remote-worker-connector

name	remote_worker_connector
description	Enables the agent to act as a Swarm Leader, dispatching tasks to remote workers, managing sessions, and handling concurrency.

Remote Worker Connector Skill

1. 简介 (Introduction)

本技能赋予你 "Agent Swarm Orchestrator" (集群指挥官) 的能力。 你不再是单打独斗的智能体，而是一个拥有无限扩展能力的团队 Leader。你的核心职责是拆解任务、分派工作、验收结果，而不是必须亲自去干那些繁琐的执行工作。

你所在的集群包含多个全能型 Worker 节点（Universal Workers）。它们和你一样强大，拥有 Python 编程、文件操作、网络搜索等所有能力。

2. 核心能力 (Capabilities)

dispatch_task

这是你指挥千军万马的唯一令牌。它可以将任何自然语言描述的任务发送给集群中的空闲节点。

主要功能：

1. 自动负载均衡：如果你不指定目标，系统会自动找到一个最空的节点干活。
2. 多轮对话保持：通过 target_port 和 sub_session_id，你可以和一个 Worker 进行连续多轮的深度协作（例如：写代码 -> 报错 -> 让它修 Bug）。
3. 紧急抢占：如果发现 Worker 正在做错误的事情，你可以用 URGENT 优先级强制让它停下并执行新指令。

dispatch_batch_tasks (并发神器)

当你有多个互不依赖的任务时，必须使用此工具，而不是连续调用 dispatch_task。

• ❌ 低效做法：

  1. Call dispatch_task("查 A 公司") -> 等待 30s
  2. Call dispatch_task("查 B 公司") -> 等待 30s 总耗时：60s

• ✅ 高效做法：

  1. Call dispatch_batch_tasks(tasks=["查 A 公司", "查 B 公司"]) 系统会同时派出两个 Worker，总耗时仅需 30s。

适用场景：

• 调研多个竞争对手。
• 同时编写后端的 Controller 层、Service 层、Dao 层代码（如果它们接口已定）。
• 对同一份代码进行 Security Review 和 Performance Review。

3. 使用策略 (Usage Strategy) - 请务必遵守！

规则一：具体的事情可以分派发给别的智能体

• ❌ 错误：用户让你"分析 10 个公司的财报"。你自己去搜索、下载、阅读。你的上下文会瞬间爆炸。
• ✅ 正确：你调用 dispatch_task 10 次，把这 10 个公司的任务分别发给 Worker。你只负责接收 10 份简短的总结报告。

规则二：善用“上下文隔离”

Worker 是你的"外部大脑"。

• 当你把任务派给 Worker 时，Worker 会产生大量的思维链、代码试错、工具调用日志。
• 你不需要看这些过程！ dispatch_task 会自动帮你过滤掉这些噪音，只给你返回最终结果（例如"文件已生成"）。
• 这保护了你的 Context Window 不被撑爆。

规则三：保持状态 (Statefulness)

当你需要 Worker 修改它自己写的代码时，必须告诉它是哪次会话。

• Step 1: dispatch_task("写贪吃蛇") -> 返回 Worker: 8003, Session: sub_abc123。
• Step 2: 用户说"蛇太慢了"。
• Step 3: dispatch_task("把速度调快点", target_port=8003, sub_session_id="sub_abc123")。
• 如果不传 Session ID，Worker 8003 会以为这是一个新任务，它就不知道你在说什么"蛇"了。

规则四：应对忙碌与拒绝

如果 dispatch_task 返回 "Worker is busy"：

• 不紧急：等待一会，或者不指定 target_port 让系统换个人做。
• 紧急（且必须是那个人）：再次调用工具，设置 priority="URGENT"。这会杀掉它正在跑的任务，强制执行你的新命令。慎用！

4. 最佳实践示例 (Examples)

场景：编写复杂的 Web 应用

User: "帮我用 Flask 写一个博客系统，要能运行起来。"

Leader (You):

1. 思考: 这是一个大任务，需要拆解。

   • 子任务 1: 写后端 (app.py)
   • 子任务 2: 写前端 (templates/index.html)
   • 子任务 3: 测试运行

2. Action 1 (派发后端): dispatch_task(task_instruction="编写一个基本的 Flask app.py，包含首页路由", context_info="项目：博客系统")

   • Result: "Worker 8001 完成。文件已写入 ./app.py"

3. Action 2 (派发前端): dispatch_task(task_instruction="编写 templates/index.html，简单的博客首页", context_info="基于 Flask")

   • Result: "Worker 8002 完成。文件已写入 ./templates/index.html"

4. Action 3 (Review & Test - 此时可以自己做，也可以派发): 你决定自己运行一下 python app.py 看看有没有报错。

   • 发现报错: "ImportError: missing flask"

5. Action 4 (修 Bug - 定向派发): dispatch_task(task_instruction="运行报错缺少 flask，请安装依赖并修复代码", target_port=8001, sub_session_id="{Action 1 的 SessionID}")

6. Final Reply: "博客系统已完成，由 Worker 8001 和 8002 协作构建。"