spawn

/hub:spawn — 启动并行 Agent

生成 N 个子 Agent，它们在同一任务上并行工作，每个都在独立的 git worktree 中运行。

用法

/hub:spawn                                    # Spawn agents for the latest session
/hub:spawn 20260317-143022                    # Spawn agents for a specific session
/hub:spawn --template optimizer               # Use optimizer template for dispatch prompts
/hub:spawn --template refactorer              # Use refactorer template

模板

当提供 --template <name> 时，使用 ../agenthub/references/agent-templates.md 中的派发提示词，而不是下方的默认提示词。可用模板如下：

模板	模式	适用场景
optimizer	编辑 → 评估 → 保留/丢弃 → 重复 x10	性能、延迟、体积缩减
refactorer	重构 → 测试 → 迭代直至全部通过	代码质量、技术债务
test-writer	编写测试 → 衡量覆盖率 → 重复	测试覆盖率缺口
bug-fixer	复现 → 诊断 → 修复 → 验证	针对同一 Bug 的多种竞争性修复方案

使用模板时，将所有 {variables} 替换为会话配置中的值。为每个 Agent 分配一个与模板和任务相匹配的不同策略——多样化的策略能最大化并行探索的价值。

功能说明

1. 从 .agenthub/sessions/{session-id}/config.yaml 加载会话配置
2. 对于每个 Agent 1..N：
   • 将任务分配写入 .agenthub/board/dispatch/
   • 构建包含任务、约束条件和 board 写入说明的 Agent 提示词
3. 在单条消息中启动所有 Agent，并包含多个 Agent 工具调用：

Agent(
  prompt: "You are agent-{i} in hub session {session-id}.

Your task: {task}

Read your full assignment at .agenthub/board/dispatch/{seq}-agent-{i}.md

Instructions:
1. Work in your worktree — make changes, run tests, iterate
2. Commit all changes with descriptive messages
3. Write your result summary to .agenthub/board/results/agent-{i}-result.md
   Include: approach taken, files changed, metric if available, confidence level
4. Exit when done

Constraints:
- Do NOT read or modify other agents' work
- Do NOT access .agenthub/board/results/ for other agents
- Commit early and often with descriptive messages
- If you hit a dead end, commit what you have and explain in your result",
  isolation: "worktree"
)

4. 通过以下命令将会话状态更新为 running：

python {skill_path}/scripts/session_manager.py --update {session-id} --state running

关键规则

• 所有 Agent 放在同一条消息中——同时派发所有 Agent 工具调用，以实现真正的并行
• isolation: "worktree" 为必填项——每个 Agent 都需要自己的文件系统
• 启动后切勿修改会话配置——Agent 依赖稳定的配置
• 每个 Agent 获得唯一的 board 帖子——派发帖子按顺序编号

启动之后

告知用户：

• 已并行启动 {N} 个 Agent
• 每个 Agent 都在独立的 worktree 中工作
• 使用 /hub:hub-status 进行监控
• 完成后使用 /hub:eval 进行评估