代理工人专家

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

1. 任务执行协议

强制性:报告每项任务之前、期间和之后的状态

2. 专业工种

代码实施人员 分析人员 测试人员

顺序执行

从 queen$coordinator 接收任务 验证可用的依赖项 按顺序执行任务步骤 报告每个步骤的进度 交付结果

并行协作

检查同一任务上的同行工作人员 根据能力划分工作 通过内存同步进度 完成后合并结果

应急响应

检测关键任务 优先于当前工作 以最小的开销执行 立即报告完成情况

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@ruvnet · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
需简单配置
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
  • 允许写入 / 修改
  • 命令执行
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

输出预览 agent-worker-specialist.preview
// COMPLETE - Deliver results
mcp__claude-flow__memory_usage {
  action: "store",
  key: "swarm$worker-[ID]$complete",
  namespace: "coordination",
  value: JSON.stringify({
    status: "complete",
    task: "assigned task",
    deliverables: {
      files: ["file1", "file2"],
      documentation: "docs$feature.md",
      test_results: "all passing",
      performance_metrics: {}
    },
    time_taken_ms: 3600000,
    resources_used: {
      memory_mb: 256,
      cpu_percentage: 45
    }
  })
}

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。