Compétences when-using-advanced-swarm-use-swarm-advanced
🐝
when-using-advanced-swarm-use-swarm-advanced
Sûr ⚙️
Commandes externes🌐
Accès réseau📁
Accès au système de fichiers
Déployez des essaims multi-agents avancés avec coordination dynamique
Les projets multi-agents complexes nécessitent une coordination sophistiquée. Cette compétence fournit des modèles systématiques pour le changement de topologie dynamique, les comportements d'agents auto-organisés et l'allocation adaptative des ressources pour optimiser les performances de l'essaim.
Prend en charge: Claude Codex Code(CC)
1
Télécharger le ZIP du skill
2
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
3
Activez et commencez à utiliser
Tester
Utilisation de "when-using-advanced-swarm-use-swarm-advanced". Initialiser un essaim hiérarchique avec 8 agents et surveiller les performances
Résultat attendu:
- Essaim initialisé avec topologie hiérarchique (ID: swarm-abc123)
- 8 agents générés : 2 chercheurs, 3 codeurs, 2 réviseurs, 1 optimiseur
- Niveaux de hiérarchie : 3 niveaux avec facteur de branchement 3
- Coordination mémoire active pour tous les agents
- Référence de performance : 120 tâches/min, latence 45ms, utilisation 75%
- Recommandations : Basculer vers la topologie maillée si la charge du coordinateur dépasse 80%
Utilisation de "when-using-advanced-swarm-use-swarm-advanced". Basculer de la topologie hiérarchique à maillée pendant une charge élevée
Résultat attendu:
- Charge actuelle du coordinateur : 87% (au-dessus du seuil de 80%)
- Initiation du changement de topologie : hiérarchique -> maillée
- Drainage des tâches actives de la hiérarchie du coordinateur
- Topologie maillée activée avec 3 coordinateurs pairs
- Nouvelle charge du coordinateur : 34% en moyenne entre les pairs
- Débit de tâches amélioré de 25%
Utilisation de "when-using-advanced-swarm-use-swarm-advanced". Rééquilibrer les agents pour une utilisation optimale
Résultat attendu:
- Identifié 2 agents sous-utilisés (utilisation < 30%)
- Identifié 3 agents surchargés (utilisation > 90%)
- Réaffectation de 4 tâches des agents surchargés vers les agents sous-utilisés
- Utilisation des agents maintenant équilibrée : plage 72%-85%
- Aucune défaillance de tâche pendant le rééquilibrage
- Synchronisation mémoire terminée
Audit de sécurité
Sûrv5 • 1/17/2026
This is a documentation-only skill containing markdown SOP files. No executable code, no file system access, no network calls, and no code execution paths detected. Pure workflow documentation for Claude Flow swarm coordination. All 133 static findings are false positives caused by pattern-matching on bash examples in documentation code blocks.
5
Fichiers analysés
1,573
Lignes analysées
3
résultats
5
Total des audits
Facteurs de risque
⚙️ Commandes externes (111)
PROCESS.md:20-29 PROCESS.md:29-32 PROCESS.md:32-37 PROCESS.md:37-40 PROCESS.md:40-46 PROCESS.md:46-49 PROCESS.md:49-59 PROCESS.md:59-76 PROCESS.md:76-94 PROCESS.md:94-97 PROCESS.md:97-112 PROCESS.md:112-115 PROCESS.md:115-123 PROCESS.md:123-140 PROCESS.md:140-152 PROCESS.md:152-155 PROCESS.md:155-181 PROCESS.md:181-184 PROCESS.md:184-205 PROCESS.md:205-208 PROCESS.md:208-214 PROCESS.md:214-231 PROCESS.md:231-239 PROCESS.md:239-242 PROCESS.md:242-251 PROCESS.md:251-254 PROCESS.md:254-270 PROCESS.md:270-273 PROCESS.md:273-279 PROCESS.md:279-304 PROCESS.md:304-313 PROCESS.md:313-316 PROCESS.md:316-337 PROCESS.md:337-340 PROCESS.md:340-355 PROCESS.md:355-358 PROCESS.md:358-367 PROCESS.md:367-370 PROCESS.md:370-380 PROCESS.md:380-383 PROCESS.md:383-396 PROCESS.md:396-399 PROCESS.md:399-405 PROCESS.md:405-417 PROCESS.md:417-457 PROCESS.md:457-471 PROCESS.md:471-472 PROCESS.md:472-473 PROCESS.md:473-481 PROCESS.md:58 PROCESS.md:188 PROCESS.md:197 PROCESS.md:246 PROCESS.md:265 PROCESS.md:311 PROCESS.md:312 PROCESS.md:342 PROCESS.md:343 PROCESS.md:353 PROCESS.md:360-361 PROCESS.md:363 PROCESS.md:49-59 PROCESS.md:184-205 PROCESS.md:242-251 PROCESS.md:254-270 PROCESS.md:304-313 PROCESS.md:340-355 PROCESS.md:358-367 PROCESS.md:418 README.md:9-26 SKILL.md:74-90 SKILL.md:90-94 SKILL.md:94-115 SKILL.md:115-119 SKILL.md:119-129 SKILL.md:129-151 SKILL.md:151-178 SKILL.md:178-182 SKILL.md:182-201 SKILL.md:201-237 SKILL.md:237-247 SKILL.md:247-269 SKILL.md:269-290 SKILL.md:290-294 SKILL.md:294-319 SKILL.md:319-324 SKILL.md:324-337 SKILL.md:337-340 SKILL.md:340-345 SKILL.md:345-349 SKILL.md:349-359 SKILL.md:359-381 SKILL.md:381-402 SKILL.md:402-406 SKILL.md:406-428 SKILL.md:428-455 SKILL.md:455-465 SKILL.md:465-488 SKILL.md:488-513 SKILL.md:513-517 SKILL.md:517-534 SKILL.md:534-539 SKILL.md:539-549 SKILL.md:549-552 SKILL.md:552-563 SKILL.md:563-566 SKILL.md:566-574 SKILL.md:574-578 SKILL.md:578-588 SKILL.md:458 SKILL.md:455-465
