SPEK增强型开发平台

这个平台提供的内容/服务

完整的多智能体工作流编排系统 采用女王-公主-无人机蜂群等级制度，配备90多个专业AI代理（包括桌面自动化）、172个斜杠命令、剧院检测、现实验证、全面的MCP服务器集成，以及 Bytebot桌面自动化 用于企业级开发自动化。

关键能力

“Queen-Princess-Drone Swarm Hierarchy”可以翻译为“女王-公主-无人机群等级制度”或“蜂后-公主-无人机集群等级体系”，具体翻译可能根据上下文有所调整，以更贴合原文的语境和含义。在这里，“Queen”通常指的是蜂群或无人机群中的核心控制者或领导者，“Princess”可能代表次级领导者或特定功能的无人机，“Drone Swarm”则指的是由多个无人机组成的群体，而“Hierarchy”表示这种群体中的等级或组织结构拥有6位领域公主的层级化编排
90+个专业化的AI代理自动模型优化（GPT-5 Codex、Gemini Pro、Claude Opus）
使用Bytebot实现桌面自动化通过Bytebot集成实现AI驱动的桌面控制（100%生产就绪）
172个斜杠命令实现完整的开发工作流自动化
剧院检测与现实验证对虚假工作模式零容忍
多平台人工智能集成在OpenAI、Gemini和Claude之间实现无缝协作
15+ 个MCP服务器集成记忆、GitHub、浏览器自动化、桌面控制、顺序思维
9步开发蜂群流程包含审计关卡的完整实施工作流程

三环开发系统

革命性的迭代开发方法论

SPEK平台引入了一种 三回路系统 为新项目和现有代码库的修复提供全面的开发工作流程：

环形建筑

Loop 1: Discovery & Planning (spec->research->premortem->plan)
  v Feeds planning data & risk analysis
Loop 2: Development & Implementation (swarm->MECE->deploy->theater)
  v Feeds implementation & theater detection data
Loop 3: CI/CD Quality & Debugging (analysis->root cause->fixes->validation)
  v Feeds failure analysis back to planning

快速启动命令

# Auto-detect mode and run 3-loop system
./scripts/3-loop-orchestrator.sh

# New project (forward flow: Loop 1->2->3)
./scripts/3-loop-orchestrator.sh forward

# Existing codebase (reverse flow: Loop 3->1->2->3)
./scripts/3-loop-orchestrator.sh reverse

# Remediate existing project progressively
./scripts/codebase-remediation.sh /path/to/project progressive 10

流动模式

正向流动（新项目）循环1 -> 循环2 -> 循环3

- 从规划开始，通过质量门实施，进行验证

反向流动（现有代码库）循环3 -> 循环1 -> 循环2 -> 循环3

- 分析现状，规划改进，实施修复，验证效果

关键特性

零生产剧院所有实施均基于实证验证，真实可靠
自动收敛系统确定何时达到质量目标
37+ 种工具集成真实的 npm、eslint、jest、GitHub CLI 集成
会话管理唯一标识符用于跨迭代跟踪进度

见 docs/3-LOOP-SYSTEM.md 翻译为中文是：文档/3-循环系统.md 以获取完整文档。

核心架构：集成多AI平台的分层群体系统

SPEK平台实现了 “Queen-Princess-Drone swarm architecture”可以翻译为“女王-公主-无人机蜂群架构”。不过，这个翻译可能需要根据具体上下文来调整，因为“Queen-Princess”在这里可能是一种特定的命名或分类方式，用于描述无人机蜂群中的不同角色或层级。在中文中，“女王”和“公主”通常用于描述具有领导或特殊地位的个体，但在无人机蜂群的语境下，这样的命名可能是一种比喻或创新的表达方式。如果这是在描述一个具体的系统或架构，那么可能需要更多的上下文来确定最准确的翻译。不过，基于提供的信息，上述翻译是一个合理的尝试与：

“SwarmQueen”可以翻译为“蜂群女王”或根据具体语境可能译为“群体之主”等，但直接且常见的翻译是“蜂群女王”。这个词汇可能用于描述某种具有领导或主导地位的个体在蜂群或类似的群体中，类似于自然界中蜂群中的蜂后主指挥协调器管理所有领域（777行）
HivePrincess（可译为“蜂巢公主”或根据具体语境意译为其他名称，如“蜂群公主”等，但直接音译加意译的常见表达为“蜂巢公主”）6个具有审计门的特定领域公主（1200行）
90+名专业代理基于能力的自动AI模型分配（包括5名桌面自动化专家）
拜占庭共识分布式代理间的容错协调

