智能体中心

agenthub

分类编程

作者Alireza Rezvani

许可MIT

评分4.20/5

使用9.6K

AgentHub — 多智能体协作

生成 N 个并行的 AI 智能体针对同一任务进行竞争。每个智能体在隔离的 git worktree 中工作。协调员评估结果并合并获胜者。

斜杠命令 (Slash Commands)

| 命令 | 描述 |
|---------|-------------|
| /hub:init | 创建新的协作会话 —— 定义任务、智能体数量、评估标准 |
| /hub:spawn | 在隔离的 worktree 中启动 N 个并行子智能体 |
| /hub:status | 显示 DAG 状态、智能体进度、分支状态 |
| /hub:eval | 通过指标或 LLM 裁判对智能体结果进行排名 |
| /hub:merge | 合并获胜分支，归档失败分支 |
| /hub:board | 读取/写入智能体留言板 |
| /hub:run | 一键执行完整生命周期：init → baseline → spawn → eval → merge |

智能体模板

使用 --template 启动时，智能体将遵循预定义的迭代模式：

| 模板 | 模式 | 使用场景 |
|----------|---------|----------|
| optimizer | 编辑 → 评估 → 保留/舍弃 → 重复 x10 | 性能、延迟、体积优化 |
| refactorer | 重构 → 测试 → 迭代至通过 | 代码质量、技术债清理 |
| test-writer | 编写测试 → 测量覆盖率 → 重复 | 补全测试覆盖率缺口 |
| bug-fixer | 复现 → 诊断 → 修复 → 验证 | 尝试不同的 Bug 修复方案 |

模板定义在 references/agent-templates.md 中。

技能激活时机

触发词：

"尝试多种方案" (try multiple approaches)

"让智能体竞争" (have agents compete)

"并行优化" (parallel optimization)

"生成 N 个智能体" (spawn N agents)

"对比不同解决方案" (compare different solutions)

"扇出" (fan-out) 或 "锦标赛" (tournament)

"生成内容变体" (generate content variations)

"对比不同草稿" (compare different drafts)

"文案 A/B 测试" (A/B test copy)

"探索多种策略" (explore multiple strategies)

协调员协议 (Coordinator Protocol)

主 Claude Code 会话担任协调员，遵循以下生命周期：

code

INIT (初始化) → DISPATCH (分发) → MONITOR (监控) → EVALUATE (评估) → MERGE (合并)

1. 初始化 (Init)

运行 /hub:init 创建会话。这将生成：

.agenthub/sessions/{session-id}/config.yaml —— 任务配置

.agenthub/sessions/{session-id}/state.json —— 状态机

.agenthub/board/ —— 留言板频道

2. 分发 (Dispatch)

运行 /hub:spawn 启动智能体。对于每个智能体 1..N：

将任务分配发布到 .agenthub/board/dispatch/

通过 Agent 工具启动，设置 isolation: "worktree"

所有智能体在单条消息中并行启动

3. 监控 (Monitor)

运行 /hub:status 检查进度：

dag_analyzer.py --status --session {id} 显示分支状态

留言板 progress/ 频道包含智能体更新

4. 评估 (Evaluate)

运行 /hub:eval 对结果排名：

指标模式 (Metric mode)：在每个 worktree 中运行评估命令，解析数值结果

裁判模式 (Judge mode)：读取 diff，由协调员根据质量排名

混合模式 (Hybrid)：先看指标，平局时由 LLM 裁判决定

5. 合并 (Merge)

运行 /hub:merge 完成最终步骤：

将获胜者 git merge --no-ff 到基准分支

标记失败者：git tag hub/archive/{session}/agent-{i}

清理 worktree

将合并摘要发布到留言板

智能体协议 (Agent Protocol)

每个子智能体接收以下提示词模式：

code

You are agent-{i} in h

hub 会话 {session-id}。你的任务：{task description}

指令：
1. 在 .agenthub/board/dispatch/{seq}-agent-{i}.md 阅读你的分配任务
2. 在你的工作树（worktree）中进行操作 —— 修改代码、运行测试、迭代
3. 提交所有更改，并附带描述性提交信息
4. 将结果摘要写入 .agenthub/board/results/agent-{i}-result.md
5. 完成后退出

code

Agent 之间无法看到彼此的工作，也不进行相互通信。它们仅向看板写入内容，供协调员（Coordinator）阅读。
DAG 模型
分支命名

hub/{session-id}/agent-{N}/attempt-{M}

code

- Session ID：基于时间戳 (YYYYMMDD-HHMMSS)
Agent N：顺序编号 (1 到 agent-count)
Attempt M：重试时递增 (通常为 1)
前沿检测 (Frontier Detection)
前沿 = 没有子分支的分支末端。等同于 AgentHub 的 "leaves" 查询。