🌐 Accès réseau (3)
📁 Accès au système de fichiers (1)
Audité par: claude Voir l’historique des audits →
Score de qualité
38
Architecture
100
Maintenabilité
87
Contenu
22
Communauté
100
Sécurité
78
Conformité aux spécifications
Ce que vous pouvez construire
Mise à l'échelle du développement multi-agents
Coordonnez de grandes équipes de développement en utilisant des modèles de délégation de tâches hiérarchiques avec surveillance des performances
Automatisation de la mise à l'échelle de l'infrastructure
Déployez des essaims adaptatifs qui changent automatiquement de topologie en fonction des demandes de charge de travail et de la disponibilité des ressources
Expérimentation avec la coordination
Testez différents modèles de topologie et comportements auto-organisés dans des expériences multi-agents contrôlées
Essayez ces prompts
Configuration de base de l'essaim
Use swarm-advanced to initialize a hierarchical swarm with 10 agents. Configure memory coordination and verify initialization.
Coordination maillée
Deploy a mesh topology swarm for collaborative analysis. Spawn researcher and analyst agents with peer coordination enabled.
Optimisation adaptative
Monitor the current swarm performance. Identify bottlenecks and apply dynamic optimizations including topology switching if needed.
Flux de travail complet
Execute the complete advanced swarm workflow: initialize with adaptive topology, deploy 8 specialized agents, monitor for 5 minutes, then optimize and generate a performance report.
Bonnes pratiques
- Commencez par la topologie hiérarchique ou en étoile pour les flux de travail plus simples avant de passer aux modèles maillés ou adaptatifs
- Établissez des références de performance avant d'appliquer les optimisations pour mesurer l'amélioration avec précision
- Testez les changements de topologie dans des environnements hors production d'abord pour valider le comportement
Éviter
- Évitez de changer de topologie sans drainer d'abord les tâches actives
- Ne dépassez pas les nombres d'agents recommandés sans vérifier les ressources système
- Évitez de fonctionner sans surveillance continue pendant les phases d'optimisation
Foire aux questions
Quelles topologies fonctionnent le mieux pour différents types de projets ?
La topologie hiérarchique convient à la délégation de tâches, la maillée permet la collaboration entre pairs, l'étoile fonctionne pour les flux de travail simples, l'anneau gère le traitement séquentiel, et l'adaptative optimise automatiquement les charges de travail variables.
Quelles sont les limites d'agents recommandées ?
La topologie hiérarchique prend en charge 10 agents, la maillée gère 8 agents, et l'adaptative peut accommoder 12 agents. Augmentez progressivement l'échelle tout en surveillant la consommation des ressources système.
Comment cela s'intègre-t-il avec d'autres compétences Claude Flow ?
Swarm-advanced s'intègre avec swarm-orchestration pour les tâches complexes, performance-analysis pour les informations détaillées, et hive-mind pour les modèles d'intelligence collective.
Mes données sont-elles sécurisées pendant les opérations d'essaim ?
Cette compétence ne coordonne que les agents que vous contrôlez. Toutes les données circulent dans votre environnement. Vérifiez les permissions des agents avant le déploiement et utilisez la coordination mémoire uniquement pour les données de configuration non sensibles.
Pourquoi les performances ne s'améliorent-elles pas après l'optimisation ?
Vérifiez que les métriques de référence sont exactes. Vérifiez si les goulots d'étranglement ont été correctement identifiés. Essayez différentes stratégies d'optimisation ou ajustez les paramètres de topologie. Certaines charges de travail peuvent avoir atteint leurs limites naturelles.
En quoi la topologie adaptative diffère-t-elle du changement manuel ?
La topologie adaptative surveille automatiquement les charges de travail et change de modèle en fonction des seuils que vous configurez. Le changement manuel vous donne un contrôle total mais nécessite une surveillance et une intervention actives.