架构组件

Python分析引擎 (799个文件)：

核心分析器： /analyzer/ - 全面的代码质量分析
质量门（或质量控制点）9个共存检测器和安全扫描
性能监控回归检测与基准测试
安全验证OWASP合规性与漏洞评估

群集编排系统：

“Swarm Queen”可以翻译为“蜂群女王”或根据上下文意译为“蚁群首领”（如果指蚂蚁等其他社会性昆虫群体的首领）。这里，“Swarm”指的是群体或蜂群，“Queen”则指的是这个群体中的雌性首领或领导者。具体翻译需结合语境来确定: src/swarm/hierarchy/SwarmQueen.ts - 主协调者
蜂后公主们： src/swarm/hierarchy/HivePrincess.ts - 域名管理
代理注册表: src/flow/config/agent/ - 分解为5个类（AgentRegistry 外观模式）
模型选择器: src/flow/core/model-selector.js （385行）
172个命令模板实现完整的流程自动化 .claude/commands/

开发工具:

命令基于Python的（flake8、bandit、pytest、mypy）
构建系统Node.js与Python执行的协调层
CI/CD（持续集成/持续交付）GitHub Actions 工作流用于自动化验证
文档全面指南在 docs/ 目录

核心开发中队（11名配备AI模型的特工）

coder -> GPT-5 Codex + \[Claude流程、记忆、GitHub、文件系统\]
reviewer -> Claude 4.1 版本 + \[claude-flow（流程）、memory（记忆）、github（代码托管平台）、eva（可能是指某种特定功能或模块，具体需根据上下文确定）\]
tester -> Claude Opus 4.1 + \[claude-flow, 记忆, GitHub, Playwright, EVA\]
planner -> 双子座闪光（Gemini Flash）+ 顺序处理 + \[流式处理（claude-flow），记忆，顺序思维，平面（或领域）\]
researcher -> Gemini 2.5 Pro + \[Claude流程、记忆、DeepWiki、FireCrawl、引用、上下文7\]
code-analyzer -> Claude Opus 4.1 + \[claude-flow，记忆，eva\]
其他具有最优模型分配的专用代理

架构与系统设计（6名代理/工程师）

system-architect， architecture， arch-system-design， repo-architect， specification， pseudocode

群体协调与编排（15个代理）

hierarchical-coordinator， mesh-coordinator， adaptive-coordinator， memory-coordinator， swarm-init， smart-agent， task-orchestrator， coordinator-swarm-init， automation-smart-agent， orchestrator-task， sync-coordinator， topology-optimizer， feedback-synthesizer， resource-allocator， workflow-optimizer

SPARC/SPEK 方法论（6名代理）

sparc-coord， sparc-coder， sparc-coordinator， implementer-sparc-coder， refinement， completion-auditor

质量保证与测试（8名代理）

production-validator， tdd-london-swarm， api-tester， reality-checker， theater-killer， performance-benchmarker， performance-analyzer， performance-monitor

GitHub与DevOps集成（17个代理）

github-modes， pr-manager， github-pr-manager， code-review-swarm， issue-tracker， release-manager， workflow-automation， project-board-sync， multi-repo-swarm， swarm-pr， swarm-issue， release-swarm， cicd-engineer， devops-automator， ops-cicd-github， sprint-prioritizer， migration-planner

专业化发展（8名代理）

backend-dev， dev-backend-api， mobile-dev， spec-mobile-react-native， frontend-developer， ml-developer， data-ml-model， ai-engineer

文档与API（4名代理）

api-docs， docs-api-openapi， visual-storyteller， whimsy-injector

共识与分布式系统（7个代理）

byzantine-coordinator， raft-manager， gossip-coordinator， crdt-synchronizer， quorum-manager， security-manager， load-balancer

业务与产品支持（3名代理）

studio-producer， project-shipper， experiment-tracker， support-responder， legal-compliance-checker， infrastructure-maintainer， finance-tracker， analytics-reporter

研究与情报部门（5名特工）

researcher-gemini， trend-researcher， base-template-generator， migration-plan， MIGRATION_SUMMARY

性能与基准测试（3个代理）

perf-analyzer， benchmark-suite， rapid-prototyper

增长与市场营销（7名代理）

growth-hacker， app-store-optimizer， twitter-engager， tiktok-strategist， reddit-community-builder， instagram-curator， content-creator

设计与用户体验（5名成员）

ui-designer， ux-researcher， brand-guardian， tool-evaluator， visual-storyteller

自动模型选择系统

// Example: Automatic model and MCP assignment based on agent type
const { agentSpawner } = require('./src/flow/core/agent-spawner');

// Frontend agent automatically gets Codex + browser automation tools
await agentSpawner.spawnAgent('frontend-developer', 'Create responsive UI');
// Auto-assigns: GPT-5 Codex + [playwright, puppeteer, figma]