bash
python scripts/dag_analyzer.py --frontier --session {id}

code

### 不可变性
DAG 仅支持追加：
严禁对 agent 分支进行 rebase 或强制推送 (force-push)

严禁删除提交（仅在存档后删除分支引用）

每种方案均通过 git tags 保留

消息看板
位置：.agenthub/board/
频道
| 频道 | 写入者 | 阅读者 | 用途 |
|---------|--------|--------|---------|
| dispatch/ | 协调员 | Agents | 任务分配 |
| progress/ | Agents | 协调员 | 状态更新 |
| results/ | Agents + 协调员 | 全部 | 最终结果 + 合并摘要 |
帖子格式

markdown --- author: agent-1 timestamp: 2026-03-17T14:30:22Z channel: results parent: null ---

结果摘要

方案: 将 O(n²) 排序替换为哈希表

修改文件: 3

指标: 142ms (基准: 180ms, 差值: -38ms)

置信度: 高 —— 所有测试均通过

code

### 看板规则
仅限追加：严禁编辑或删除帖子
文件名唯一：{seq:03d}-{author}-{timestamp}.md
所有帖子必须包含 YAML frontmatter
评估模式
基于指标 (Metric-Based)
适用场景：基准测试、测试通过率、文件大小、响应时间。

bash
python scripts/result_ranker.py --session {id} \
--eval-cmd "pytest bench.py --json" \
--metric p50_ms --direction lower

code

排名程序会在每个 agent 的工作树目录中运行评估命令，并从标准输出中解析指标。
LLM 评委 (LLM Judge)
适用场景：代码质量、可读性、架构决策。
协调员读取每个 agent 的 diff (git diff base...agent-branch) 并按以下维度排名：
1. 正确性（是否解决了任务？）
2. 简洁性（倾向于修改行数更少的方案）
3. 质量（执行干净，结构良好）
混合模式 (Hybrid)
先运行指标评估。如果顶尖 agent 之间的差距在 10% 以内，则使用 LLM 评委决定胜出者。
会话生命周期

init (初始化) → running (运行中) → evaluating (评估中) → merged (已合并) → archived (已存档，若无胜出者)

code

状态转换由 session_manager.py 管理：
| 起始状态 | 目标状态 | 触发条件 |
|------|----|---------|
| init | running | /hub:spawn 完成 |
| running | evaluating | 所有 agent 返回 |
| evaluating | merged | /hub:merge 完成 |
| evaluating | archived | 无胜出者 / 全部失败 |
主动触发机制
协调员应在以下情况采取行动：
| 信号 | 行动 |
|--------|--------|
| 所有 agent 崩溃 | 发布失败摘要，建议在不同约束下重试 |
| 相比基准无提升 | 存档会话，建议尝试不同方案 |
| 检测到孤立工作树 | 运行 session_manager.py --cleanup {id} |
| 会话卡在 running 状态 | 检查看板进度，考虑超时处理 |
安装

bash

复制到你的 Cl

code

Claude Code 技能目录
cp -r engineering/agenthub ~/.claude/skills/agenthub
或通过 ClawHub 安装
clawhub install agenthub

脚本

| 脚本 | 用途 |
|--------|---------|
| hub_init.py | 初始化 .agenthub/ 结构和会话 |
| dag_analyzer.py | 前沿检测、DAG 图、分支状态 |
| board_manager.py | 留言板 CRUD（频道、帖子、线程） |
| result_ranker.py | 根据指标或 diff 质量对 Agent 进行排名 |
| session_manager.py | 会话状态机及清理 |

智能体中心

AgentHub — 多智能体协作

斜杠命令 (Slash Commands)

智能体模板

技能激活时机

协调员协议 (Coordinator Protocol)

1. 初始化 (Init)

2. 分发 (Dispatch)

3. 监控 (Monitor)

4. 评估 (Evaluate)

5. 合并 (Merge)

智能体协议 (Agent Protocol)

DAG 模型

`分支命名`

前沿检测 (Frontier Detection)

消息看板

频道

`帖子格式`

结果摘要

评估模式

基于指标 (Metric-Based)

LLM 评委 (LLM Judge)

混合模式 (Hybrid)

`会话生命周期`

主动触发机制

`安装`

复制到你的 Cl

或通过 ClawHub 安装

脚本

相关技能

扫码进交流群