Skip to content

anbeime/skill / skills/agent-team/agent-team

agent-team

Verified

产品经理与项目管理专家在应对复杂项目时,使用此技能可动态组建包含“执行、指挥、评审”的专属AI团队。实时查看多智能体辩论与决策全过程,共享统一上下文记忆,一键完成从会议决策到系统构建的全流程高效协同!

references/collaboration-templates.md

View on GitHub
# 智能体协作模板

## 目录
1. 预设团队配置
2. 协作流程模板
3. 常见使用场景

---

## 1. 预设团队配置

### 预设团队A:会议决策团队

**适用场景**:需要多角度分析、讨论和决策的任务

**团队组成**:
```
指挥的:
- 主持人(负责会议流程控制、议题推进)

挑毛病的:
- 技术架构师(从技术可行性角度评估)
- 市场分析师(从市场需求角度评估)
- 财务顾问(从成本收益角度评估)
- 评审员(综合评估、提出改进意见)

干活的:
- 记录员(负责记录会议内容、整理决策结果)
```

**协作流程**:
1. 主持人提出议题
2. 各评审型智能体从不同角度分析
3. 智能体之间相互讨论和辩论
4. 评审员总结评估结果
5. 达成共识并记录决策

**触发方式**:
```
"请用会议决策团队讨论[议题]"
"请组织会议评估[方案]的可行性"
```

---

### 预设团队B:OPC系统构建团队

**适用场景**:构建基于OPC三层进化论的智能系统

**团队组成**:
```
指挥的:
- 项目经理(负责项目整体规划和协调)
- 战略分析智能体(负责制定战略目标)

挑毛病的:
- 技术架构师(负责评估技术架构)
- 成本效益分析师(负责评估成本效益)
- 市场分析师(负责评估市场定位)
- 评审员(负责综合评审)

干活的:
- 自动化工程智能体(负责自动化模块设计)
- 前端工程师(负责前端界面设计)
- 后端工程师(负责后端逻辑设计)
```

**协作流程**:
1. 战略分析智能体制定战略目标
2. 项目经理制定项目计划
3. 技术架构师设计系统架构
4. 工程师团队执行开发
5. 各评审型智能体持续评估
6. 评审员进行最终验收

**触发方式**:
```
"请用OPC系统构建团队开发[系统]"
"请用OPC方法论设计[系统]的架构"
```

---

### 预设团队C:产品开发团队

**适用场景**:从0到1的产品开发项目

**团队组成**:
```
指挥的:
- 产品经理(负责产品规划和需求管理)
- 项目经理(负责项目管理和进度控制)

挑毛病的:
- 用户体验设计师(评估用户体验)
- 技术架构师(评估技术可行性)
- 市场分析师(评估市场需求)
- 财务顾问(评估成本效益)

干活的:
- 前端工程师(负责前端开发)
- 后端工程师(负责后端开发)
- 测试工程师(负责质量保证)
```

**协作流程**:
1. 产品经理定义产品需求
2. 用户体验设计师设计用户体验
3. 技术架构师设计技术架构
4. 开发团队执行开发
5. 测试工程师进行测试
6. 项目经理协调资源
7. 各评审型智能体持续评估

**触发方式**:
```
"请用产品开发团队开发[产品]"
"请设计[产品]的完整开发计划"
```

---

### 预设团队D:技术方案评估团队

**适用场景**:评估技术方案的可行性和优劣

**团队组成**:
```
指挥的:
- 技术架构师(负责技术方案设计)

挑毛病的:
- DevOps工程师(评估运维复杂度)
- 前端工程师(评估前端影响)
- 后端工程师(评估后端影响)
- 安全专家(评估安全性)
- 评审员(综合评估)

干活的:
- 记录员(记录评估结果)
```

