spawn

Descripción general de la skill spawn

Qué hace spawn

spawn es una skill de AgentHub para lanzar varios agentes de programación en paralelo sobre la misma tarea de sesión. En lugar de pedirle a un único asistente que resuelva un problema de forma secuencial, la skill spawn crea N subagentes en git worktrees aislados para que puedan competir con estrategias distintas sin sobrescribir los cambios de los demás.

Úsala cuando ya tengas una sesión de AgentHub inicializada y quieras exploración en paralelo para trabajos de implementación, refactorización, pruebas, optimización o corrección de errores.

Mejor encaje para Agent Orchestration

spawn for Agent Orchestration resulta más útil cuando la tarea tiene más de una ruta de solución plausible. Encaja bien con equipos o desarrolladores individuales que quieren que los agentes exploren alternativas, comparen resultados y reduzcan el riesgo de quedarse anclados en la primera implementación.

Buenos casos de uso incluyen ajustes de rendimiento, refactorizaciones grandes, investigaciones de bugs intermitentes, cobertura de pruebas insuficiente y cambios de código donde los enfoques independientes pueden revelar tradeoffs.

Qué diferencia a esta skill spawn

El diferenciador principal es la combinación de aislamiento y competencia estructurada. Cada agente trabaja en su propio git worktree, lo que mantiene separadas las ediciones en paralelo y hace más segura la comparación posterior. La skill también admite plantillas como optimizer, refactorer, test-writer y bug-fixer, de modo que los prompts de asignación pueden ajustarse al tipo de tarea de ingeniería en lugar de usar una instrucción genérica del tipo “resuelve esto”.

Consideraciones antes de adoptarla

Esta skill asume que ya estás usando el flujo de trabajo más amplio de AgentHub. No es un paquete independiente que simplemente se ejecuta desde cualquier repositorio sin configuración previa. La ruta del repositorio solo contiene SKILL.md, por lo que los usuarios deben esperar que la definición de la skill dependa de convenciones y referencias adyacentes de AgentHub, incluida la configuración de sesiones y archivos de plantillas fuera de la carpeta de la skill.

Cómo usar la skill spawn

Contexto de instalación de spawn

Instala la skill desde el repositorio de origen con:

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

Después de la instalación, confirma que tu entorno admite comandos de AgentHub y que ya se inicializó una sesión. El comando expuesto por la skill es:

/hub:spawn

La decisión de instalar spawn debe basarse en si necesitas agentes paralelos coordinados, no solo otro atajo de prompt. Si tu flujo de trabajo no usa git worktrees ni orquestación basada en sesiones, revisa la configuración general de AgentHub antes de depender de esta skill.

Uso básico de spawn

Las formas comunes del comando son:

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

Usa /hub:spawn para la sesión más reciente. Pasa un ID de sesión cuando necesites apuntar a una sesión específica de AgentHub. Añade --template <name> cuando la tarea se beneficie de un patrón de trabajo especializado.

La intención de las plantillas admitidas por la skill incluye:

• optimizer: ciclos repetidos de editar/evaluar/conservar o descartar
• refactorer: reestructurar, probar e iterar hasta que todo pase
• test-writer: añadir pruebas y medir la mejora de cobertura
• bug-fixer: reproducir, diagnosticar, corregir y verificar

Entradas que mejoran la salida de los agentes

Un buen uso de spawn empieza antes del comando: la tarea de la sesión debe ser lo bastante específica para que varios agentes puedan actuar de forma independiente y comparar resultados. Incluye los archivos objetivo, criterios de aceptación, comandos de prueba, restricciones y qué significa “mejor”.

Objetivo de sesión débil:

Improve the API code.

Objetivo de sesión más sólido:

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.

Esto da a los agentes generados un objetivo compartido, pero deja espacio para estrategias diferentes.

Archivos que conviene leer antes de ejecutarla

Empieza por SKILL.md en engineering/agenthub/skills/spawn. Luego revisa los materiales vecinos de AgentHub a los que hace referencia la skill, especialmente cualquier documentación de configuración de sesiones y agent-templates.md si está disponible en el repositorio instalado. Los detalles más importantes que debes verificar son cómo se nombran las sesiones, cómo se elige el número N de agentes, dónde se crean los worktrees y cómo se gestiona la comparación final o la selección para merge.

Preguntas frecuentes sobre la skill spawn

Cuándo usar spawn en lugar de un prompt normal

Usa spawn cuando la exploración en paralelo aporte valor real. Un prompt normal suele bastar para ediciones pequeñas, cambios de documentación o tareas con una respuesta obvia. La skill spawn es mejor cuando distintas estrategias de implementación, diseños de pruebas o hipótesis de depuración pueden llevar a resultados significativamente diferentes.

¿spawn es apta para principiantes?

Solo es apta para principiantes si ya entiendes el flujo de trabajo de AgentHub y el comportamiento básico de git worktree. El comando en sí es simple, pero el modelo operativo es más avanzado: varios agentes producirán cambios separados que habrá que revisar, probar y seleccionar.

Qué puede impedir un uso exitoso de spawn

Los principales bloqueos son una sesión de AgentHub sin inicializar, una definición de tarea poco clara, la ausencia de comandos de prueba y repositorios que no son seguros para cambios paralelos en worktrees. Otra limitación es que la carpeta de la skill es mínima; el contexto de orquestación útil vive en el sistema AgentHub más amplio, así que no conviene evaluarla como una herramienta completamente autocontenida.

Cuándo spawn no es la opción adecuada

Evita spawn para manejo de secretos, operaciones de producción irreversibles, correcciones diminutas de una sola línea o tareas donde duplicar el esfuerzo de los agentes genere ruido en vez de información. También encaja mal cuando no puedes ejecutar pruebas ni comparar resultados, porque el valor de los agentes en paralelo depende de una selección basada en evidencia.

Cómo mejorar la skill spawn

Haz que los prompts de spawn sean más comparables

Para obtener mejores resultados con spawn, define métricas de éxito contra las que todos los agentes puedan optimizar. Buenos criterios de comparación incluyen pruebas que pasen, menor tiempo de ejecución, diffs más pequeños, límites de API más claros, mejor cobertura o evidencia de reproducción de un bug. Sin criterios compartidos, las salidas paralelas se vuelven difíciles de evaluar.

Asigna estrategias diversas de forma intencional

La guía de plantillas de la skill es más potente cuando cada agente recibe una estrategia distinta. Para corregir un bug, un agente podría empezar por la reproducción, otro por el historial reciente de git y otro por pruebas de condiciones límite. Para optimización, uno podría reducir asignaciones, otro introducir caché y otro cambiar la complejidad algorítmica. La diversidad es el propósito de la skill spawn.

Evita modos de fallo comunes

Entre los fallos comunes están lanzar agentes con objetivos vagos, dejar que todos sigan el mismo plan, saltarse la verificación y hacer merge de la solución que parece más grande en lugar de la mejor respaldada. Mantén la tarea acotada, exige comandos de prueba y pide a los agentes que resuman su enfoque, tradeoffs, archivos modificados y resultados de verificación.

Itera después de la primera ejecución de spawn

Después de la primera ejecución, compara los worktrees antes de hacer merge. Conserva el candidato más sólido, descarta ramas débiles o lanza una segunda ronda de spawn con lo aprendido. Una instrucción de seguimiento útil es:

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.

Eso convierte spawn de una competencia de una sola vez en un bucle práctico de orquestación de agentes.