Awesome Code

Awesome Code - AI 自主规划多代理软件开发协调系统

本技能用于“复杂开发任务”的多代理编排：确定性脚本只负责路径发现、Agent 摘要收集、配置约束读取和 required route 可用性门禁；任务理解、Agent 选择与执行策略由 AI 自主完成。

与 bensz-collect-bugs 的协作约定

• 因本 skill 设计缺陷导致的 bug，先用 bensz-collect-bugs 规范记录到 ~/.bensz-skills/bugs/，不要直接修改用户本地已安装的 skill 源码；若有 workaround，先记 bug，再继续完成任务。
• 只有用户明确要求“report bensz skills bugs”等公开上报时，才用本地 gh 上传新增 bug 到 huangwb8/bensz-bugs；不要 pull / clone 整个仓库。

执行前置：动态发现技能安装路径（硬编码部分）

在调用任何脚本之前，必须先运行 scripts/get_path.py 动态发现真实安装路径，并使用返回的绝对路径执行后续命令（避免硬编码 ~/.claude/skills/ / .claude/skills/）。

python3 ~/.claude/skills/awesome-code/scripts/get_path.py
python3 ~/.codex/skills/awesome-code/scripts/get_path.py
# 或（项目级安装）
python3 .claude/skills/awesome-code/scripts/get_path.py
python3 .codex/skills/awesome-code/scripts/get_path.py

从 JSON 输出中读取：

• skill_root
• executable_scripts.*（例如 executable_scripts.agent_coordinator）

核心理念

• 脚本做确定性操作：路径发现、agents/*/SKILL.md frontmatter 摘要提取、配置加载、Agent 缺失检查
• AI 做语义判断：理解任务、选择 Agent、决定 single-pass / focused-agent / parallel / sequential 策略
• 少分派优先：小而明确的任务直接完成；只有专业风险、跨模块依赖或用户明确要求协作时才升级
• 歧义先拦截：目标、边界或验收标准不清楚的高风险/宽泛任务，由 AI 主动澄清或显式记录保守假设
• 外科手术式修改：每轮遵守 dispatch_guidance.minimal_change_scope_default
• 目标驱动验证：执行前先决定怎样证明完成，执行后报告验证结果
• 强制门禁：配置中的 required route agent 缺失、禁用或不可调度时，必须通过 dispatch_gate 阻塞继续执行
• 留痕可审计：实际调用 required agent 后，需要补 dispatch_receipts 才能证明门禁已被满足
• 专业化分工：每个子代理专注一个领域，降低单模型的认知负担
• 渐进式信息披露：只在需要时加载对应子代理的 SKILL.md

代理团队

| role | 领域 | |------|------| | tdd-workflow | TDD 测试驱动开发 | | systematic-debugging | 系统化调试与根因分析 | | code-reviewer | 代码审查与质量保证 | | git-workflow | Git 工作流与版本控制 | | frontend-specialist | 前端开发与组件设计 | | backend-specialist | 后端开发与 API 设计 | | devops-specialist | DevOps 与自动化运维 | | security-specialist | 应用安全与合规 | | documentation-specialist | 技术文档与 API 文档 | | context-optimizer | 上下文管理与优化 | | brainstorming | 交互式设计优化 | | mirror-optimizer | 镜像源优化 | | writing-plans | 实施计划与任务拆解 | | multi-agent-coordinator | 多代理协调 |

核心工作流

1. 运行 get_path.py，拿到 executable_scripts.agent_coordinator 的绝对路径。
2. 调用 agent_coordinator.py 收集规划上下文，读取 available_agents、config_constraints、dispatch_guidance 与 dispatch_gate。
3. 若 dispatch_gate.can_proceed = false：

• 停止继续执行，不要假装已经进入实现阶段
• 明确说明 blocking_reason 与 missing_agents
• 只给出“如何补齐 required route agent / 配置 / 运行条件”的下一步

1. 若门禁允许继续，AI 自主规划：

• 阅读任务描述和 available_agents 的 description
• 判断是否需要澄清；用户要求自主推进时，选择最保守且可验证的假设
• 自行选择 single-pass、focused-agent、parallel 或 sequential
• 若选择子代理，只加载选中 Agent 的 awesome-code/agents/{role}/SKILL.md
• 若判断某个 config_constraints.required_routes 适用，该 route 中的 agents 视为 required