**协作流程**:
1. 技术架构师提出技术方案
2. 各专业工程师从专业角度评估
3. 安全专家进行安全评估
4. 工程师之间讨论技术细节
5. 评审员总结评估结论
6. 记录员整理评估报告

**触发方式**:
```
"请用技术方案评估团队评估[技术方案]"
"请评估[架构]的技术可行性"
```

---

## 2. 协作流程模板

### 模板1:标准决策流程

```
Step 1: 问题定义
├─ 主持人:明确议题和目标
└─ 项目经理:提供背景信息

Step 2: 多角度分析
├─ 技术架构师:技术可行性分析
├─ 市场分析师:市场需求分析
└─ 财务顾问:成本效益分析

Step 3: 深入讨论
├─ 各智能体之间相互提问和辩论
└─ 主持人引导讨论方向

Step 4: 方案优化
├─ 根据讨论结果优化方案
└─ 评审员提出改进建议

Step 5: 最终决策
├─ 评审员综合评估
├─ 达成共识
└─ 记录员记录决策结果
```

---

### 模板2:项目执行流程

```
Phase 1: 需求分析
├─ 产品经理:定义需求
├─ 战略分析智能体:制定战略
└─ 项目经理:制定计划

Phase 2: 设计阶段
├─ 技术架构师:设计架构
├─ 用户体验设计师:设计体验
└─ 各工程师:评估可实施性

Phase 3: 开发阶段
├─ 前端工程师:开发前端
├─ 后端工程师:开发后端
├─ 自动化工程智能体:开发自动化模块
└─ 评审员:持续评审

Phase 4: 测试阶段
├─ 测试工程师:进行测试
├─ 各工程师:修复问题
└─ 评审员:质量验收

Phase 5: 部署阶段
├─ DevOps工程师:部署上线
├─ 运维工程师:监控运行
└─ 项目经理:验收交付
```

---

### 模板3:迭代优化流程

```
Iteration 1:
├─ 技术架构师:提出初始方案
├─ 各评审型智能体:评估方案
├─ 记录员:记录问题和建议
└─ 技术架构师:优化方案

Iteration 2:
├─ 技术架构师:提出优化方案
├─ 各评审型智能体:重新评估
├─ 记录员:对比方案差异
└─ 技术架构师:进一步优化

...(持续迭代直到达成共识)
```

---

## 3. 常见使用场景

### 场景1:技术选型决策

**推荐团队**:技术方案评估团队

**协作流程**:
1. 技术架构师提出技术选项
2. DevOps工程师评估运维成本
3. 前端工程师评估前端影响
4. 后端工程师评估后端影响
5. 安全专家评估安全性
6. 各工程师讨论技术细节
7. 评审员总结并给出建议

**示例**:
```
用户:"请评估使用微服务架构的可行性"

智能体团队:
> 技术架构师:我建议采用微服务架构。理由如下:1)系统需要高可扩展性;2)团队规模足够大;3)业务边界清晰。

> DevOps工程师:从运维角度看,微服务架构会增加部署复杂度。建议使用容器化部署来降低复杂度。

> 前端工程师:对前端影响不大,但要注意API接口的一致性。

> 后端工程师:会增加服务间通信的复杂度,建议使用消息队列来解耦。

> 安全专家:微服务架构增加了攻击面,需要加强服务间认证和授权。

> 技术架构师:好的,那我调整方案:采用微服务架构 + 容器化部署 + 服务网格 + 统一认证。

> 评审员:综合评估,该方案技术上可行,但运维成本较高。建议:1)先试点核心服务;2)建立完善的监控体系;3)逐步推广。

> 记录员:已记录决策:采用微服务架构,先试点,再推广。
```

---

### 场景2:产品规划讨论

**推荐团队**:产品开发团队

**协作流程**:
1. 产品经理提出产品概念
2. 用户体验设计师设计用户体验
3. 市场分析师评估市场需求
4. 技术架构师评估技术可行性
5. 财务顾问评估成本效益
6. 各智能体讨论优化方案
7. 评审员给出最终建议

**示例**:
```
用户:"请规划一个AI脚本生成器产品"

智能体团队:
> 产品经理:产品定位是"一键生成高质量脚本",核心功能包括:1)多平台脚本生成;2)智能内容优化;3)批量生成。

> 用户体验设计师:我建议采用简洁的界面设计,用户只需输入主题和要求,点击生成即可。生成过程提供进度条和预览。

> 市场分析师:市场对自动化脚本生成需求很大,目标用户包括:1)视频创作者;2)营销人员;3)内容运营。

> 技术架构师:技术上可行,建议采用:1)大语言模型生成;2)多平台API对接;3)内容优化算法。

> 财务顾问:初期投入较大(模型训练、API成本),但用户量大后边际成本低。建议采用订阅制收费。

> 产品经理:根据大家的建议,我调整产品规划:1)MVP先支持主流平台;2)采用基础版+专业版订阅模式;3)核心功能优先上线。

> 评审员:综合评估,该产品方案可行。建议:1)MVP验证市场需求;2)收集用户反馈后迭代;3)逐步扩展平台支持。

> 记录员:已记录产品规划:MVP阶段 + 订阅模式 + 迭代优化。
```

