spawn

Überblick über den spawn skill

Was spawn leistet

spawn ist ein AgentHub skill, mit dem mehrere parallele Coding-Agents an derselben Session-Aufgabe arbeiten können. Statt einen einzelnen Assistant ein Problem nacheinander lösen zu lassen, erstellt der spawn skill N Subagents in isolierten git worktrees. So können sie mit unterschiedlichen Strategien gegeneinander antreten, ohne sich gegenseitig Änderungen zu überschreiben.

Setzen Sie ihn ein, wenn Sie bereits eine initialisierte AgentHub-Session haben und parallele Exploration für Implementierung, Refactoring, Tests, Optimierung oder Bug-Fixing nutzen möchten.

Am besten geeignet für Agent Orchestration

spawn for Agent Orchestration ist besonders nützlich, wenn es für eine Aufgabe mehr als einen plausiblen Lösungsweg gibt. Der Skill passt zu Teams oder einzelnen Entwicklerinnen und Entwicklern, die Agents Alternativen erkunden lassen, Ergebnisse vergleichen und das Risiko verringern möchten, sich zu früh auf die erste Implementierung festzulegen.

Gute Einsatzfälle sind Performance-Tuning, größere Refactorings, die Untersuchung sporadischer Bugs, fehlende Testabdeckung und Codeänderungen, bei denen unabhängige Ansätze wichtige Trade-offs sichtbar machen können.

Was diesen spawn skill unterscheidet

Der wichtigste Unterschied liegt in der Kombination aus Isolation und strukturiertem Wettbewerb. Jeder Agent arbeitet in seinem eigenen git worktree. Dadurch bleiben parallele Änderungen getrennt, und ein späterer Vergleich wird sicherer. Der Skill unterstützt außerdem Templates wie optimizer, refactorer, test-writer und bug-fixer, sodass Dispatch-Prompts zur jeweiligen Engineering-Aufgabe passen, statt nur eine generische „solve this“-Anweisung zu verwenden.

Überlegungen vor der Einführung

Dieser Skill setzt voraus, dass Sie bereits mit dem umgebenden AgentHub-Workflow arbeiten. Er ist kein eigenständiges Paket, das ohne weitere Einrichtung einfach in jedem Repository läuft. Der Repository-Pfad enthält nur SKILL.md; Nutzerinnen und Nutzer sollten daher damit rechnen, dass die Skill-Definition von benachbarten AgentHub-Konventionen und Referenzen abhängt, einschließlich Session-Konfiguration und Template-Dateien außerhalb des Skill-Ordners.

So verwenden Sie den spawn skill

Installationskontext für spawn

Installieren Sie den Skill aus dem Quell-Repository mit:

npx skills add alirezarezvani/claude-skills --skill spawn

Prüfen Sie nach der Installation, ob Ihre Umgebung AgentHub-Befehle unterstützt und ob bereits eine Session initialisiert wurde. Der vom Skill bereitgestellte Befehl lautet:

/hub:spawn

Die Entscheidung für die Installation von spawn sollte davon abhängen, ob Sie koordinierte parallele Agents benötigen — nicht nur eine weitere Prompt-Abkürzung. Wenn Ihr Workflow keine git worktrees oder sessionbasierte Orchestrierung nutzt, sollten Sie zunächst das breitere AgentHub-Setup prüfen, bevor Sie sich auf diesen Skill verlassen.

Grundlegende Verwendung von spawn

Typische Befehlsformen sind:

/hub:spawn
/hub:spawn 20260317-143022
/hub:spawn --template optimizer
/hub:spawn --template refactorer

Verwenden Sie /hub:spawn für die neueste Session. Übergeben Sie eine Session-ID, wenn Sie gezielt eine bestimmte AgentHub-Session ansprechen möchten. Fügen Sie --template <name> hinzu, wenn die Aufgabe von einem spezialisierten Arbeitsmuster profitiert.

Die vom Skill unterstützten Template-Zwecke umfassen:

• optimizer: wiederholte edit/evaluate/keep-or-discard-Zyklen
• refactorer: umstrukturieren, testen und iterieren, bis alles grün ist
• test-writer: Tests ergänzen und Verbesserung der Coverage messen
• bug-fixer: reproduzieren, diagnostizieren, beheben und verifizieren

Eingaben, die bessere Agent-Ergebnisse liefern

Eine starke Nutzung von spawn beginnt schon vor dem Befehl: Die Session-Aufgabe sollte so konkret sein, dass mehrere Agents unabhängig handeln und ihre Ergebnisse vergleichbar bleiben. Nennen Sie Zieldateien, Akzeptanzkriterien, Testbefehle, Einschränkungen und was „besser“ in diesem Kontext bedeutet.

Schwaches Session-Ziel:

Improve the API code.

Stärkeres Session-Ziel:

Refactor the user lookup API to reduce duplicate database calls without changing response shape.
Focus on src/api/users.ts and src/services/user-cache.ts.
Run npm test -- users and npm run lint.
Preserve public types. Prefer minimal changes unless an agent can prove a cleaner design with tests.