1. 按规划执行：

• single-pass：主模型直接完成
• focused-agent：调用一个主代理并整合结果
• parallel：相互独立的任务并行，例如测试、文档、静态检查
• sequential：存在依赖链的任务顺序执行，例如先定位根因、再修复、再补测试
• 全程遵守 dispatch_guidance 的最小变更边界

1. 聚合结果并留痕：

• 统一口径（术语/目标/约束）
• 标注 P0/P1/P2 优先级
• 为实际调用的 required agent 回填 dispatch_receipts
• 对照自定验收标准与验证计划给出结果

自主规划输出

agent_coordinator.py 不再输出 recommended_agents、confidence 或 execution_plan。这些属于 AI 的语义规划职责。

脚本输出至少包含：

• planning_mode
• available_agents
• agent_count
• config_constraints.required_routes
• dispatch_gate.can_proceed
• dispatch_gate.blocking_reason
• dispatch_gate.missing_agents
• dispatch_guidance

Agent 选择指导

• Bug、测试失败和异常优先考虑 systematic-debugging；先根因，后修复。
• test-first、回归测试和覆盖率任务优先考虑 tdd-workflow。
• 安全、认证、权限、注入和敏感数据任务优先考虑 security-specialist。
• 前端实现、UI/UX、设计系统、仪表盘和落地页任务优先考虑 frontend-specialist；需要先探索方向时可先用 brainstorming。
• API、服务端、数据库和业务逻辑任务优先考虑 backend-specialist。
• 部署、CI/CD、容器和运维任务优先考虑 devops-specialist。
• 文档、README 和 API 文档任务优先考虑 documentation-specialist。
• 计划、拆解和跨代理协调分别考虑 writing-plans 与 multi-agent-coordinator。

最小示例：

python3 ~/.claude/skills/awesome-code/scripts/get_path.py
python3 /ABS/PATH/awesome-code/scripts/agent_coordinator.py "fix login bug"

常用脚本

注意：脚本路径以 get_path.py 输出为准。

• scripts/get_path.py：输出 skill_root 与可执行脚本绝对路径（JSON）
• scripts/agent_coordinator.py：Agent 摘要收集 + 配置约束 + dispatch_gate
• scripts/subagent_policy.py：读取 required routes 并校验配置中 required route agents 是否可用
• scripts/subagent_dispatch_audit.py：生成 dispatch_manifest 并校验 dispatch_receipts
• scripts/create_test_session.py：创建 A/B 轮会话目录与计划骨架（便于追溯）
• scripts/test_runner.py：运行测试/覆盖率
• scripts/code_analyzer.py：静态分析与质量检查
• scripts/performance_benchmark.py：基准测试与报告

Single Source of Truth

• 版本号仅在 awesome-code/config.yaml:skill_info.version 维护；SKILL.md 不记录版本历史。
• 代理启用状态：awesome-code/config.yaml:multi_agent.enabled_agents
• 强制分派策略：awesome-code/config.yaml:multi_agent.dispatch_policy.*
• 质量阈值/开关：awesome-code/config.yaml:tdd、awesome-code/config.yaml:code_review 等
• 变更记录：awesome-code/CHANGELOG.md

参考资料（仅一层深度；需要时按需加载）

• TDD：awesome-code/references/tdd-best-practices.md
• 系统化调试：awesome-code/references/debugging-systematic.md
• 代码审查清单：awesome-code/references/code-review-checklist.md
• Git 工作流：awesome-code/references/git-workflow.md
• 多代理协调模式：awesome-code/references/multi-agent-patterns.md
• 上下文优化策略：awesome-code/references/context-optimization.md
• 批判性思维与测试优化：awesome-code/references/CRITICAL_THINKING_GUIDE.md
• A 轮计划模板：awesome-code/references/A_ROUND_PLAN_TEMPLATE.md
• 建设性建议：awesome-code/references/CONSTRUCTIVE_SUGGESTION_GUIDELINES.md
• 问题挖掘技巧：awesome-code/references/ISSUE_DISCOVERY_TECHNIQUES.md
• 反例库：awesome-code/references/ANTI_PATTERNS_LIBRARY.md
• 脚本调用策略：awesome-code/references/SCRIPT_PATH_STRATEGY.md

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: huangwb8
• Source: huangwb8/skills
• License: MIT

Install and usage instructions live in the source repository linked above.