---

### 场景3:代码评审会议

**推荐团队**:技术方案评估团队(调整为代码评审专用)

**协作流程**:
1. 主持人提出代码变更
2. 后端工程师评估后端代码
3. 前端工程师评估前端代码
4. 测试工程师评估测试覆盖
5. 安全专家评估安全性
6. 各工程师讨论代码质量
7. 评审员给出评审结论

**示例**:
```
用户:"请评审这个API接口设计"

智能体团队:
> 主持人:今天评审的是用户注册API的设计,请大家从各自角度给出意见。

> 后端工程师:接口设计基本合理,建议:1)增加请求限流;2)密码加密传输;3)返回错误码统一规范。

> 前端工程师:接口返回格式清晰,建议:1)增加分页参数;2)提供排序选项;3)增加字段过滤。

> 测试工程师:需要补充测试场景:1)重复注册;2)弱密码注册;3)非法参数输入。

> 安全专家:安全性方面,建议:1)增加验证码;2)设置密码强度校验;3)防止暴力破解。

> 后端工程师:好的,我会采纳这些建议,更新接口设计。

> 评审员:综合评审,该接口设计通过,需补充安全和测试保障。

> 记录员:已记录评审结果:通过,需补充安全机制和测试用例。
```

---

### 场景4:敏捷回顾会议

**推荐团队**:会议决策团队(调整为回顾专用)

**协作流程**:
1. 主持人引导回顾
2. 项目经理总结项目进展
3. 各智能体分析问题和改进点
4. 智能体之间讨论解决方案
5. 评审员总结改进计划
6. 记录员记录行动计划

**示例**:
```
用户:"请进行敏捷回顾,总结本周的Sprint"

智能体团队:
> 主持人:本周Sprint已经结束,让我们进行回顾。请项目经理先总结。

> 项目经理:本周完成了5个任务,延期2个任务。主要问题:1)需求变更频繁;2)技术难点预估不足。

> 技术架构师:技术难点方面,建议:1)提前进行技术预研;2)建立技术分享机制;3)引入外部专家。

> 市场分析师:需求变更频繁,建议:1)加强前期需求调研;2)建立需求变更评审流程;3)与客户充分沟通。

> 财务顾问:延期导致成本增加,建议:1)优化任务估算方法;2)预留缓冲时间;3)建立风险预案。

> 主持人:好的,我们达成了以下改进计划:1)加强需求管理;2)技术预研机制;3)优化估算方法。

> 评审员:总结改进计划:需求管理+技术预研+优化估算,责任人和时间节点已明确。

> 记录员:已记录改进计划和责任人。
```

---

## 自定义团队组合

如果预设团队不符合需求,可以根据任务特点自定义团队:

1. **明确任务目标**:任务的核心目标是什么?
2. **识别关键环节**:任务需要哪些关键步骤?
3. **选择智能体**:根据每个环节选择合适的智能体
4. **设计协作流程**:定义智能体之间的协作顺序和方式
5. **定义输出格式**:明确每个智能体的输出格式
6. **测试验证**:测试团队能否有效协作

**示例**:自定义"数据迁移项目团队"

```
任务目标:将旧系统数据迁移到新系统

关键环节:
1. 数据分析(干活的)
2. 迁移方案设计(指挥的)
3. 技术可行性评估(挑毛病的)
4. 迁移执行(干活的)
5. 验收测试(挑毛病的)

团队配置:
指挥的:
- 项目经理

挑毛病的:
- 技术架构师
- 数据库专家
- 测试工程师
- 评审员

干活的:
- 数据分析师
- 后端工程师
- 运维工程师

协作流程:
1. 数据分析师分析数据结构
2. 技术架构师设计迁移方案
3. 数据库专家评估数据库兼容性
4. 后端工程师执行迁移
5. 运维工程师监控运行
6. 测试工程师验证数据完整性
7. 评审员验收
```

