Przejdź do treści
Biblioteka skilli
AI i agenci · Planowanie

hub-init

/hub-init

Tworzy nową sesję współpracy AgentHub z zadaniem, liczbą agentów i kryteriami oceny, przy rozpoczynaniu rywalizacji wielu agentów nad zadaniem.

Repozytorium
claude-skills ↗
Licencja
MIT
Ostatnia zmiana repozytorium
23.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 23.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Tworzy nową sesję współpracy AgentHub z zadaniem, liczbą agentów i kryteriami oceny, przy rozpoczynaniu rywalizacji wielu agentów nad zadaniem.

Oryginalny opis (EN)

Create a new AgentHub collaboration session with task, agent count, and evaluation criteria. Use when the user runs /hub:hub-init or asks to start a multi-agent competition on a task.

Jak działa

  1. Usage
  2. What It Does
  3. Baseline Capture
  4. After Init
Sekcje z nagłówków SKILL.md, w oryginale · 85 linii, 367 słów
Podgląd SKILL.md
---
name: "hub-init"
description: "Create a new AgentHub collaboration session with task, agent count, and evaluation criteria. Use when the user runs /hub:hub-init or asks to start a multi-agent competition on a task."
metadata:
  command: /hub:hub-init
---

# /hub:hub-init — Create New Session

Initialize an AgentHub collaboration session. Creates the `.agenthub/` directory structure, generates a session ID, and configures evaluation criteria.

## Usage

```
/hub:hub-init                                                    # Interactive mode
/hub:hub-init --task "Optimize API" --agents 3 --eval "pytest bench.py" --metric p50_ms --direction lower
/hub:hub-init --task "Refactor auth" --agents 2                  # No eval (LLM judge mode)
```

## What It Does

### If arguments provided

Pass them to the init script:

```bash
python {skill_path}/scripts/hub_init.py \
  --task "{task}" --agents {N} \
  [--eval "{eval_cmd}"] [--metric {metric}] [--direction {direction}] \
  [--base-branch {branch}]
```

### If no arguments (interactive mode)

Collect each parameter:

1. **Task** — What should the agents do? (required)
2. **Agent count** — How many parallel agents? (default: 3)
3. **Eval command** — Command to measure results (optional — skip for LLM judge mode)
4. **Metric name** — What metric to extract from eval output (required if eval command given)
5. **Direction** — Is lower or higher better? (required if metric given)
6. **Base branch** — Branch to fork from (default: current branch)

### Output

```
AgentHub session initialized
  Session ID: 20260317-143022
  Task: Optimize API response time below 100ms
  Agents: 3
  Eval: pytest bench.py --json
  Metric: p50_ms (lower is better)
  Base branch: dev
  State: init

Next step: Run /hub:spawn to launch 3 agents
```

For content or research tasks (no eval command → LLM judge mode):

```
AgentHub session initialized
  Session ID: 20260317-151200
  Task: Draft 3 competing taglines for product launch
  Agents: 3
  Eval: LLM judge (no eval command)
  Base branch: dev
  State: init

Next step: Run /hub:spawn to launch 3 agents
```

## Baseline Capture

If `--eval` was provided, capture a baseline measurement after session creation:

1. Run the eval command in the current working directory
2. Extract the metric value from stdout
3. Append `baseline: {value}` to `.agenthub/sessions/{session-id}/config.yaml`
4. Display: `Baseline captured: {metric} = {value}`

This baseline is used by `result_ranker.py --baseline` during evaluation to show deltas. If the eval command fails at this stage, warn the user but continue — baseline is optional.

## After Init

Tell the user:
- Session created with ID `{session-id}`
- Baseline metric (if captured)
- Next step: `/hub:spawn` to launch agents
- Or `/hub:spawn {session-id}` if multiple sessions exist

Wersje

RepozytoriumWynikLicencja
Ta strona · alirezarezvani/claude-skills100MIT
chanukawijeratna-ai/claude-session-hub96MIT
Rafid-Bin-Sadeque/de-agent90Apache-2.0

Migawka bazy z 13.11.2026 · wersja paczki ae79f238b6b8 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100init
    Tworzy nową sesję współpracy AgentHub z zadaniem, liczbą agentów i kryteriami oceny, do rywalizacji wielu agentów nad jednym zadaniem.
  • 100hub-run
    Łączy w jedno wywołanie cały cykl AgentHub: inicjalizację, bazę, uruchomienie agentów, ocenę i scalenie, do pełnej rywalizacji agentów od początku do końca.
  • 100hub-status
    Pokazuje stan grafu DAG, postęp agentów i status gałęzi sesji AgentHub, gdy trzeba sprawdzić, jak idzie agentom.
  • 100run
    Uruchamia cały cykl konkursu AgentHub jednym poleceniem: inicjalizację, bazę, start agentów, ewaluację i scalenie wyników.
  • 90agent-hub-init
    Tworzy profil agent-hub dla bieżącego projektu, żeby zespół agentów mógł się do niego dostroić.
  • 100agenthub
    Uruchamia N równoległych subagentów konkurujących nad tym samym zadaniem w izolowanych git worktree, ocenia wyniki metryką lub sędzią LLM i scala zwycięską gałąź.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.