// Research agent automatically gets Gemini Pro + research tools
await agentSpawner.spawnAgent('researcher', 'Analyze codebase patterns');
// Auto-assigns: Gemini 2.5 Pro + [deepwiki, firecrawl, ref]

// Quality agent automatically gets Claude Opus + evaluation tools
await agentSpawner.spawnAgent('reviewer', 'Security code review');
// Auto-assigns: Claude Opus 4.1 + [eva, github]

按AI模型划分的关键代理类别

浏览器自动化与可视化（GPT-5 Codex）

frontend-developer， ui-designer， mobile-dev， rapid-prototyper

功能：浏览器自动化、截图捕获、视觉验证
MCP服务器：playwright、puppeteer、figma

大上下文研究（Gemini 2.5 Pro - 100万个标记）

researcher， specification， architecture， system-architect

功能：对大型代码库进行全面分析
MCP服务器：deepwiki、firecrawl、ref、context7

质量保证（Claude Opus 4.1 - 在SWE-bench上达到72.7%的准确率）

reviewer， code-analyzer， security-manager， production-validator

功能：卓越的代码分析和模式识别能力
MCP服务器：eva，github

协调（克劳德·松内特第4首+顺序思维）

sparc-coord， hierarchical-coordinator， task-orchestrator

能力：增强复杂协调的推理能力
MCP服务器：顺序思维，平面（或“平面思维”，根据上下文可能有所不同）

成本效益运营（Gemini Flash）

planner， refinement， pr-manager， issue-tracker

功能：免费层级，增强顺序思维能力
MCP服务器：顺序思维、GitHub、飞机

每个代理都专门负责特定任务，通过最优的人工智能模型分配和MCP服务器工具实现。所有模型的选择均根据任务需求自动完成，无需手动配置。

针对不同用户类型

新开发者	经验丰富的团队	企业/国防
-> 快速入门	-> （这个符号组合在中文中没有直接对应的翻译，但可以解释为“指向”或“转到”的意思，具体翻译需根据上下文确定）核心工作流程	-> 质量门（或质量控制点）
-> 第一个项目	-> 系统架构	-> 国防工业合规
-> 寻求帮助	-> （这个符号组合在中文中没有直接对应的翻译，它可能表示某种特定的指示、箭头或方向，但无法直接翻译为中文词汇，需根据上下文理解其含义。若仅从符号本身来看，可以简单描述为“竖线指向”或“垂直箭头”，但具体含义需结合语境判断。）高级功能	-> 生产部署

______________________________________________________________________

“Queen-Princess-Drone Swarm Architecture” 可以翻译为“女王-公主-无人机蜂群架构”或“主控-副控-无人机集群架构”，具体翻译取决于上下文和语境，但基本传达了该架构由一个主控单元（Queen）、一个或多个辅助控制单元（Princess，这里可能指次级指挥或协调节点）以及一群无人机（Drone Swarm）组成的含义

分层编排系统

SPEK平台实现了复杂（或精密）的（功能/系统） 女王-公主-无人机 管理85+个专业AI代理的层级架构：

“SwarmQueen”可以翻译为“蜂群女王”或根据具体语境调整为更贴切的表述，比如在某些科技或网络社群语境中，也可能被意译为“蜂群领袖”或“群体之主”等。但直接且通用的翻译是“蜂群女王” （总指挥/首席协调员）

位置： src/swarm/hierarchy/SwarmQueen.ts （777行）
角色所有群集操作的中央指挥与控制
能力：

- 管理6个领域特定的Hive公主（或：管理6个针对特定领域的Hive公主团队/角色） - 拜占庭容错与共识协议 - 跨蜂房（或跨部门/跨团队）的沟通与协调 - 具有抗降解功能的全局上下文管理

“HivePrincesses”可以翻译为“蜂巢公主们”或“蜂群公主们”，具体取决于上下文和语境，但基本上传达了“来自蜂巢或蜂群的公主们”这一概念（领域专家）

位置： src/swarm/hierarchy/HivePrincess.ts (1200行)
领域/域名：

1. 发展公主代码实现与集成 1. 品质公主测试、审查和验证 1. “Security Princess”可以翻译为“安全公主”漏洞分析与合规性检查 1. 研究公主模式分析与解决方案探索 1. 基础设施公主DevOps与部署 1. 协调公主任务调度与资源分配

审计关卡/审计闸门（零剧场容忍度）

“PrincessAuditGate”可以翻译为“公主审计门”或“公主审计风波”，具体翻译取决于上下文和语境，但基本意思是某个与“公主”相关的审计事件或丑闻所有完工索赔均需进行强制验证
剧院检测消除虚假的工作模式
现实验证确保真正的功能性
沙盒测试在隔离环境中进行自动化验证