So erhalten die gestarteten Agents ein gemeinsames Ziel, haben aber weiterhin Raum für unterschiedliche Strategien.

Dateien, die Sie vor dem Ausführen lesen sollten

Beginnen Sie mit SKILL.md in engineering/agenthub/skills/spawn. Prüfen Sie anschließend die benachbarten AgentHub-Materialien, auf die der Skill verweist — insbesondere Dokumentation zum Session-Setup und agent-templates.md, sofern im installierten Repository vorhanden. Besonders wichtig ist zu klären, wie Sessions benannt werden, wie N Agents ausgewählt werden, wo worktrees angelegt werden und wie der finale Vergleich beziehungsweise die Auswahl für den Merge gehandhabt wird.

FAQ zum spawn skill

Wann sollte ich spawn statt eines normalen Prompts verwenden?

Verwenden Sie spawn, wenn parallele Exploration echten Mehrwert bietet. Für kleine Änderungen, Dokumentationsanpassungen oder Aufgaben mit einer offensichtlichen Lösung reicht ein normaler Prompt meist aus. Der spawn skill ist besser geeignet, wenn unterschiedliche Implementierungsstrategien, Testdesigns oder Debugging-Hypothesen zu deutlich unterschiedlichen Ergebnissen führen könnten.

Ist spawn anfängerfreundlich?

Nur dann, wenn Sie den umgebenden AgentHub-Workflow und das grundlegende Verhalten von git worktrees bereits verstehen. Der Befehl selbst ist einfach, das operative Modell ist jedoch anspruchsvoller: Mehrere Agents erzeugen getrennte Änderungen, die überprüft, getestet und ausgewählt werden müssen.

Was kann eine erfolgreiche Nutzung von spawn blockieren?

Die wichtigsten Blocker sind eine nicht initialisierte AgentHub-Session, eine unklare Aufgabenbeschreibung, fehlende Testbefehle und Repositories, die für parallele worktree-Änderungen nicht sicher geeignet sind. Eine weitere Einschränkung: Der Skill-Ordner ist minimal gehalten; der nützliche Orchestrierungskontext liegt im breiteren AgentHub-System. Bewerten Sie ihn daher nicht als vollständig eigenständiges Tool.

Wann ist spawn die falsche Wahl?

Vermeiden Sie spawn beim Umgang mit Secrets, bei irreversiblen Produktionsoperationen, winzigen Ein-Zeilen-Fixes oder Aufgaben, bei denen doppelte Agent-Arbeit eher Rauschen als Erkenntnis erzeugt. Der Skill passt auch schlecht, wenn Sie keine Tests ausführen oder Ergebnisse nicht vergleichen können, denn der Nutzen paralleler Agents hängt von evidenzbasierter Auswahl ab.

So verbessern Sie den spawn skill

spawn-Prompts besser vergleichbar machen

Um bessere Ergebnisse mit spawn zu erzielen, definieren Sie Erfolgsmetriken, an denen sich jeder Agent orientieren kann. Gute Vergleichskriterien sind bestandene Tests, geringere Laufzeit, kleinere Diff-Größe, klarere API-Grenzen, verbesserte Coverage oder belastbare Nachweise für einen reproduzierten Bug. Ohne gemeinsame Kriterien werden parallele Ergebnisse schwer zu bewerten.

Unterschiedliche Strategien bewusst zuweisen

Die Template-Hinweise des Skills sind am stärksten, wenn jeder Agent eine andere Strategie erhält. Bei einem Bugfix könnte ein Agent mit der Reproduktion beginnen, ein anderer mit der jüngsten git-Historie und ein dritter mit Tests für Grenzfälle. Bei einer Optimierung könnte einer Allocations reduzieren, ein anderer Caching einführen und ein weiterer die algorithmische Komplexität ändern. Vielfalt ist der Kern des spawn skill.

Häufige Fehlermuster vermeiden

Typische Fehler sind das Starten von Agents auf Basis vager Ziele, alle Agents denselben Plan verfolgen zu lassen, Verifikation zu überspringen und die umfangreichste Lösung statt der am besten belegten zu mergen. Halten Sie die Aufgabe begrenzt, verlangen Sie Testbefehle und bitten Sie die Agents, ihren Ansatz, Trade-offs, geänderte Dateien und Verifikationsergebnisse zusammenzufassen.

Nach dem ersten spawn-Lauf iterieren

Vergleichen Sie nach dem ersten Lauf die worktrees, bevor Sie mergen. Behalten Sie den stärksten Kandidaten, verwerfen Sie schwache Branches oder starten Sie eine zweite spawn-Runde auf Basis der gewonnenen Erkenntnisse. Eine nützliche Folgeanweisung ist:

Use the best result from agent 2 as the baseline.
Spawn new agents to improve reliability and reduce diff size.
All agents must preserve the public API and run the same test command.

So wird aus spawn kein einmaliger Wettbewerb, sondern eine praktische Schleife für Agent Orchestration.