子代理开发

superpowers-subagent-dev

by axelhu

Use when executing implementation plans with independent tasks - coordinates task execution by dispatching subagents per task with verification checkpoints, adapted for OpenClaw's isolated session model

3.9kAI 与智能体未扫描2026年3月30日

安装

claude skill add --url https://github.com/openclaw/skills

文档

Superpowers Subagent 开发(OpenClaw 适配版)

概述

通过为每个任务 dispatch 独立 subagent 来执行计划,每个任务后进行两阶段审查:先审查规格合规,再审查代码质量。

为什么用 subagent: 将任务委托给专门 agent,隔离上下文。通过精确构造指令和上下文,确保它们专注并成功完成。Subagent 不应继承 session 历史——精确构造它们需要的上下文。

核心原则: 每个任务新鲜 subagent + 两阶段审查(规格合规 → 代码质量)

OpenClaw 适配说明

Superpowers 原版设计基于 Claude Code 的 Task/subagent 级联模型。OpenClaw 使用 sessions_spawn 创建独立 session,无法做到原生级联。

OpenClaw 适配方案:

  • 主 agent 作为 controller,协调所有工作
  • sessions_spawn(mode="run") dispatch 一次性任务 subagent
  • Subagent 结果通过 session 历史或文件系统传递
  • 审查在主 session 内 inline 执行(或 spawn 独立审查 session)
  • 复杂审查任务用 sessions_spawn

使用条件

code
有实现计划?
  → 任务大多独立?
    → 在本 session 内工作?
      → 用 subagent-dev(这个技能)
    → 并行独立 session?
      → 用 sessions_spawn 并行 dispatch
  → 手动执行或先 brainstorming

流程

每次任务

  1. 读取计划,提取所有任务

    • 读取计划文件一次
    • 提取所有任务及其完整文本和上下文
    • 创建任务列表
  2. Dispatch 实现者 subagent

    code
    使用 sessions_spawn:
    - mode: "run"(一次性任务)
    - task: 完整任务文本 + 上下文
    - cwd: 项目目录
    
  3. Subagent 提问处理

    • 如果 subagent 提问 → 回答问题,提供上下文
    • 重新 dispatch 或继续
  4. Subagent 实现、测试、commit、自审

    • 实现者完成工作
    • 运行测试
    • Commit
    • 自审
  5. 规格合规审查(主 session inline 或 spawn)

    • 检查实现是否满足计划中的规格
    • 发现问题 → 反馈给实现者修复 → 重新审查
    • 通过 → 继续
  6. 代码质量审查

    • 检查代码质量:DRY、命名、测试设计
    • 发现问题 → 修复
    • 通过 → 继续
  7. 标记任务完成,继续下一个

任务后

所有任务完成后:

  • 做最终代码审查
  • 调用 superpowers-finishing-branch 完成工作

模型选择

用能处理任务的最弱模型,节省成本增加速度:

任务类型示例模型
机械实现任务孤立函数、清晰规格、1-2 文件快速便宜模型
集成和判断任务多文件协调、模式匹配、调试标准模型
架构设计和审查任务需要设计判断或广泛代码库理解最强模型

处理 Subagent 状态

Subagent 报告四种状态之一。适当处理:

DONE: 继续规格合规审查。

DONE_WITH_CONCERNS: 实现者完成但标记了疑虑。先读关注点再继续。如果关注点涉及正确性或范围,先解决再审查。

NEEDS_CONTEXT: 实现者需要未提供的信息。提供缺失上下文并重新 dispatch。

BLOCKED: 实现者无法完成任务。评估阻塞:

  1. 如果是上下文问题,提供更多上下文并用相同模型重新 dispatch
  2. 如果任务需要更多推理,用更强模型重新 dispatch
  3. 如果任务太大,拆成更小的块
  4. 如果计划本身有问题,上报给主人

永远不要忽略升级或强制相同模型重试而不做变更。

Red Flags

永远不要:

  • 在 main/master 分支上开始实现(没有主人明确同意)
  • 跳过审查(规格合规或代码质量)
  • 有未修复问题时继续
  • 同时 dispatch 多个实现 subagent(冲突)
  • 让 subagent 读计划文件(直接提供完整文本)
  • 跳过场景设置上下文(subagent 需要理解任务在哪里_fit)
  • 忽略 subagent 的提问(先回答再让他们继续)
  • 接受"差不多"的规格合规(审查发现问题 = 没完成)
  • 跳过审查循环(审查发现问题 = 实现者修复 = 重新审查)
  • 让实现者自审替代实际审查(两者都需要)
  • 在规格合规通过前开始代码质量审查(顺序错误)
  • 有公开问题时继续下一个任务

集成

必需的工作流技能:

  • superpowers-writing-plans — 创建这个技能执行的计划
  • superpowers-finishing-branch — 所有任务完成后的收尾
  • superpowers-tdd — Subagent 每个任务遵循 TDD

替代工作流:

  • sessions_spawn 并行 dispatch — 用于独立问题的并行调查
  • 顺序执行 — 在主 session 内按批次执行

相关 Skills

Claude接口

by anthropics

Universal
热门

面向接入 Claude API、Anthropic SDK 或 Agent SDK 的开发场景,自动识别项目语言并给出对应示例与默认配置,快速搭建 LLM 应用。

想把Claude能力接进应用或智能体,用claude-api上手快、兼容Anthropic与Agent SDK,集成路径清晰又省心

AI 与智能体
未扫描111.8k

计算机视觉

by alirezarezvani

Universal
热门

聚焦目标检测、图像分割与视觉系统落地,覆盖 YOLO、DETR、Mask R-CNN、SAM 等方案,适合定制数据集训练、推理优化及 ONNX/TensorRT 部署。

把目标检测、图像分割到推理部署串成完整工程链路,主流框架与 YOLO、DETR、SAM 等方案都覆盖,落地视觉 AI 会省心很多。

AI 与智能体
未扫描9.8k

智能体流程设计

by alirezarezvani

Universal
热门

面向生产级多 Agent 编排,梳理顺序、并行、分层、事件驱动、共识五种工作流设计,覆盖 handoff、状态管理、容错重试、上下文预算与成本优化,适合搭建复杂 AI 协作系统。

帮你把多智能体流程设计、编排和自动化统一起来,复杂工作流也能更稳地落地,适合追求强控制力的团队。

AI 与智能体
未扫描9.8k

相关 MCP 服务

知识图谱记忆

编辑精选

by Anthropic

热门

Memory 是一个基于本地知识图谱的持久化记忆系统,让 AI 记住长期上下文。

帮 AI 和智能体补上“记不住”的短板,用本地知识图谱沉淀长期上下文,连续对话更聪明,数据也更可控。

AI 与智能体
83.1k

顺序思维

编辑精选

by Anthropic

热门

Sequential Thinking 是让 AI 通过动态思维链解决复杂问题的参考服务器。

这个服务器展示了如何让 Claude 像人类一样逐步推理,适合开发者学习 MCP 的思维链实现。但注意它只是个参考示例,别指望直接用在生产环境里。

AI 与智能体
83.1k

PraisonAI

编辑精选

by mervinpraison

热门

PraisonAI 是一个支持自反思和多 LLM 的低代码 AI 智能体框架。

如果你需要快速搭建一个能 24/7 运行的 AI 智能体团队来处理复杂任务(比如自动研究或代码生成),PraisonAI 的低代码设计和多平台集成(如 Telegram)让它上手极快。但作为非官方项目,它的生态成熟度可能不如 LangChain 等主流框架,适合愿意尝鲜的开发者。

AI 与智能体
6.8k

评论