂後提示詞」即為工作摘要。它承載目標、範圍、約束、受保護行為、預期交付物、證據要求、驗收標準以及任何陳述的假設,且後續每個步驟都根據它進行分解、分配與驗證,而非根據原始訊息。保留任何僅供審查、僅供規劃、核准、實作或部署的邊界。委派不會擴展授權。

不要僅僅因為並行智能體可用就使用它們。委派永不改變使用者請求的階段或權限邊界。

在分解前檢查

主要協調者首先檢查適用的儲存庫指令、當前實作、工作目錄狀態、相關測試以及提供的證據。在分配編輯任務前,閱讀足夠的內容以識別架構邊界與共享檔案。不要讓子智能體在未經檢查的儲存庫中做出獨立的架構選擇。

在初始檢查之後,當不同區域可以獨立檢查時,有界限的唯讀發現可以並行運行。給予每個發現智能體明確的路徑或問題,並要求提供證據,而非廣泛的儲存庫摘要。

建構任務圖譜

使用 references/contracts.md 中定義的欄位建立一個具有依賴感知的圖譜。在建立任務封包、接受結果、解決衝突、驗證整合或準備最終報告時,閱讀該參考文檔。將每個節點分類為:

  • 並行: 沒有未滿足的依賴關係且沒有重疊的寫入所有權。
  • 順序: 依賴於另一個結果、更改共享合約,或需要先做出整合決策。
  • 主要擁有: 共享檔案、架構、跨層級配置、有風險的遷移、最終整合,或任何無法安全委派的工作。

在並行實作前凍結介面與驗收標準。對每個檔案和指令範圍使用絕對路徑。如果有兩個任務需要同一個檔案或可能做出衝突的架構決策,則指定一個擁有者或將其序列化。獨占所有權是透過指派和 diff 稽核來強制執行,而非透過檔案系統鎖定。

根據有用的獨立工作與可用的子智能體容量來調整並行規模。當平台將主要協調者計入限制時,保留協調的容量。當依賴關係或容量不允許一次啟動時,使用批次。

在委派、持久化直接工作或恢復的執行之前,閱讀 references/state-and-resume.md。它定義了持久化層級、檢查點、鎖定、中斷恢復與證據衛生。保持簡單的直接任務僅在對話中進行。

分配有界限的工作

使用 references/contracts.md 中的標準分配合約。每個分配必須陳述:

  • 一個具體的成果及其獨立的原因;
  • 允許的路徑與明確的寫入所有權;
  • 相關上下文、約束、受保護行為與已凍結的介面;
  • 所需的證據、測試與結果格式;
  • 禁止的行為與升級條件。

每個分配本身都是一個精心設計的提示詞,源自工作摘要,並遵守相同的標準:清晰、簡潔、自包含、一個成果、無需對話即可理解。僅提供該工作流所需的上下文,但始終包含具有約束力的規則以及指向適用指令檔案的絕對路徑。除非明確請求的獨立審查證明重複是合理的,否則不要將相同的責任分配給多個智能體。未經使用者明確授權,子智能體不得部署、發布、刪除資料、更改權限或執行破壞性操作。

記錄每個工作者的已觀察工具/模型、工作量(或繼承/不可用)、聚焦上下文、預算、重試限制與選擇原因。在使用外部 CLI 之前,發現其身份、非互動支援、驗證與模型選項。僅存在 CLI 並不能證明上述任何一點。遵循路由參考中的外部工作者協定,並像對待任何其他智能體一樣驗證其 diff 與證據。

運行並追蹤並行批次

在分派前選擇持久化層級並記錄工作目錄基準。將一個批次中每個已準備好的任務作為獨立呼叫,在一個回合中發出,並附上陳述的預算。等待整個批次返回、失敗或超出預算後,再開始依賴性工作。切勿重新分派正在進行中的任務。

保持主執行緒分類帳的權威性,並僅從主執行緒與使用者溝通。當發現或進度改變時,發出簡潔的更新。達到核准或架構邊界的子智能體會返回一個阻礙因素;它無法獲得同意。在新的證據後重新評估複雜度,並在協調成本超過有用工作時停止增加工作者。

