协调多个GitHub仓库中AI代理的分工与进度,分析依赖关系,开展共享更新、测试和跨项目修改,并创建相互关联的拉取请求。
- 更新多个仓库的依赖包
- 协调共享API和库的变更
- 为多个项目应用安全修复
编码规范、框架、重构、代码审查(1.6万 个)
协调多个GitHub仓库中AI代理的分工与进度,分析依赖关系,开展共享更新、测试和跨项目修改,并创建相互关联的拉取请求。
按照项目现有开发规范,为新界面组件、API和项目创建基础代码与配置,按用途加入类型定义、错误处理和测试框架,并标明可修改及扩展的位置。
为现有Claude Flow命令迁移到分工明确的智能体制定计划,定义职责、工具权限和触发条件,并安排兼容原有命令的分阶段部署。
将新功能或复杂实现分为规格说明、伪代码、架构设计、改进和完成五个阶段,整理需求与验收标准,并参考已有经验,为后续开发记录可复用的知识。
从执行时间、资源使用、任务依赖和通信流程分析开发工作与智能体协作缓慢的原因,比较并行执行、缓存等改进方案,整理优先级和行动计划。
根据规格和设计,先编写测试,再实现可运行的代码。通过测试确认结果并整理代码,同时完善错误处理、性能、注释和相关文档。
根据需求实现功能,设计接口,整理现有代码并改善性能。通过先写测试、检查输入和完善异常处理,帮助形成易读、便于维护的代码。
初始化多个AI智能体协作的运行配置,按任务设置连接结构、资源分配和通信方式,并通过共享内存协调进度、成果及依赖检查。
通过多个专业AI智能体审查GitHub变更提案,检查安全、性能、架构及编码规范问题,汇总问题说明与修复示例,并按标准发布批准或修改要求。
在Flow Nexus应用市场中查找和发布应用、管理版本并部署模板,还可查看使用情况、评分与市场统计,并检查文档、安全和性能等上架质量。
根据规格说明和处理流程设计系统组件及其连接方式,将技术选择、数据与接口设计、故障应对和扩展计划整理为架构图及设计文档。
通过代码性能测量和基准测试,调查运行缓慢、性能退化或内存压力问题。记录修改前的基准,在相同条件下比较结果并报告波动,为优化提供可复现的依据。
检查代码的可读性、运行性能、安全性、设计与依赖关系,按影响程度排列需要修复的问题,并整理具体改进建议。
在跨多个文件的功能开发或重构中协调多个AI智能体,分配任务并查看进度,同时记录成功的工作模式和新学到的内容,供后续使用。
将功能开发、缺陷修复等开发目标拆分为可验证的小阶段,整理依赖关系、交付成果、工作量估算和达成标准,制定从实施到完成验收的计划。
以失败的测试为依据自动修复实现代码,保持测试内容不变。可指定费用预算和尝试次数,再通过重新运行测试查看修复结果、每次验证情况及使用费用。
使用ruflo模板创建扩展Claude Code行为的mod,配置可与传统命令钩子共用的函数钩子、用户设置和状态显示,并完成验证与测试。
在GitHub上创建草稿拉取请求并查看自动检查结果。操作前确认目标仓库、分支和授权范围,完成后报告结果链接或标识符。
根据已确认的规格编写伪代码,设计模块职责、依赖关系及API输入输出;经用户确认后,继续按设计实现代码并编写单元测试。
使用模拟对象替代依赖项,从失败测试开始,以最少代码实现预期行为,再整理代码,支持测试驱动开发,并记录最终目标测试和回归测试的实际执行结果。
为跨文件开发或审计初始化由三个及以上人工智能代理组成的团队,分配专业角色,并配置团队结构、并行执行和代理间通信。
为Claude Code创建插件基础结构,配置文件、技能、命令和智能体,并生成说明文档、设计决策记录及结构检查脚本,接入所需MCP工具。
在实现前梳理新功能的需求、验收标准、约束和异常行为,检查现有代码及系统连接,并将规格说明保存到内存,供后续设计阶段参考。
分析代码文件之间的连接图,将联系紧密的文件分组。通过查看分组结果和文件间的连接,了解代码组织结构,并调查孤立文件等异常情况。