多编程代理协同工作流

CRITICAL — 开始前 MUST 先用 Read 工具读取 [../lark-shared/SKILL.md](../lark-shared/SKILL.md)，其中包含认证、权限处理

适用场景

• "帮我用多代理做这个任务" / "并行开发"
• "同一个任务让多个 AI 各写一份" / "竞赛模式"
• "这几件事分别交给不同的 AI" / "分工模式"
• "一个写代码、一个做审查、一个写测试" / "流水线模式"
• "对比一下哪个方案更好" / "代码对比"
• "看看当前的开发任务" / "任务列表"

前置条件

仅支持 user 身份。执行前确保已授权：

lark-cli auth login --domain im,base,task

工作流总览

任务输入：
  用户描述任务 ──► AI 解析任务复杂度和可拆分性

模式选择：
  ├── 竞赛模式 ──► 同一任务 × N 代理 → 对比选优
  ├── 分工模式 ──► N 个子任务 × 各代理 → 并行完成
  └── 流水线模式 ──► 代码 → 审查 → 测试 → 顺序协作

执行：
  Agent Tool ──► 启动子代理并行执行

追踪：
  base +record-upsert ──► 记录任务和结果

通知：
  im +messages-send ──► 完成通知 + 结果摘要

数据初始化

Base 表结构

表 1：开发任务 (dev_tasks)

表 2：竞赛记录 (competition_log)

初始化命令

# 注意：+table-create 可能部分成功，需捕获错误后用 +field-create 补字段
# 注意：连续创建字段会触发限流（错误码 800004135），每次调用间隔至少 1 秒
lark-cli base +table-create --name "开发任务" --fields '[
  {"name":"任务描述","type":"text"},
  {"name":"工作模式","type":"select","multiple":false,"options":[{"name":"竞赛"},{"name":"分工"},{"name":"流水线"}]},
  {"name":"分配代理","type":"text"},
  {"name":"代理数量","type":"number"},
  {"name":"状态","type":"select","multiple":false,"options":[{"name":"待分配"},{"name":"执行中"},{"name":"已完成"},{"name":"已取消"}]},
  {"name":"结果摘要","type":"text"},
  {"name":"结果详情","type":"text"},
  {"name":"代码仓库","type":"link"},
  {"name":"分支名","type":"text"},
  {"name":"开始时间","type":"datetime"},
  {"name":"完成时间","type":"datetime"},
  {"name":"耗时(秒)","type":"number"}
]'
lark-cli base +table-create --name "竞赛记录" --fields '[
  {"name":"任务描述","type":"text"},
  {"name":"代理A名称","type":"text"},
  {"name":"代理A结果","type":"text"},
  {"name":"代理B名称","type":"text"},
  {"name":"代理B结果","type":"text"},
  {"name":"代理C名称","type":"text"},
  {"name":"代理C结果","type":"text"},
  {"name":"优胜者","type":"text"},
  {"name":"评估理由","type":"text"},
  {"name":"评估日期","type":"datetime"}
]'

限流处理：如果 +table-create 因限流部分失败，表仍会创建成功。此时：
1. 用 base +table-list 获取 table_id
2. 用 base +field-create --table-id <id> --json '{"name":"字段名","type":"text"}' 逐个补字段，每次间隔 1-2 秒

模式一：竞赛模式

适用场景

• 需要找到最优实现方案
• 同一个需求有多种实现思路
• 对代码质量要求较高的核心功能

工作流

用户描述任务
      │
      ▼
AI 解析任务，确保描述清晰无歧义
      │
      ├──► Agent 1（如 Claude Opus 4.6）──► 结果 A
      ├──► Agent 2（如 Claude Sonnet 4.6）──► 结果 B
      └──► Agent 3（如 Claude Haiku 4.5）──► 结果 C
                                                      │
                                                      ▼
                                              AI 对比评估
                                                      │
                                                      ▼
                                              选出最优方案
                                                      │
                                                      ▼
                                              飞书消息通知

执行步骤

1. 解析任务：AI 确保任务描述完整、无歧义，必要时追问用户补充细节
2. 启动代理：使用 Claude Code 的 Agent Tool 并行启动多个子代理（建议 2-3 个）

Agent Tool 调用示例（竞赛模式）：

在一条消息中同时发起多个 Agent Tool 调用即可实现并行：

Agent(subagent_type="general-purpose", model="opus",   description="竞赛方案A", prompt="在仓库 {repo_path} 中完成任务：{任务描述}。要求：写出完整的实现代码。")
Agent(subagent_type="general-purpose", model="sonnet",  description="竞赛方案B", prompt="在仓库 {repo_path} 中完成任务：{任务描述}。要求：写出完整的实现代码。")
Agent(subagent_type="general-purpose", model="haiku",   description="竞赛方案C", prompt="在仓库 {repo_path} 中完成任务：{任务描述}。要求：写出完整的实现代码。")

