spawn

Visão geral do skill spawn

O que o spawn faz

spawn é um skill do AgentHub para iniciar vários agentes de programação em paralelo sobre a mesma tarefa de uma sessão. Em vez de pedir a um único assistente que resolva um problema de forma sequencial, o skill spawn cria N subagentes em git worktrees isolados, para que eles possam competir usando estratégias diferentes sem sobrescrever as alterações uns dos outros.

Use quando você já tiver uma sessão AgentHub inicializada e quiser exploração paralela para trabalhos de implementação, refatoração, testes, otimização ou correção de bugs.

Melhor uso em Agent Orchestration

spawn for Agent Orchestration é mais útil quando a tarefa tem mais de um caminho de solução plausível. Ele se encaixa bem para equipes ou desenvolvedores solo que querem que agentes explorem alternativas, comparem resultados e reduzam o risco de ficar presos à primeira implementação.

Bons candidatos incluem ajuste de performance, grandes refatorações, investigação de bugs intermitentes, cobertura de testes ausente e mudanças de código em que abordagens independentes podem revelar tradeoffs.

O que diferencia este skill spawn

O principal diferencial é a combinação de isolamento com competição estruturada. Cada agente trabalha em seu próprio git worktree, o que mantém edições paralelas separadas e torna a comparação posterior mais segura. O skill também oferece suporte a templates como optimizer, refactorer, test-writer e bug-fixer, permitindo que os prompts de despacho correspondam ao tipo de tarefa de engenharia em vez de usar uma instrução genérica do tipo “resolva isto”.

Pontos a considerar antes de adotar

Este skill pressupõe que você já usa o fluxo de trabalho mais amplo do AgentHub. Ele não é um pacote autônomo que simplesmente roda em qualquer repositório sem configuração. O caminho do repositório contém apenas SKILL.md, então usuários devem esperar que a definição do skill dependa de convenções e referências adjacentes do AgentHub, incluindo configuração de sessão e arquivos de template fora da pasta do skill.

Como usar o skill spawn

Contexto de instalação do spawn

Instale o skill a partir do repositório de origem com:

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

Depois da instalação, confirme que seu ambiente oferece suporte aos comandos do AgentHub e que uma sessão já foi inicializada. O comando exposto pelo skill é:

/hub:spawn

A decisão de instalar o spawn deve se basear em você precisar de agentes paralelos coordenados, não apenas de mais um atalho de prompt. Se o seu fluxo de trabalho não usa git worktrees nem orquestração baseada em sessões, revise a configuração mais ampla do AgentHub antes de depender deste skill.

Uso básico do spawn

Formas comuns de comando:

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

Use /hub:spawn para a sessão mais recente. Passe um ID de sessão quando precisar direcionar o comando para uma sessão específica do AgentHub. Adicione --template <name> quando a tarefa se beneficiar de um padrão operacional especializado.

A intenção dos templates compatíveis com o skill inclui:

• optimizer: ciclos repetidos de editar/avaliar/manter-ou-descartar
• refactorer: reestruturar, testar e iterar até tudo ficar verde
• test-writer: adicionar testes e medir a melhoria de cobertura
• bug-fixer: reproduzir, diagnosticar, corrigir e verificar

Entradas que melhoram a saída dos agentes

Um bom prompt para uso do spawn começa antes do comando: a tarefa da sessão deve ser específica o bastante para que múltiplos agentes atuem de forma independente e comparem resultados. Inclua os arquivos-alvo, critérios de aceite, comandos de teste, restrições e o que significa “melhor”.

Meta fraca para a sessão:

Improve the API code.

Meta mais forte para a sessão:

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.

Isso dá aos agentes gerados um alvo comum, mas ainda deixa espaço para estratégias diferentes.

Arquivos para ler antes de executar

Comece por SKILL.md em engineering/agenthub/skills/spawn. Em seguida, inspecione os materiais vizinhos do AgentHub referenciados pelo skill, especialmente qualquer documentação de configuração de sessão e agent-templates.md, se disponível no repositório instalado. Os detalhes mais importantes a verificar são como as sessões são nomeadas, como os N agentes são escolhidos, onde os worktrees são criados e como a comparação final ou a seleção para merge é conduzida.

FAQ do skill spawn

Quando devo usar spawn em vez de um prompt normal?

Use spawn quando a exploração paralela tiver valor real. Um prompt normal costuma ser suficiente para pequenas edições, mudanças de documentação ou tarefas com uma resposta óbvia. O skill spawn é melhor quando estratégias de implementação, desenhos de teste ou hipóteses de depuração diferentes podem levar a resultados significativamente distintos.

O spawn é indicado para iniciantes?

Ele só é amigável para iniciantes se você já entende o fluxo de trabalho ao redor do AgentHub e o comportamento básico de git worktree. O comando em si é simples, mas o modelo operacional é mais avançado: vários agentes produzirão alterações separadas que precisam ser revisadas, testadas e selecionadas.

O que pode impedir um bom uso do spawn?

Os principais bloqueios são uma sessão AgentHub não inicializada, definição de tarefa pouco clara, comandos de teste ausentes e repositórios que não são seguros para alterações paralelas em worktrees. Outra limitação é que a pasta do skill é mínima; o contexto útil de orquestração fica no sistema AgentHub mais amplo, portanto não avalie este skill como uma ferramenta totalmente autocontida.

Quando o spawn é a escolha errada?

Evite spawn para lidar com segredos, executar operações irreversíveis em produção, fazer correções minúsculas de uma linha ou realizar tarefas em que o esforço duplicado dos agentes gere mais ruído do que insight. Ele também é uma má escolha quando você não consegue rodar testes ou comparar resultados, porque o valor dos agentes paralelos depende de uma seleção baseada em evidências.

Como melhorar o skill spawn

Torne os prompts do spawn mais comparáveis

Para obter resultados melhores com spawn, defina métricas de sucesso que todos os agentes possam otimizar. Bons critérios de comparação incluem testes passando, menor tempo de execução, diff menor, limites de API mais claros, cobertura melhorada ou evidências de reprodução do bug. Sem critérios compartilhados, os resultados paralelos ficam difíceis de avaliar.

Atribua estratégias diversas de propósito

A orientação de templates do skill funciona melhor quando cada agente recebe uma estratégia diferente. Para uma correção de bug, um agente pode começar pela reprodução, outro pelo histórico recente do git e outro por testes de condições de contorno. Para otimização, um pode reduzir alocações, outro pode usar cache e outro pode alterar a complexidade algorítmica. Diversidade é o ponto central do skill spawn.

Evite modos de falha comuns

Falhas comuns incluem iniciar agentes para metas vagas, deixar todos os agentes seguirem o mesmo plano, pular a verificação e fazer merge da solução que parece maior em vez da mais bem sustentada. Mantenha a tarefa delimitada, exija comandos de teste e peça que os agentes resumam sua abordagem, tradeoffs, arquivos alterados e resultados de verificação.

Itere depois da primeira execução do spawn

Depois da primeira execução, compare os worktrees antes de fazer merge. Mantenha o candidato mais forte, descarte branches fracas ou rode uma segunda rodada de spawn usando o que você aprendeu. Uma instrução útil de acompanhamento é:

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.

Isso transforma o spawn de uma competição pontual em um ciclo prático de orquestração de agentes.