9步开发蜂群流程

该平台包含一个完整的发展工作流程（/dev:swarm):

初始化群集皇后（或主控）与双内存系统的协同工作
代理发现所有85+个可用代理和MCP服务器的目录
MECE任务分配互斥且集体穷尽的任务分配
并行部署具有顺序思维的记忆关联剂
剧院检测审核所有代理的工作，查找伪造模式
沙盒集成测试直至100%集成并正常运行
文档更新同步所有已更改的文档
测试验证确保测试实际上是在测试正确的代码
清理与完成为下一阶段的发展做好准备

使用Bytebot实现桌面自动化

基于人工智能的桌面控制集成

SPEK平台现在包括 全面的桌面自动化功能 通过Bytebot集成，使AI代理能够：

控制桌面应用程序启动并与 VS Code、Firefox、Terminal 等进行交互
执行用户界面测试质量门的质量控制证据收集截图捕获
自动化复杂工作流程基于坐标的多应用工作流程，实现精准协作
视觉验证基于截图的验证，包含压缩与存档功能

桌面自动化代理（5名专家）

桌面自动化工具 (GPT-5 Codex)：全面的桌面自动化
UI测试员 (GPT-5 Codex)：带有截图验证的用户界面测试
应用集成测试器 (GPT-5 Codex)：应用集成测试
桌面质量保证专员 (Claude Opus 4.1): 以证据为基础的质量保证
桌面工作流自动化工具 (GPT-5 Codex)：复杂工作流自动化

集成状态

测试52/52 通过（100%覆盖率）
Docker 支持使用 compose.desktop.yaml 实现完整容器化
MCP桥在端口9995上完成协议实现
证据收集自动截图存档功能 .claude/.artifacts/desktop/
安全沙盒执行并记录审计轨迹

见文件：docs/DESKTOP-AUTOMATION-INTEGRATION.md（中文可译为“文档：桌面自动化集成说明”）用于设置说明。

MCP服务器集成

该平台集成了 15+台MCP（模型上下文协议）服务器 以增强功能：

核心MCP服务器

克劳德流（或根据上下文可译为“克劳德流程”）使用87个MCP工具进行集群编排
顺序思维增强协调代理的推理能力
内存持久知识图谱与跨会话记忆
文件系统确保代理协调中的文件操作安全

研究与文献记录

deepwiki（可译为“深度维基”或保持原样，根据上下文判断是否需要具体翻译）GitHub 仓库文档
“firecrawl”可以翻译为“火爬行”或根据上下文意译为“火势蔓延”（如果指的是火灾或类似情境下的火势扩散）。不过，“firecrawl”并不是一个常见的英文单词或短语，它可能是一个特定领域或情境下的术语，或者是对某个概念的创意性描述。在翻译时，需要结合具体语境来确定最准确的译文使用JavaScript渲染进行网页抓取
参考（或“提及”、“引用”）技术参考和API规范
上下文7带有版本特定示例的实时文档
Markdown（一种轻量级的标记语言）文档格式化和模板

开发与测试

GitHub仓库管理和PR/问题跟踪
剧作家浏览器自动化与跨浏览器测试
Puppeteer（注：这个词在中文中通常直接音译为“皮克特”，但根据上下文，它也可能被意译为“操控者”或“木偶师”，具体取决于所使用的语境。在编程领域，Puppeteer 通常指的是一个用于自动化控制浏览器的库，因此在这里也可以理解为“浏览器自动化工具”。）高级设备模拟与性能监控
伊娃质量指标和系统基准测试
figma（注：Figma是一个在线设计工具，用于协作设计用户界面和用户体验，直接翻译为“figma”即可，因其为专有名词，无需额外解释）设计系统集成与视觉资产

高级平台

ruv-swarm（注：此词可能为特定领域或项目中的专有名词，直接翻译为“ruv-群”或保持原样，具体含义需结合上下文理解）使用WASM加速神经网络
“flow-nexus”可以翻译为“流-连接点”或“流量枢纽”，具体取决于上下文和应用场景。在这里，“flow”通常指的是“流动”或“流量”，而“nexus”则指的是“连接点”或“枢纽”。因此，“flow-nexus”可以理解为一个流动的连接点或流量的枢纽集成了E2B沙箱的云平台

______________________________________________________________________

快速入门

三回路系统快速启动指南

# 1. For new projects - Forward Flow
./scripts/3-loop-orchestrator.sh forward
# Automatically runs: Planning -> Development -> Quality

