初始化

init
分类通用
作者Alireza Rezvani
许可MIT
评分4.20/5
使用14.1K

/hub:init — 创建新会话

初始化 AgentHub 协作会话。创建 .agenthub/ 目录结构，生成会话 ID 并配置评估标准。

用法

code
/hub:init                                                    # 交互模式
/hub:init --task "Optimize API" --agents 3 --eval "pytest bench.py" --metric p50_ms --direction lower
/hub:init --task "Refactor auth" --agents 2                  # 无评估（LLM 评委模式）

功能详解

若提供了参数

将其传递给初始化脚本：

bash
python {skill_path}/scripts/hub_init.py \
  --task "{task}" --agents {N} \
  [--eval "{eval_cmd}"] [--metric {metric}] [--direction {direction}] \
  [--base-branch {branch}]

若未提供参数（交互模式）

依次收集以下参数：

1. Task (任务) — 智能体需要做什么？（必填）
2. Agent count (智能体数量) — 需要多少个并行智能体？（默认：3）
3. Eval command (评估命令) — 衡量结果的命令（可选 — 跳过则进入 LLM 评委模式）
4. Metric name (指标名称) — 从评估输出中提取哪个指标（若提供了评估命令则必填）
5. Direction (方向) — 较低更好还是较高更好？（若提供了指标则必填）
6. Base branch (基础分支) — 要分叉的分支（默认：当前分支）

输出示例

code
AgentHub session initialized
  Session ID: 20260317-143022
  Task: Optimize API response time below 100ms
  Agents: 3
  Eval: pytest bench.py --json
  Metric: p50_ms (lower is better)
  Base branch: dev
  State: init

Next step: Run /hub:spawn to launch 3 agents

对于内容或研究类任务（无评估命令 $\rightarrow$ LLM 评委模式）：

code
AgentHub session initialized
  Session ID: 20260317-151200
  Task: Draft 3 competing taglines for product launch
  Agents: 3
  Eval: LLM judge (no eval command)
  Base branch: dev
  State: init

Next step: Run /hub:spawn to launch 3 agents

基准线捕获 (Baseline Capture)

如果提供了 --eval，在创建会话后捕获基准测量值：

1. 在当前工作目录运行评估命令。
2. 从标准输出 (stdout) 中提取指标值。
3. 将 baseline: {value} 追加到 .agenthub/sessions/{session-id}/config.yaml。
4. 显示：Baseline captured: {metric} = {value}。

该基准线将在评估期间由 result_ranker.py --baseline 使用以显示差异。如果此阶段评估命令失败，请警告用户但继续执行 —— 基准线是可选的。

初始化后

告知用户：

  • 会话已创建，ID 为 {session-id}

  • 基准指标（如果已捕获）

  • 下一步：运行 /hub:spawn 启动智能体

  • 或者在存在多个会话时运行 /hub:spawn {session-id}