说明：Agent Tool 是 Claude Code 的内置能力（非 lark-cli 命令）。
- subagent_type：使用 general-purpose 处理代码任务
- model：可选 opus（复杂逻辑）、sonnet（代码审查/文档）、haiku（测试/简单修改）
- isolation: "worktree"：如需各代理独立工作互不干扰，可启用 worktree 隔离
- 多个 Agent Tool 在同一消息中并行调用即可同时执行

1. 收集结果：等待所有代理完成
2. 对比评估：AI 从以下维度对比：

- 功能完整性 - 代码质量（可读性、可维护性） - 性能表现 - 边界情况处理 - 安全性

1. 记录结果：保存到多维表格
2. 通知用户：发送飞书消息

评估输出格式

## 竞赛结果：{任务描述}

### 方案 A（{代理名称}）
- 优点：{列表}
- 缺点：{列表}
- 评分：{分}/10

### 方案 B（{代理名称}）
- 优点：{列表}
- 缺点：{列表}
- 评分：{分}/10

### 推荐：方案 {X}
理由：{详细理由}

模式二：分工模式

适用场景

• 有多个独立的任务需要并行处理
• 任务之间没有依赖关系
• 需要快速完成多个小任务

工作流

用户描述多个任务
      │
      ▼
AI 解析并拆分任务列表
      │
      ├──► Agent 1 ──► 任务 A（修 bug）
      ├──► Agent 2 ──► 任务 B（写新页面）
      └──► Agent 3 ──► 任务 C（优化查询）
                                        │
                                        ▼
                                  全部完成后汇总
                                        │
                                        ▼
                                  飞书消息通知

执行步骤

1. 拆分任务：AI 分析用户描述，拆分为独立的子任务
2. 分配代理：每个子任务分配一个代理
3. 并行执行：使用 Agent Tool 同时启动所有子代理

Agent Tool 调用示例（分工模式）：

Agent(subagent_type="general-purpose", description="修bug", prompt="修复 {repo_path} 中 src/api/login.ts 的登录超时问题")
Agent(subagent_type="general-purpose", description="写新页面", prompt="在 {repo_path} 中创建 src/pages/dashboard.tsx 仪表盘页面")
Agent(subagent_type="general-purpose", description="优化查询", prompt="优化 {repo_path} 中 src/db/queries.ts 的数据库查询性能")

1. 收集汇总：等待所有代理完成
2. 记录和通知

任务拆分原则

• 任务之间无数据依赖
• 每个任务可独立验证
• 任务粒度适中（预计 5-30 分钟完成）

模式三：流水线模式

适用场景

• 复杂功能需要多阶段处理
• 需要代码审查和质量保障
• 标准化的开发流程

标准流水线

阶段 1: 编写代码（Claude Opus 4.6）
  │  - 编写功能实现
  │  - 编写基础测试
  │
  ▼
阶段 2: 代码审查（Claude Sonnet 4.6）
  │  - 审查代码质量
  │  - 检查潜在 bug
  │  - 提出改进建议
  │
  ▼
阶段 3: 编写测试 + 集成（Claude Haiku 4.5）
  │  - 补充测试用例
  │  - 运行测试验证
  │  - 修复发现的问题
  │
  ▼
汇总报告

自定义流水线

用户可以自定义流水线的阶段和代理分配：

• "第一阶段用 Opus 写前端，第二阶段用 Sonnet 做 UI 审查"

执行步骤

1. 定义流水线：确定阶段、每个阶段的代理、阶段间的输入输出
2. 顺序执行：每个阶段完成后，将结果传递给下一个阶段

Agent Tool 调用示例（流水线模式）：

# 阶段1: 编写代码（Opus）
Agent(subagent_type="general-purpose", model="opus", description="阶段1-编写代码", prompt="在 {repo_path} 中实现功能：{任务描述}。编写功能代码和基础测试。")

# 阶段2: 代码审查（Sonnet）— 等阶段1完成后执行
Agent(subagent_type="code-reviewer", model="sonnet", description="阶段2-代码审查", prompt="审查 {repo_path} 中刚刚实现的代码。检查代码质量、潜在 bug、改进建议。")

# 阶段3: 补充测试（Haiku）— 等阶段2完成后执行
Agent(subagent_type="general-purpose", model="haiku", description="阶段3-测试集成", prompt="在 {repo_path} 中为已审查通过的代码补充测试用例并运行测试。")