# 2. For existing codebases - Reverse Flow
./scripts/3-loop-orchestrator.sh reverse
# Automatically runs: Analysis -> Planning -> Fixes -> Validation

# 3. Progressive remediation with convergence
./scripts/codebase-remediation.sh . progressive 10
# Iteratively improves until quality gates pass

循环配置

编辑 .roo/loops/loop-config.json 进行定制：

质量门阈值（测试覆盖率、代码规范检查、安全性）
收敛标准（迭代次数、质量分数）
工具集成（npm、GitHub、分析器）

先决条件

# Required Software
node >= 18.0.0 && npm >= 8.0.0     # Node.js runtime
python >= 3.8                      # Python for analysis engine
git >= 2.30                        # Version control
claude-code >= latest              # Primary development environment

1分钟设置

# 1. Clone and install dependencies
git clone 
npm install

# 2. Install Python analyzer (optional for advanced analysis)
pip install -e ./analyzer

# 3. Verify basic functionality
npm run lint                       # Python flake8 linting (shows many style issues)
npm run security                   # Bandit security scan (creates JSON report)
npm run build                      # Basic build validation (outputs success message)

# 4. Start development workflow
# Create your specification
vim SPEC.md

在Claude代码中使用斜杠命令

这172个斜杠命令是文档模板，用于 .claude/commands/ 那个指导克劳德·科德（Claude Code）行为的指南。使用方法如下：

打开Claude代码命令行界面（CLI）
参考命令文档：“使用 /research:web 方法来查找身份验证库”
Claude Code将遵循以下定义的模式： .claude/commands/research-web.md

示例工作流程：

“遵循/research:web 模式以查找最佳身份验证库”
“使用 /dev:swarm 工作流来实现认证系统”
“应用 /qa:run 验证套件以验证质量”

______________________________________________________________________

核心工作流程：SPEK方法论

规范 -> 研究 -> 规划 -> 执行 -> 知识

三环一体化开发系统

我们的完整开发系统由三个相互关联的循环组成，它们分别处理规划，编码，和 质量与调试:

___________________________________________________________________________
_                    Loop 1: Discovery & Planning Loop                   _
_               spec->plan->research->premortem->plan (5x)                _
_  Tools: /research:web, /research:github, /spec:plan, /pre-mortem-loop  _
_  Output: Risk-mitigated foundation with evidence-based planning        _
_  Function: PLANNING - Prevent problems before they occur               _
___________________________________________________________________________
                          _ Feeds planning data & risk analysis
                          _
___________________________________________________________________________
_                  Loop 2: Development & Implementation Loop             _
_     9-Step Swarm: Init->Discovery->MECE->Deploy->Theater->Integrate    _
_  Tools: /dev:swarm, 54 AI agents, MECE task division, parallel exec   _
_  Output: Theater-free, reality-validated implementation                _
_  Function: CODING - Execute with genuine quality                       _
___________________________________________________________________________
                          _ Feeds implementation & theater detection data
                          _
___________________________________________________________________________
_              Loop 3: CI/CD Quality & Debugging Loop                    _
_  GitHub hooks->AI analysis->root cause->fixes->theater->validation     _
_  Tools: /cicd-loop, failure patterns, comprehensive tests, auto-repair _
_  Output: 100% test success with authentic quality improvements         _
_  Function: QUALITY & DEBUGGING - Maintain production excellence        _
___________________________________________________________________________
                          _ Feeds failure analysis back to planning
                          ___________________________________________________

循环集成架构

关键集成点：

规划 -> 编码Loop 1的风险缓解计划直接融入Loop 2的MECE（相互独立且完全穷尽）任务分配中
编码 -> 质量“Loop 2的剧院检测验证了Loop 3的质量声明”
质量 -> 规划环路3的失效分析为环路1的下一次风险评估提供信息
持续学习所有循环通过统一内存协调共享内存

详细的循环文档

循环1：发现与规划循环（预-mortem流程）

目的以研究为导向的需求分析，结合迭代风险缓解策略

工艺流程:

规范/规格在SPEC.md中定义初始需求
研究利用网页/GitHub研究进行综合解决方案探索
规划生成包含上下文的结构化实施计划
事前评估（或“事前检查”）识别故障模式及缓解策略
计划细化/计划优化基于风险分析制定增强计划
重复5次迭代改进直至故障置信度低于3%

关键工具与命令：

命令	目的	集成点
`/research:web`	寻找现有解决方案	为Loop 2的MECE任务分配提供输入
`/research:github`	分析代码质量模式	为第二轮代理选择提供信息
`/spec:plan`	将 SPEC.md 转换为结构化计划	直接输入到 Loop 2 群初始化
`/pre-mortem-loop`	多智能体风险分析	风险数据流入Loop 3监控
`/gemini:impact`	大上下文变更分析	跨循环影响评估