---

## 产品管理场景模板

### 场景7:产品功能优先级评审会议

**适用场景**:需要评审多个功能的优先级,决定开发顺序和资源分配

**团队配置**:
```
指挥的:
- 产品经理(主持会议、展示RICE排序)

挑毛病的:
- 技术架构师(评估技术可行性和实现难度)
- 市场分析师(评估市场价值和用户需求强度)
- 财务顾问(评估成本收益和ROI)
- 评审员(综合评估和质量把控)

干活的:
- 产品经理(调用RICE脚本进行数据分析)
- 记录员(记录会议内容和决策)
```

**协作流程**:
```
Step 1: 数据准备阶段(会前)
产品经理智能体:
├─ 收集功能列表
├─ 调用 rice_prioritizer.py 生成初步排序
└─ 准备会议材料

Step 2: 会议讨论阶段(使用 multi-agent-meeting 流程)
主持人(产品经理):
├─ 介绍会议目标和功能列表
└─ 展示 RICE 排序结果和评分依据

各专业智能体发言:
├─ 技术架构师:评估技术可行性和实现难度
├─ 市场分析师:评估市场价值和用户需求强度
└─ 财务顾问:评估成本收益和 ROI

Step 3: 辩论和共识阶段
├─ 针对争议功能展开讨论
├─ 各智能体提供专业论据
├─ 调整 RICE 评分
└─ 收敛到共识

Step 4: 决策输出阶段
├─ 最终优先级排序
├─ 每个功能的评估理由
├─ 风险和注意事项
└─ Q2/Q3 开发计划
```

**调用方式**:
```
"请用产品团队评审以下功能的优先级:
1. AI自动生成脚本
2. 多平台发布
3. 数据分析看板
4. 用户协作功能
5. API开放平台"

"评审Q2功能优先级,团队容量15人月"
```

**工具支持**:
```bash
# 优先级排序
python scripts/rice_prioritizer.py features.csv --capacity 15

# JSON输出(便于集成)
python scripts/rice_prioritizer.py features.csv --output json
```

**输出格式**:参考 multi-agent-meeting 的会议记录格式

**相关资源**:
- RICE方法:product-manager-toolkit/SKILL.md
- 会议流程:multi-agent-meeting/SKILL.md
- 脚本工具:product-manager-toolkit/scripts/rice_prioritizer.py
- 会议模板:multi-agent-meeting/assets/meeting-templates/product-feature-review.md

**示例对话**:
```
> 产品经理:根据RICE排序,AI自动生成脚本得分最高(85分)。Reach=1000用户/季度,Impact=massive,Confidence=high,Effort=3人月。

> 技术架构师:从技术角度,这个功能可行。可以使用现有大模型API,预计3人月可以完成MVP。主要风险是模型效果需要持续优化。

> 市场分析师:市场调研显示,用户对AI功能的需求强烈。竞品尚未实现,我们有先发优势。建议Q2优先上线。

> 财务顾问:初期投入约30万(人力+API成本),预计3个月回本。ROI较高,建议优先投入。

> 产品经理:基于大家的分析,AI自动生成脚本确定为P0优先级。接下来讨论多平台发布...

> 评审员:综合评估,本次评审的优先级排序合理。建议:1)AI功能Q2启动;2)多平台发布Q3启动;3)预留1人月缓冲。

> 记录员:已记录决策:P0-AI生成(Q2),P1-多平台(Q3),P2-API平台(Q4)。
```

---

### 场景8:客户访谈洞察分析会议

**适用场景**:分析客户访谈记录,提取关键洞察,生成产品改进方案

**团队配置**:
```
指挥的:
- 产品经理(主持会议、制定改进方案)

挑毛病的:
- 用户研究员(深入解读用户痛点)
- 设计师(从体验角度提出改进方向)
- 技术架构师(评估解决方案的技术可行性)
- 评审员(综合评估方案价值)

干活的:
- 用户研究员(调用访谈分析脚本)
- 产品经理(使用PRD模板生成需求文档)
```