关键：流水线模式下，Agent 必须按顺序执行（后一阶段的 prompt 中需包含前一阶段的结果）。

1. 质量门控：每个阶段可以"通过"或"打回"（前一阶段需要修改）

- 如果代码审查发现严重问题 → 将审查意见传回阶段 1 的代理重新修改 - 打回最多 2 轮，超过 2 轮直接向用户报告，由用户决定如何处理

1. 最终汇总：所有阶段完成后生成汇总报告

任务管理

查看任务列表

lark-cli base +record-list --table-id "<tasks_table_id>" --filter '...状态 != "已完成" AND 状态 != "已取消"'

更新任务状态

lark-cli base +record-upsert --table-id "<tasks_table_id>" --json '{
  "任务描述": "...",
  "状态": "已完成",
  "结果摘要": "...",
  "完成时间": "..."
}'

创建飞书任务追踪

对于重要的开发任务，同时创建飞书任务：

lark-cli task +create --summary "[多代理] {任务描述}" --description "工作模式：{模式}\n分配代理：{代理列表}"

通知

任务完成通知

lark-cli im +messages-send --chat-id "<chat_id>" --markdown "..."

通知格式：

竞赛模式：

竞赛完成！

任务：{任务描述}
参与代理：{N} 个
总耗时：{X} 秒

推荐方案：{代理名称}（评分 {分}/10）
理由：{一句话}

查看详细对比：{多维表格链接}

分工模式：

分工任务全部完成！

总任务数：{N} 个
总耗时：{X} 秒（并行加速 {倍数}x）

| 任务 | 代理 | 状态 | 耗时 |
|------|------|------|------|
| 任务A | Agent1 | 完成 | {X}s |
| 任务B | Agent2 | 完成 | {Y}s |
| 任务C | Agent3 | 完成 | {Z}s |

流水线模式：

流水线执行完成！

任务：{任务描述}
总耗时：{X} 秒

| 阶段 | 代理 | 状态 | 备注 |
|------|------|------|------|
| 编写代码 | Opus 4.6 | 通过 | — |
| 代码审查 | Sonnet 4.6 | 通过 | 3个改进建议 |
| 测试集成 | Haiku 4.5 | 通过 | 12个测试通过 |

查看完整报告：{多维表格链接}

GitHub 仓库集成

本 Skill 的代理默认在当前工作目录下操作代码。如需操作 GitHub 仓库：

指定仓库路径

在 Agent Tool 的 prompt 中明确指定仓库路径：

Agent(description="修复bug", prompt="在 D:/projects/my-app 仓库中修复...")

Git 操作

Agent Tool 的子代理可以使用 git 命令进行版本控制：

# 创建分支（各代理独立分支，避免冲突）
git checkout -b agent/contest-a

# 提交代码
git add src/
git commit -m "feat: 实现XX功能（竞赛方案A）"

# 推送到远程
git push -u origin agent/contest-a

创建 Pull Request

代理完成代码后，可通过 gh CLI 创建 PR：

# 创建 PR
gh pr create --title "feat: XX功能实现" --body "$(cat <<'EOF'
## 方案说明
{代理生成的方案描述}

## 变更内容
- {变更列表}
EOF
)"

注意：推送到远程仓库和创建 PR 会影响共享状态，需征得用户确认后再执行。

Worktree 隔离模式

使用 isolation: "worktree" 让各代理在独立 git worktree 中工作，互不干扰：

Agent(subagent_type="general-purpose", isolation="worktree", description="竞赛方案A", prompt="...")
Agent(subagent_type="general-purpose", isolation="worktree", description="竞赛方案B", prompt="...")

完成对比后，保留优胜方案的 worktree，删除其他方案。

使用建议

1. 简单任务（单一功能、明确需求）→ 竞赛模式，2 个代理即可
2. 批量任务（多个独立 bug、多个小功能）→ 分工模式，按任务数量分配代理
3. 复杂功能（新模块、核心功能）→ 流水线模式，确保质量
4. 代理选择建议：

- 复杂逻辑、架构设计 → Opus - 代码审查、文档 → Sonnet - 测试、简单修改 → Haiku

权限表

参考

• [lark-shared](../lark-shared/SKILL.md) — 认证、权限（必读）
• [lark-base](../lark-base/SKILL.md) — +table-create、+record-list、+record-upsert 详细用法
• [lark-im](../lark-im/SKILL.md) — +messages-send 详细用法
• [lark-task](../lark-task/SKILL.md) — +create 详细用法