输出基于证据的规划数据，降低风险的基础

______________________________________________________________________

循环2：开发与实施循环（9步蜂群法）

目的多智能体实现，具备场景检测和现实验证功能

工艺流程:

群体初始化以女王节点为引领的层次拓扑结构，配备双存储器
代理发现盘点54名代理和MCP服务器的功能
MECE任务分配互斥且集合穷尽的任务分解
并行部署具有顺序思维MCP的记忆关联代理
剧院检测审计虚假工作、模拟方法及虚假完成情况
集成循环沙盒测试直至100%集成并正常运行
文档更新同步所有相关文档和测试，以反映更改
测试验证验证测试实际上测试的是正确的功能
清理与完成删除临时文件，为下一阶段做准备

关键工具与集成：

步骤	工具	与其他循环的集成
分隔符	标题	描述内容	`/dev:swarm`	1-3
MECE分析	使用Loop 1规划数据
4-5	54个AI代理，战区检测	验证Loop 3的质量声明

| 6-9 | 沙盒测试，全面质量保证 | 向Loop 3 CI/CD提供数据 |输出

______________________________________________________________________

无剧场（即无模拟环境）、经现实验证的实施方式，带有审计追踪功能

循环3：CI/CD质量与调试循环（智能恢复）目的

持续集成，具备自动化故障恢复和质量验证功能工艺流程

：GitHub Hook 集成
从CI/CD流水线下载失败报告基于人工智能的分析
Gemini+研究团队分析每一个失败案例根本原因检测
逆向工程以查找级联问题智能修复
利用关联上下文打包进行自动化修复剧院检测审计
验证真实有效的质量改进沙盒验证
在隔离环境中测试更改差异分析
将结果与原始故障报告进行比较GitHub 反馈

自动化CI/CD结果报告与循环闭合关键工具与集成： | 阶段 | 工具 | 循环集成 | |-------|-------|------------------| /cicd-loop1-2 GitHub 钩子 | 接收 Loop 2 实现数据 | | 3-4 | 故障模式检测，自动修复 | 使用Loop 1风险缓解数据 | | 5-6 | 戏院扫描，综合测试运行器 | 验证Loop 2戏院检测 |

| 7-8 | 差分分析，反馈挂钩 | 将故障数据反馈回环路1 |输出

______________________________________________________________________

100%测试成功率，同时实现真实品质提升

按循环和阶段划分的基本命令

循环1：发现与规划指令 | 命令 | 用途 | 示例用法 | |---------|---------|---------------| /research:web | 'react authentication libraries' | 查找现有解决方案 | | /research:github | 'auth0 supertokens comparison' | 分析代码质量 | | /research:analyze | "$(cat .claude/.artifacts/research-*.json)" | 综合研究结果 | | /spec:plan | | 将 SPEC.md 转换为 plan.json | 自动生成结构化任务 | /pre-mortem-loop | | 迭代风险分析 | 多代理5倍改进周期 | /gemini:impact | 'implement OAuth2 system' | 大语境分析 |

|

循环2：开发与实施命令 | 命令 | 用途 | 示例用法 | |---------|---------|---------------| /dev:swarm | "implement user authentication system" 9步群体过程 | /codex:micro | 'add input validation' | 小规模编辑（\ SPEC.md

STEP 2: Research-driven discovery (30-60% time savings)

/research:web 'react JWT authentication libraries comprehensive 2024' /research:github 'nextauth supabase-auth clerk comparison security' /research:analyze "$(cat .claude/.artifacts/research-*.json)"

STEP 3: Risk-mitigated planning (5 iterations)

/spec:plan /pre-mortem-loop "JWT authentication system implementation"

Iterates 5 times, reducing failure risk to 编码集成

# Loop 2 produces theater detection validation data
/dev:swarm "feature implementation"  # Generates theater audit trails

# Loop 3 uses this data to validate quality claims
/cicd-loop "validate feature with theater baseline"  # Cross-validates authenticity

编码 -> 质量集成

# Loop 3 generates failure analysis data
/cicd-loop "system validation"  # Produces failure pattern analysis

# Loop 1 uses this for next iteration risk assessment
/pre-mortem-loop "$(cat .claude/.artifacts/failure-patterns.json)"  # Improves planning

______________________________________________________________________

质量 -> 规划反馈

系统架构

集成多AI平台的智能层克劳德·科德
22+个针对开发工作流的专用命令多平台人工智能模型

- :Gemini 2.5 Pro/Flash - 1M上下文分析，免费层级操作GPT-5 Codex（注：此处“Codex”可能指的是一种特定版本或扩展的名称，但具体含义需根据上下文确定，若直接翻译则保持原样） - 浏览器自动化，7小时以上的会话时长，原生支持GitHub克劳德·opus 4.1/十四行诗4

