rUv

将AI团队的工作拆分为负责人和交付成果明确的任务，记录依赖关系和进度，管理认领、阻塞与完成状态，并检查是否与已有任务重复。

• 将团队工作拆分为小任务
• 明确负责人和依赖关系
• 记录工作受阻的原因

由协调代理统筹研究、实现、测试和审查等分工，让多个代理共同推进任务，并支持投票决策、共享知识，以及暂停和恢复协作。

• 按专业分工开发应用
• 协作研究GraphQL与REST
• 由多个角色共同审查PR

将软件开发划分为需求、设计、测试先行的实现、审查和部署等阶段，通过Claude Flow协调多个智能体分工，管理开发全过程。

• 从需求出发开发新功能
• 结合测试改造现有代码
• 排查故障并添加回归测试

用TypeScript实现claude-flow v3核心模块，按任务、会话等职责划分领域，梳理组件依赖，并实现SQLite存储、事件通知及单元与集成测试。

• 实现claude-flow v3基础模块
• 实现任务分配和状态管理
• 通过依赖注入连接SQLite

使用Claude Flow为多个AI智能体分配调研、开发、测试和系统分析任务，结合并行与顺序执行，支持信息共享、进度监控、错误恢复及报告编写。

• 分担调研、分析和报告编写
• 按专业角色分工开发应用
• 并行执行多种测试

协助创建和改进GitHub Actions工作流，分析运行失败并管理发布。通过多个AI代理分担审查、测试和安全检查，自动化测试及运维工作。

• 按项目语言创建工作流
• 并行运行测试并改进缓存
• 调查运行失败并提出修复方案

在Claude Code操作前后加入自动处理，执行代码格式化与验证、协调多个智能体，并保存工作记录，将进度和决策延续到下次会话。

• 自动执行编辑后的格式化与验证
• 在多个智能体之间共享进度
• 保存和恢复开发会话

使用AgentDB为AI智能体实现会话历史、用户偏好和有效交互模式的保存与检索，分别管理短期和长期记忆，让后续会话能够继续引用。

• 为聊天系统添加会话历史
• 跨会话记住用户偏好
• 复用成功的交互模式

创建并管理在WebAssembly隔离环境中运行的智能体，可试运行未经验证的代码、实验智能体配置、读写隔离环境内的文件，并导出共享包。

• 在隔离环境中试运行未经验证的代码
• 实验智能体配置
• 读写隔离环境内的文件

协助整理 GitHub 议题、同步项目看板并制定短期迭代计划，协调多个 AI 智能体拆分和分配任务，更新进度并管理依赖关系。

• 分类议题并确定优先级
• 将大型议题拆成智能体任务
• 同步工作进度与项目看板

使用多个专业AI代理审查GitHub代码变更提案，整理安全、性能、设计、格式和无障碍问题，并可提出修复建议、发布审查结果。

• 检查身份验证变更的安全性
• 检查数据库变更的性能影响
• 审查界面易用性和格式

使用ruflo分析命令评估代码变更风险、查找复杂代码并查看文件统计信息，同时指导运行和添加CI回归检查，防止ruflo中已修复的问题再次出现。

• 评估代码变更风险
• 查找复杂代码
• 运行ruflo回归检查

将claude-flow v3实现工作分配给15个智能体，协调安全、基础系统、集成、质量检查及发布，并管理任务依赖与14周的实施进度。

• 将v3实现工作分配给15个智能体
• 按依赖关系开展并行开发
• 通过GitHub跟踪工程进度

使用ReasoningBank和AgentDB实现经验记忆：记录智能体的行动与结果，检索相似经历、评估结果并整理记忆，供后续决策复用。

• 开发能够复用经验的智能体
• 记录智能体行动并评估结果
• 将相似经历整理为共通模式

测量agentic-flow工作单元在触发检测、执行代理选择、缓存及并行运行中的速度和内存占用，可运行全部或指定基准测试，并与设定的性能目标比较。

• 检查工作单元系统的整体性能
• 测量触发检测和执行代理选择速度
• 调查缓存行为与内存占用

使用agent-browser自动执行浏览器操作，通过标注按钮和输入框的快照完成登录、表单填写与提交、网页信息提取和截图。

• 自动执行登录流程
• 填写并提交网页表单
• 收集商品名称、价格和链接

为技术选型和设计决策创建ADR文档，沿用现有文件的连续编号，生成模板并登记到AgentDB，同时为找到的相关历史决策添加链接和依赖关系。

• 记录采用某项技术的理由
• 记录API或数据模型变更
• 将基础设施决策形成文档

通过多个AI智能体协调GitHub软件发布，涵盖版本更新、变更记录、测试、构建和多环境分发，并支持分阶段部署、监控及出现问题时回退。

• 准备版本更新和发布文档
• 协调多个软件包的发布
• 发布前检查测试和安全性

通过agentic-flow让多个AI智能体分工，安排并行任务和有先后依赖的流程，并协调信息共享、负载均衡及失败后的任务重分配。

• 并行开发API、界面和测试
• 衔接从设计到审查的各个阶段
• 在不同智能体间共享API规范

在Flow Nexus云端组织多个AI智能体，分工开展研究和开发，按事件或计划自动执行流程，并查看进度、待处理队列及调整智能体数量。

• 让多个智能体分担研究与分析
• 协调多个代码仓库的开发
• 自动执行测试到部署的流程

实现能够记录任务结果和情境、利用过往经验选择后续方法的AI智能体，涵盖模式匹配、策略比较、学习记录持久化及效果检查。

• 开发从任务结果中学习的智能体
• 比较代码审查和缺陷修复策略
• 查找适合当前情境的已学模式

将claude-flow改为基于agentic-flow@alpha的扩展，减少重复实现，通过适配层分阶段迁移代理管理和任务执行，并验证兼容性。

• 整理代理与任务管理的重复实现
• 设计保留现有API的适配层
• 整合学习、共享记忆与MCP工具

分析Claude Flow中多个智能体的处理、通信和内存延迟，生成性能报告与改进建议，支持对比历史运行结果和自动优化。

• 调查多个智能体的延迟
• 比较变更前后的性能
• 制作每周性能报告

在 Anthropic 云端启动智能体，管理长时间任务的提交、进度与执行记录查询及结束操作，并保留文件和对话以继续工作。

• 将长时间任务交给云端执行
• 保留文件和对话以继续工作
• 查看会话状态与工具使用记录