每個子智能體必須返回標準結果合約。從儲存庫 diff 推導出實際更改的檔案,而非從智能體的報告。拒絕未經支持的聲明、違反具有約束力的規則、缺少證據以及超出範圍的編輯。在重試之前,確認先前的工作者已停止,檢查其範圍,保留有效的部分工作,並僅完成剩餘部分。僅在需要且經授權時,回滾可歸因的無效部分。絕不盲目重試或使用儲存庫範圍的 stash、checkout、reset 或 clean 指令。

將失敗分類為任務、上下文、工具、模型或環境。預設每個任務最多嘗試兩次,並在該預算內進行一次合理的模型/工作量升級。修復有缺陷的封包;不要將驗證失敗或缺少工具視為推理失敗。保留來自其他工作者的已驗證工作。如果沒有安全有用的重試選項,則將阻礙因素與確切的下一個行動記錄為檢查點。

在單一權威下進行整合

主要協調者根據批次前基準與實際 diff 審查每個結果。透過檢查儲存庫證據、測試與使用者的驗收標準來解決矛盾。絕不默默地合併互不相容的建議。

遵循 references/contracts.md 中的整合與衝突解決程序。僅主要協調者:

  • 接受或拒絕智能體的變更;
  • 整合共享檔案與跨模組連接;
  • 調整合約、命名、行為與錯誤處理;
  • 移除重複與超出範圍的變更;
  • 驗證受保護功能保持完整無缺。

驗證整合結果

運行能夠證明請求行為與相關回歸的最小完整驗證集。包括針對性測試、整合測試、靜態檢查、建置,以及適用的聚焦手動或 UI 檢查。不要將單個智能體的測試視為組合結果有效的證據。

使用 references/contracts.md 中的驗證檢查清單。將每個重要檢查標記為「通過」、「失敗」或「未驗證」。失敗的必要檢查會阻止完成聲明。

報告一個結果

對於直接工作,提供請求的結果與重要的驗證限制。對於實質性的委派或恢復的工作,使用 references/contracts.md 中的簡潔最終回應合約;省略空章節與原始智能體記錄。

調用與示範

範例調用:

使用 $parallel-task-orchestrator 為此應用程式新增 CSV 匯出功能、更新測試與文件、保留現有 JSON 匯出行為,並傳回一個已驗證的結果。

如需一個完整的、安全的多智能體範例,請閱讀 references/demonstration.md。如需聚焦封包與恢復的範例,請跟隨 references/state-and-resume.md 的連結。

若要對此技能進行更改,請在 references/acceptance-tests.md 中執行輔助測試與實際情境。在證據中將確定性輔助結果、智能體空運行與實際外部 CLI 執行分開。

需求

狀態輔助程式 scripts/state_store.py 需要 Python 3.9+ 與 jsonschema 套件 (pip install jsonschema)。其餘皆為指令。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Azharthegreat/ai-assisted-software-estimator

Create, review, or revise auditable software estimates for AI-assisted delivery, agentic SDLC workflows, agentic products, or hybrid agentic programs from documents, spreadsheets, repositories, tickets, screenshots, links, or pasted requirements. Use when scope must be analyzed against the actual technology and architecture, related requirements must be intelligently merged or separated, material clarifications must be asked before estimating, client Solution, technical Dev Solution, AI Use, and Assumptions text must be written into workbook task rows, or manual, AI-assisted, blended, three-point, cost, duration, calibration, and formula-audit outputs are needed across NetSuite, SuiteCommerce, .NET, web, mobile, data, cloud, and mixed stacks.

Azharthegreat/app-promo-video-studio

Produce and publish a polished vertical app promo video from Android emulator captures, end to end and reproducibly, for any app (app-agnostic, spec-driven). Captures clean UI stills, composes 1080x1920 motion-graphic scenes, generates English and Urdu neural voice-over, synthesizes a continuous music bed, auto-times and assembles the cut with FFmpeg, builds a custom 9:16 and 16:9 thumbnail, then prepares uploads to YouTube, your Facebook Page, Instagram and TikTok. Use when the user wants an app promo video, marketing video, app ad, app trailer, Play Store or Google Play promo video, app demo, feature launch video, or a vertical social clip, in English or Urdu, shipped to the channels. Keywords and triggers - app promo video, app marketing video, promo reel, YouTube Short, YouTube reel, TikTok video, Instagram Reel, Facebook Reel, app ad, app trailer, app demo video, feature launch, bilingual Urdu and English voiceover, emulator screen-capture video, vertical 9x16

相關技能