**协作流程**:
```
Step 1: 数据分析阶段(会前)
用户研究员智能体:
├─ 调用 customer_interview_analyzer.py 分析访谈记录
├─ 提取痛点、功能需求、情感分析
└─ 识别关键主题和引用

Step 2: 洞察展示阶段
用户研究员:
├─ 展示分析结果
├─ 解释关键痛点
└─ 说明用户情感和态度

Step 3: 洞察讨论阶段
├─ 产品经理:从产品战略角度解读洞察
├─ 用户研究员:深入解释用户痛点和需求
├─ 设计师:从体验角度提出改进方向
└─ 技术架构师:评估解决方案的技术可行性

Step 4: 方案生成阶段
├─ 确定优先级最高的痛点
├─ 设计解决方案
├─ 评估实现难度和价值
└─ 评审员综合评估

Step 5: PRD 草稿阶段
产品经理:使用 PRD 模板生成需求文档草稿
```

**调用方式**:
```
"分析这份客户访谈记录并生成产品改进方案:
[访谈文本内容]"

"基于用户访谈,提出3个核心改进方向"
```

**工具支持**:
```bash
# 访谈分析
python scripts/customer_interview_analyzer.py interview.txt

# JSON输出
python scripts/customer_interview_analyzer.py interview.txt json
```

**相关资源**:
- 访谈分析:product-manager-toolkit/scripts/customer_interview_analyzer.py
- PRD模板:product-manager-toolkit/references/prd_templates.md
- 会议模板:multi-agent-meeting/assets/meeting-templates/customer-insight-analysis.md

**示例对话**:
```
> 用户研究员:分析结果显示,用户的核心痛点是"脚本生成速度慢"(严重程度:高,频次:每天)。用户原话:"每次都要花很长时间想怎么写,太浪费时间了"。

> 产品经理:这个痛点与我们的产品战略一致。我们的目标是"1分钟生成3个脚本",AI自动生成功能可以解决这个问题。

> 设计师:从体验角度,我建议采用"一键生成"的交互方式。用户输入关键词,系统自动生成3个不同风格的脚本供选择。

> 技术架构师:技术上可行。可以使用大语言模型API,预计响应时间30秒内。主要风险是模型效果需要持续优化。

> 评审员:综合评估,AI自动生成功能可以有效解决用户痛点。建议:1)MVP先支持基础功能;2)收集用户反馈后迭代;3)逐步优化模型效果。

> 产品经理:好的,我会编写PRD文档,定义AI自动生成功能的详细需求。
```

---

### 场景9:产品路线图规划会议

**适用场景**:制定季度或年度产品路线图,确定开发优先级和资源分配

**团队配置**:
```
指挥的:
- 产品经理(主持会议、制定路线图)
- 战略分析智能体(识别市场机会)

挑毛病的:
- 技术架构师(评估技术实现难度)
- 市场分析师(分析竞品动态和用户需求)
- 财务顾问(评估投入产出比)
- 项目经理(评估资源和时间)
- 评审员(综合评估路线图合理性)

干活的:
- 产品经理(使用RICE方法排序)
- 项目经理(制定资源分配计划)
```

**协作流程**:
```
Step 1: 机会识别
├─ 战略分析智能体:扫描市场机会
└─ 市场分析师:分析竞品动态和用户需求

Step 2: 优先级排序
产品经理:使用 RICE 方法对机会进行排序

Step 3: 可行性评估
├─ 技术架构师:评估技术实现难度
├─ 项目经理:评估资源和时间
└─ 财务顾问:评估投入产出比

Step 4: 路线图生成
├─ 产品经理:生成季度路线图
├─ 项目经理:分配资源和制定时间表
└─ 评审员:综合评估路线图合理性

Step 5: 决策输出
├─ Q2/Q3/Q4 路线图
├─ 资源分配计划
├─ 风险和依赖关系
└─ 下一步行动计划
```

**调用方式**:
```
"制定 Q2 产品路线图,当前团队容量 15 人月"

"规划2024年产品路线图,包含战略目标和关键里程碑"
```

**工具支持**:
```bash
# 优先级排序(支持容量规划)
python scripts/rice_prioritizer.py features.csv --capacity 15
```

**相关资源**:
- RICE方法:product-manager-toolkit/SKILL.md
- 战略分析:agent-team/references/opc-agents.md
- 项目管理:agent-team/references/meeting-agents.md