72.7%的SWE-bench（软件工程基准测试）通过率，采用顺序思维85+ 个AI代理
每个都配备了最优模型分配15台MCP服务器
每个领域的专用工具自动模型选择

基于任务的优化系统

过程集成层GitHub规范工具包
官方规格驱动的开发流程克劳德·弗洛（或根据具体语境可译为“克劳德·流程”等，但“Claude Flow”作为专有名词时，通常直接音译加适当解释或保持原样，具体翻译需结合上下文）
多代理工作流编排代理模型注册表 src/flow/config/agent-model-registry.js
：模型选择器
基于任务的动态AI模型分配MCP服务器集成

- 15台专业服务器，支持自动分配通用的 - Claude-Flow，记忆，顺序思维研究 - deepwiki，firecrawl，ref，context7，markitdown视觉 - 剧作家，木偶师，Figma（一款3D建模软件）质量 - eva，github（注：此处“eva”可能是一个特定名称或项目名，直接翻译为中文即“伊娃”，但根据上下文，若“eva”是某个特定项目或概念的名称，应保留原名或根据具体语境进行翻译；“github”是知名代码托管平台，直接翻译为“GitHub”即可）项目

飞机，文件系统现实验证

剧院检测与基于证据的验证

质量保证层9种耦合检测器
中心管理（CoM）、社区实践（CoP）、认证机构（CoA）、技术委员会（CoT，此处根据上下文可能有所不同，CoT也可指其他含义，如“委员会技术”等，需具体情境确定）病毒（CoV）、专家委员会（CoE）、利益相关者（CoI，此处根据上下文可能指“利益相关方”或“利益共同体”等，需具体情境确定）网络（CoN）、行为准则（CoC）NASA POT10合规性
国防工业标准（95%的符合率）安全扫描
OWASP Top 10 + 通过Semgrep自定义规则性能监控

______________________________________________________________________

基准测试与回归检测

质量门

关键阈值（全部必须通过）测试
100%通过率，包含功能验证TypeScript
无编译错误（当前：234+个错误 - 进行中）安全
零个严重问题，\=90%（当前：实施中）“God Objects”可以翻译为“全能对象”或“上帝类”，在软件工程领域，这个术语通常用来指代那些承担了过多职责、功能过于繁杂的类，它们像全能者一样无所不能，但实际上却违反了面向对象设计的单一职责原则
\=0.75 重复分析覆盖范围
更改行上无退化（或：更改行无倒退）剧院检测

\ GPT-5 Codex**上下文大小

- >50万标记 -> Gemini 2.5 Pro质量焦点 - 代码审查 -> Claude Opus 4.1协调 - 复杂的编曲 -> 克劳德·肖内特4 + 顺序（或“序列”）成本优化

常规任务 -> Gemini FlashMCP服务器集成
按代理域自动分配工具平台回退方案

平台不可用时的智能切换

企业集成GitHub 项目经理
原生GitHub项目管理集成GitHub 集成
具有智能故障恢复的闭环CI/CD（持续集成/持续交付）内存持久化
跨会话的组织学习上下文证据包

完整的审计轨迹，用于合规性和治理

性能优化并行执行
所有操作在单条消息中并发执行手术编辑（或：外科编辑）
有限范围的修改（\=90%） 无严重漏洞
在安全评估中 全面的审计追踪
对于所有代码更改 现实验证框架
阻止完成剧院（或：防止剧院完工） 基于证据的质量关卡

带有加密验证

生产部署特性自动回滚
具有智能恢复功能的断路器模式监控仪表板
实时工作流健康状况和性能指标安全管道
持续合规审计和威胁检测质量协调（或质量统筹）

______________________________________________________________________

85%+的CI/CD成功率，采用并行验证

生产部署

部署准备检查清单
\[ \] 所有质量门均通过，附有证据包
\[ \] 防务工业合规性验证通过（>=90%符合NASA POT10标准）
\[ \] 已审查并批准安全扫描结果
\[ \] 性能基准符合要求
\[ \] 戏剧检测显示\ 定义需求 -> 让系统引领你走向成功。

