affaan-m/claude-devfleet

Claude DevFleet 多智能体编排

使用时机

当需要调度多个 Claude Code 智能体并行处理编码任务时使用此技能。每个智能体在独立的 git worktree 中运行，并配备全套工具。

需要连接一个通过 MCP 运行的 Claude DevFleet 实例：

claude mcp add devfleet --transport http http://localhost:18801/mcp

工作原理

用户 → "构建一个带有身份验证和测试的 REST API"
  ↓
plan_project(prompt) → 项目ID + 任务DAG
  ↓
向用户展示计划 → 获取批准
  ↓
dispatch_mission(M1) → 代理1在工作树中生成
  ↓
M1完成 → 自动合并 → 自动分发M2 (依赖于M1)
  ↓
M2完成 → 自动合并
  ↓
get_report(M2) → 更改的文件、完成的工作、错误、后续步骤
  ↓
向用户报告

工具

| 工具 | 用途 | |------|---------| | plan_project(prompt) | AI 将描述分解为包含链式任务的项目 | | create_project(name, path?, description?) | 手动创建项目，返回 project_id | | create_mission(project_id, title, prompt, depends_on?, auto_dispatch?) | 添加任务。depends_on 是任务 ID 字符串列表（例如 ["abc-123"]）。设置 auto_dispatch=true 可在依赖满足时自动启动。 | | dispatch_mission(mission_id, model?, max_turns?) | 启动智能体执行任务 | | cancel_mission(mission_id) | 停止正在运行的智能体 | | wait_for_mission(mission_id, timeout_seconds?) | 阻塞直到任务完成（见下方说明） | | get_mission_status(mission_id) | 检查任务进度而不阻塞 | | get_report(mission_id) | 读取结构化报告（更改的文件、测试情况、错误、后续步骤） | | get_dashboard() | 系统概览：运行中的智能体、统计信息、近期活动 | | list_projects() | 浏览所有项目 | | list_missions(project_id, status?) | 列出项目中的任务 |

关于 wait_for_mission 的说明： 此操作会阻塞对话，最长 timeout_seconds 秒（默认 600 秒）。对于长时间运行的任务，建议改为每 30-60 秒使用 get_mission_status 轮询，以便用户能看到进度更新。

工作流：规划 → 调度 → 监控 → 报告

1. 规划：调用 plan_project(prompt="...") → 返回 project_id 以及带有 depends_on 链和 auto_dispatch=true 的任务列表。
2. 展示计划：向用户呈现任务标题、类型和依赖链。
3. 调度：对根任务（depends_on 为空）调用 dispatch_mission(mission_id=<first_mission_id>)。剩余任务在其依赖项完成时自动调度（因为 plan_project 为它们设置了 auto_dispatch=true）。
4. 监控：调用 get_mission_status(mission_id=...) 或 get_dashboard() 检查进度。
5. 报告：任务完成后调用 get_report(mission_id=...)。与用户分享亮点。

并发性

DevFleet 默认最多同时运行 3 个智能体（可通过 DEVFLEET_MAX_AGENTS 配置）。当所有槽位都占满时，设置了 auto_dispatch=true 的任务会在任务监视器中排队，并在槽位空闲时自动调度。检查 get_dashboard() 了解当前槽位使用情况。

示例

全自动：规划并启动

1. plan_project(prompt="...") → 显示包含任务和依赖关系的计划。
2. 调度第一个任务（depends_on 为空的那个）。
3. 剩余任务在依赖关系解决时自动调度（它们具有 auto_dispatch=true）。
4. 报告项目 ID 和任务数量，让用户知道启动了哪些内容。
5. 定期使用 get_mission_status 或 get_dashboard() 轮询，直到所有任务达到终止状态（completed、failed 或 cancelled）。
6. 对每个终止任务执行 get_report(mission_id=...)——总结成功之处，并指出失败任务及其错误和后续步骤。

手动：逐步控制

1. create_project(name="My Project") → 返回 project_id。
2. 为第一个（根）任务执行 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true) → 捕获 root_mission_id。 为每个后续任务执行 create_mission(project_id=project_id, title="...", prompt="...", auto_dispatch=true, depends_on=["<root_mission_id>"])。
3. 在第一个任务上执行 dispatch_mission(mission_id=...) 以启动链。
4. 完成后执行 get_report(mission_id=...)。

带审查的串行执行

1. create_project(name="...") → 获取 project_id。
2. create_mission(project_id=project_id, title="Implement feature", prompt="...") → 获取 impl_mission_id。
3. dispatch_mission(mission_id=impl_mission_id)，然后使用 get_mission_status 轮询直到完成。
4. get_report(mission_id=impl_mission_id) 以审查结果。
5. create_mission(project_id=project_id, title="Review", prompt="...", depends_on=[impl_mission_id], auto_dispatch=true) —— 由于依赖已满足，自动启动。

指南

• 在调度前始终与用户确认计划，除非用户已明确指示继续。
• 报告状态时包含任务标题和 ID。
• 如果任务失败，在重试前读取其报告。
• 批量调度前检查 get_dashboard() 了解智能体槽位可用性。
• 任务依赖关系构成一个有向无环图（DAG）——不要创建循环依赖。
• 每个智能体在独立的 git worktree 中运行，并在完成时自动合并。如果发生合并冲突，更改将保留在智能体的 worktree 分支上，以便手动解决。
• 手动创建任务时，如果希望它们在依赖项完成时自动触发，请始终设置 auto_dispatch=true。没有此标志，任务将保持 draft 状态。