| name | claude-devfleet |
| description | 通过Claude DevFleet协调多智能体编码任务——规划项目、在隔离的工作树中并行调度智能体、监控进度并读取结构化报告。 |
| origin | community |
当需要调度多个 Claude Code 智能体并行处理编码任务时使用此技能。每个智能体在独立的 git worktree 中运行，并配备全套工具。
需要连接一个通过 MCP 运行的 Claude DevFleet 实例：
claude mcp add devfleet --transport http http://localhost:18801/mcp
用户 → "构建一个带有身份验证和测试的 REST API"
↓
plan_project(prompt) → 项目ID + 任务DAG
↓
向用户展示计划 → 获取批准
↓
dispatch_mission(M1) → 代理1在工作树中生成
↓
M1完成 → 自动合并 → 自动分发M2 (依赖于M1)
↓
M2完成 → 自动合并
↓
get_report(M2) → 更改的文件、完成的工作、错误、后续步骤
↓
向用户报告
| 工具 | 用途 |
|---|---|
plan_project(prompt) | AI 将描述分解为包含链式任务的项目 |
create_project(name, path?, description?) | 手动创建项目，返回 project_id |
create_mission(project_id, title, prompt, depends_on?, auto_dispatch?) | 添加任务。depends_on 是任务 ID 字符串列表（例如 ["abc-123"]）。设置 auto_dispatch=true 可在依赖满足时自动启动。 |
dispatch_mission(mission_id, model?, max_turns?) | 启动智能体执行任务 |
cancel_mission(mission_id) | 停止正在运行的智能体 |
wait_for_mission(mission_id, timeout_seconds?) | 阻塞直到任务完成（见下方说明） |
get_mission_status(mission_id) | 检查任务进度而不阻塞 |
get_report(mission_id) | 读取结构化报告（更改的文件、测试情况、错误、后续步骤） |
get_dashboard() | 系统概览：运行中的智能体、统计信息、近期活动 |
list_projects() | 浏览所有项目 |
list_missions(project_id, status?) | 列出项目中的任务 |
关于
wait_for_mission的说明： 此操作会阻塞对话，最长timeout_seconds秒（默认 600 秒）。对于长时间运行的任务，建议改为每 30-60 秒使用get_mission_status轮询，以便用户能看到进度更新。
plan_project(prompt="...") → 返回 project_id 以及带有 depends_on 链和 auto_dispatch=true 的任务列表。depends_on 为空）调用 dispatch_mission(mission_id=<first_mission_id>)。剩余任务在其依赖项完成时自动调度（因为 plan_project 为它们设置了 auto_dispatch=true）。get_mission_status(mission_id=...) 或 get_dashboard() 检查进度。get_report(mission_id=...)。与用户分享亮点。DevFleet 默认最多同时运行 3 个智能体（可通过 DEVFLEET_MAX_AGENTS 配置）。当所有槽位都占满时，设置了 auto_dispatch=true 的任务会在任务监视器中排队，并在槽位空闲时自动调度。检查 get_dashboard() 了解当前槽位使用情况。
plan_project(prompt="...") → 显示包含任务和依赖关系的计划。depends_on 为空的那个）。auto_dispatch=true）。get_mission_status 或 get_dashboard() 轮询，直到所有任务达到终止状态（completed、failed 或 cancelled）。get_report(mission_id=...)——总结成功之处，并指出失败任务及其错误和后续步骤。create_project(name="My Project") → 返回 project_id。create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) → 捕获 root_mission_id。
为每个后续任务执行 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"])。dispatch_mission(mission_id=...) 以启动链。get_report(mission_id=...)。create_project(name="...") → 获取 project_id。create_mission(project_id=project_id, title="Implement feature", prompt="...") → 获取 impl_mission_id。dispatch_mission(mission_id=impl_mission_id)，然后使用 get_mission_status 轮询直到完成。get_report(mission_id=impl_mission_id) 以审查结果。create_mission(project_id=project_id, title="Review", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) —— 由于依赖已满足，自动启动。get_dashboard() 了解智能体槽位可用性。auto_dispatch=true。没有此标志，任务将保持 draft 状态。Instinct-based learning system that observes sessions via hooks, creates atomic instincts with confidence scoring, and evolves them into skills/commands/agents. v2.1 adds project-scoped instincts to prevent cross-project contamination.
Use this skill when inspecting Blender characters, rigs, poses, animation retargeting, ground contact, facing direction, or model-vs-motion alignment where screenshots alone are not enough.
Suggests manual context compaction at logical intervals to preserve context through task phases rather than arbitrary auto-compaction.
Use when managing an Uncloud cluster — deploying services, configuring Caddy ingress, adding static proxy routes for non-cluster devices, publishing ports, scaling, inspecting logs, or managing machines and volumes with the `uc` CLI.
自動Claude Codeループのパターンとアーキテクチャ — シンプルな順序パイプラインからRFC駆動マルチエージェントDAGシステムまで。
Angular コードを生成し、アーキテクチャ ガイダンスを提供します。プロジェクトの作成、コンポーネント、またはサービスを作成するとき、または反応性（シグナル、linkedSignal、リソース）、フォーム、依存性注入、ルーティング、SSR、アクセシビリティ（ARIA）、アニメーション、スタイリング（コンポーネント スタイル、Tailwind CSS）、テスト、または CLI ツール作成のベスト プラクティスについてトリガーされます。