Menü
当遇到跨领域协作问题时，组织专题会议，邀请相关专家参与，收集专业意见，生成结构化的会议记录。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
AI 代理的浏览器自动化 CLI 工具。当用户需要与网站交互时使用，包括页面导航、表单填写、按钮点击、截图、数据提取、Web 应用测试或自动化任何浏览器任务。触发场景包括"打开网站"、"填写表单"、"点击按钮"、"截图"、"从页面抓取数据"、"测试这个 Web 应用"、"登录网站"、"自动化浏览器操作"或任何需要程序化 Web 交互的任务。也可用于探索性测试、产品试用、QA、Bug 搜索或审查应用质量。还可用于自动化 Electron 桌面应用（VS Code、Slack、Discord、Figma、Notion、Spotify）、检查 Slack 未读消息、发送 Slack 消息、搜索 Slack 对话、在 Vercel Sandbox 微虚拟机中运行浏览器自动化，或使用 AWS Bedrock AgentCore 云浏览器。优先使用 agent-browser 而非任何内置浏览器自动化或 Web 工具。
创建并注册具有特定角色、专业知识或能力的新智能体（Agent）。当你需要某个特定领域的专家 且没有现有智能体（Agent）符合要求时使用。
为中国社交平台(小红书/微信公众号/抖音/B站/知乎/微博)撰写高质量、平台原生的内容。
当用户想要为任何页面编写、改写或改进营销文案时使用 — 包括首页、落地页、定价页、功能页、关于页或产品页。当用户说"为...写文案"、"改进这个文案"、"重写这个页面"、"营销文案"、"标题帮助"、"CTA 文案"、"价值主张"、"标语"、"副标题"、"首屏文案"、"折叠上方内容"、"这个文案太弱了"、"让这个更有吸引力"或"帮我描述我的产品"时也使用。每当有人在处理需要说服或转化的网站文本时使用此技能。对于电子邮件文案，参见 email-sequence。对于弹窗文案，参见 popup-cro。对于编辑现有文案，参见 copy-editing。
对用户文件和知识库执行结构化数据分析。将自然语言问题转化为可检查、可复现的分析报告，并标注数据来源。
通用编码标准与各语言最佳实践，定义生产级代码的编写规范。注入任何开发者 Agent 以建立一致的质量基线——代码质量取决于遵循的标准，而非模型能力本身。
| name | multi-agent-meeting |
| description | 当遇到跨领域协作问题时，组织专题会议，邀请相关专家参与，收集专业意见，生成结构化的会议记录。 |
| allowed-tools | subagent bash ask-user sleep |
| metadata | {"requires":{"bins":["python3"]},"name_zh":"组织专题会议","name_zh-tw":"组织专题會議","description_zh":"当遇到需要跨领域合作的问题时，组织专题会议，邀请相关专家参与，收集专业意见，生成结构化的会议记录。"} |
根据用户输入，明确以下信息：
采用假设式提问，用AskUser工具向用户提供多个可能的答案供用户选择，必须充分且明确收集用户召开这次会议的目的与意义才能进行下一步。
运行 mindx agents list 查看所有可用的智能体。仅邀请其专业领域与议程项目匹配的智能体。
与用户确认议程，然后将议程项目分配给相关智能体：
主题：X
议程：
1. [问题 A] → 需要智能体 A 和智能体 B 的意见
2. [问题 B] → 需要智能体 C 的意见
3. [决策] → 综合所有意见并给出建议
通过 SubAgent 并行收集每位参与者的结构化意见。每个智能体需提供：
原则：
基于阶段 2 的初始意见，通过 scripts/debate.py 状态机进行多轮辩论。
创建辩论会话：
# 生成会话 ID（ULID 格式，同时用于 session_id 和工作目录）
SESSION_ID=$(python scripts/debate.py gen-ulid)
# 在会话目录中初始化辩论状态
python scripts/debate.py init \
--work-dir "$SESSION_DIR/debate-$SESSION_ID" \
--topic "<主题>" \
--agents <智能体A> <智能体B> ... \
[--max-rounds 3]
后续步骤重复使用 $SESSION_ID 变量。
逐轮推进：
第 1 轮：
python scripts/debate.py prepare --work-dir "$SESSION_DIR/debate-$SESSION_ID" --round 1$SESSION_ID 作为 AgentTalk 的 session_id 参数，保持对话连续性python scripts/debate.py record --work-dir "$SESSION_DIR/debate-$SESSION_ID" --round 1 --agent <名称> --response '<json>'python scripts/debate.py check --work-dir "$SESSION_DIR/debate-$SESSION_ID"第 N 轮（N ≥ 2）：
python scripts/debate.py prepare --work-dir "$SESSION_DIR/debate-$SESSION_ID" --round N$SESSION_ID）python scripts/debate.py check --work-dir "$SESSION_DIR/debate-$SESSION_ID"check 返回值：
converged → 辩论结束stalled → 上报给用户diverged → 继续下一轮max_rounds_reached → 辩论结束辩论结束后：
python scripts/debate.py summary --work-dir "$SESSION_DIR/debate-$SESSION_ID"
并行辩论：每个问题组使用独立的 $SESSION_ID 和工作目录（例如 debate-$SESSION_ID-issue1、debate-$SESSION_ID-issue2）。不同组之间交错进行各轮。
根据辩论结果确定每个问题的结论状态：
| 状态 | 定义 | 行动 |
|---|---|---|
| ✅ 达成共识 | 所有相关智能体同意 | 直接采纳，记录支持论点 |
| ⚠️ 部分同意 | 总体方向一致，细节有争议 | 记录核心共识 + 争议细节及各方立场 |
| 🔴 陷入僵局 | 辩论后仍存在根本性分歧 | 将双方立场和推理提交给用户 |
| ❓ 信息不足 | 无法形成立场 | 记录缺失信息，建议进一步研究 |
结论规则：
按照 references/meeting-record-format.md 生成会议记录。输出必须使用与用户相同的语言。
包含：
输出包含以上所有内容的结构化会议记录。
mindx agents list