**示例对话**:
```
> 战略分析智能体:市场扫描显示,AI内容生成、多平台发布、数据分析是三大机会方向。其中AI内容生成市场规模最大,竞争相对较小。

> 市场分析师:竞品分析显示,主要竞品尚未实现AI自动生成功能。用户调研显示,60%的用户愿意为AI功能付费。

> 产品经理:基于RICE排序,Q2优先级为:1)AI自动生成(85分);2)多平台发布(72分);3)数据分析看板(58分)。

> 技术架构师:AI功能预计3人月,多平台发布预计2人月,数据分析看板预计4人月。Q2容量15人月,可以完成前两项。

> 项目经理:资源分配建议:AI功能3人月(2名工程师×1.5月),多平台2人月(1名工程师×2月),预留1人月缓冲。

> 财务顾问:AI功能初期投入30万,预计3个月回本。多平台发布边际成本低,长期价值高。建议优先投入。

> 评审员:综合评估,Q2路线图合理。建议:1)AI功能优先上线;2)多平台发布紧随其后;3)数据分析看板推迟到Q3。

> 产品经理:确定Q2路线图:AI自动生成(4-6月),多平台发布(5-7月)。Q3路线图:数据分析看板(7-9月),API开放平台(8-10月)。
```

---

### 场景10:产品定价策略会议

**适用场景**:制定新产品的定价策略,平衡市场竞争力和盈利能力

**团队配置**:
```
指挥的:
- 产品经理(主持会议、制定定价策略)

挑毛病的:
- 市场分析师(分析市场定价和竞品价格)
- 财务顾问(评估成本和利润)
- 销售总监(评估市场接受度)
- 用户研究员(分析用户支付意愿)
- 评审员(综合评估定价合理性)

干活的:
- 记录员(记录讨论过程和决策)
```

**协作流程**:
```
Step 1: 市场分析
├─ 市场分析师:分析竞品定价
└─ 用户研究员:分析用户支付意愿

Step 2: 成本分析
财务顾问:计算成本结构和利润目标

Step 3: 定价方案讨论
├─ 产品经理:提出定价方案
├─ 销售总监:评估市场接受度
├─ 财务顾问:评估利润空间
└─ 市场分析师:评估竞争力

Step 4: 方案优化
├─ 各智能体讨论优化方案
└─ 探索不同定价模式(订阅/按量/混合)

Step 5: 决策输出
├─ 最终定价方案
├─ 定价理由和依据
├─ 风险和应对措施
└─ 定价调整机制
```

**调用方式**:
```
"制定AI脚本生成器的定价策略"

"评估订阅制和按量付费两种定价模式"
```

**相关资源**:
- 定价框架:product-manager-toolkit/SKILL.md
- 市场分析:agent-team/references/meeting-agents.md
- 会议模板:multi-agent-meeting/assets/meeting-templates/product-pricing-strategy.md

**示例对话**:
```
> 市场分析师:竞品定价分析:A产品99元/月,B产品199元/月,C产品按量付费0.5元/次。市场主流是订阅制。

> 用户研究员:用户调研显示,60%的用户愿意支付50-150元/月,30%的用户愿意支付150-300元/月。

> 财务顾问:成本分析:API成本0.2元/次,人力成本分摊后每用户10元/月。利润目标30%,建议定价80-120元/月。

> 销售总监:从销售角度,建议采用分层定价:基础版79元/月(100次/月),专业版149元/月(500次/月),企业版定制。

> 产品经理:综合大家的建议,我提出定价方案:基础版99元/月(150次),专业版199元/月(600次),企业版定制。

> 评审员:综合评估,该定价方案合理。建议:1)上线后监控转化率;2)3个月后根据数据调整;3)提供年付优惠(8折)。

> 记录员:已记录定价策略:99元/月(基础版),199元/月(专业版),年付8折,3个月后复盘。
```
reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis.Stars: 471kUpdated Claude CodeCodexVerifiedInstall
diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness.Stars: 322kUpdated Claude CodeCodexVerifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 322kUpdated Claude CodeCodexVerifiedInstall
executing-plansobra/superpowersUse when executing an implementation plan in the current session as the implementer yourself — your human partner chose inline execution, or no subagent tool is availableStars: 322kUpdated Claude CodeCodexVerifiedInstall