实施状态当前状态

完整的多智能体工作流编排平台

真正奏效的是：好的“Queen-Princess-Drone Swarm”可以翻译为“女王-公主-无人机群”。不过，这个翻译可能需要根据具体上下文来调整，因为“Queen-Princess”在这里可能是一个特定名称或项目的一部分，也可能有其他隐含的含义。如果这是一个科技或军事项目的名字，那么“女王-公主”可能指的是某种特定的指挥结构或系统，而“无人机群”则指的是由多个无人机组成的集群。因此，在翻译时，可能需要结合具体语境来给出更准确的翻译
完整的层次化编排系统好的85+ 个AI代理
完成注册并自动优化模型好的172 个斜杠命令
完整的流程自动化框架好的15+ 个MCP服务器
记忆、GitHub、浏览器自动化、顺序思维好的剧院检测
零容忍审计关卡，结合实际情况验证好的9步开发蜂群（或：9步开发流程中的团队协作）
完整的实施工作流程好的多平台人工智能

GPT-5 Codex、Gemini Pro、Claude Opus 的集成

需要配置的内容： \[警告\]SPARC 命令 .roomodes 需要npx claude-flow@latest init --sparc文件（
） \[警告\]测试套件 pip install --upgrade pytest
Pytest 出现导入错误 - 需要 \[警告\]Python 分析器
在 github_bridge.py 中存在语法错误（现已修复） \[警告\]代码检查（或代码格式化）

显示500+条样式警告，但功能正常

核心功能： 这是一个 完整的企业级平台

提供：集群编排
“Queen-Princess等级体系管理85+名代理”多AI平台
跨三家AI提供商的自动模型选择命令框架
为所有工作流程提供163+个斜杠命令剧院检测
强制审计关卡，杜绝虚假工作拜占庭共识

容错分布式协调

npm run lint           # Python flake8 linting - [OK] Working (many style warnings)
npm run security       # Bandit security scan - [OK] Working (outputs to .claude/.artifacts/)
npm run build          # Build validation - [OK] Working
python test_modules.py # Module testing - [OK] Working (all modules load after fix)

实用快捷命令集锦：

# Initialize SPARC (required for SPARC commands)
npx claude-flow@latest init --sparc

# View claude-flow swarm capabilities (requires Claude Code CLI)
npx claude-flow@alpha swarm --help  # View swarm options
# Note: Swarm execution requires Claude Code CLI to be installed and accessible

# Fix Python test dependencies if pytest fails
pip install --upgrade pytest

# Configure MCP servers for agent spawning
# (Follow Claude Code MCP setup documentation)

激活全部功能： 这个系统提供了一个 坚实的基础 用于带有（某种工具或环境的）Python代码分析 广泛的AI代理框架

Spek-template

快速接入

详细介绍

SPEK增强型开发平台

这个平台提供的内容/服务

关键能力

三环开发系统

革命性的迭代开发方法论

环形建筑

快速启动命令

流动模式

关键特性

核心架构：集成多AI平台的分层群体系统

架构组件

核心开发中队（11名配备AI模型的特工）

架构与系统设计（6名代理/工程师）

群体协调与编排（15个代理）

SPARC/SPEK 方法论（6名代理）

质量保证与测试（8名代理）

GitHub与DevOps集成（17个代理）

专业化发展（8名代理）

文档与API（4名代理）

共识与分布式系统（7个代理）

业务与产品支持（3名代理）

研究与情报部门（5名特工）

性能与基准测试（3个代理）

增长与市场营销（7名代理）

设计与用户体验（5名成员）

自动模型选择系统

按AI模型划分的关键代理类别

浏览器自动化与可视化（GPT-5 Codex）

大上下文研究（Gemini 2.5 Pro - 100万个标记）

质量保证（Claude Opus 4.1 - 在SWE-bench上达到72.7%的准确率）

协调（克劳德·松内特第4首+顺序思维）

成本效益运营（Gemini Flash）

针对不同用户类型

分层编排系统

“SwarmQueen”可以翻译为“蜂群女王”或根据具体语境调整为更贴切的表述，比如在某些科技或网络社群语境中，也可能被意译为“蜂群领袖”或“群体之主”等。但直接且通用的翻译是“蜂群女王” （总指挥/首席协调员）

“HivePrincesses”可以翻译为“蜂巢公主们”或“蜂群公主们”，具体取决于上下文和语境，但基本上传达了“来自蜂巢或蜂群的公主们”这一概念 （领域专家）

审计关卡/审计闸门 （零剧场容忍度）

9步开发蜂群流程

使用Bytebot实现桌面自动化

基于人工智能的桌面控制集成

桌面自动化代理（5名专家）

集成状态

MCP服务器集成

核心MCP服务器

研究与文献记录

开发与测试

高级平台

快速入门

三回路系统快速启动指南

循环配置

先决条件

1分钟设置

在Claude代码中使用斜杠命令

核心工作流程：SPEK方法论

三环一体化开发系统

循环集成架构

详细的循环文档

循环1：发现与规划循环（预-mortem流程）

循环2：开发与实施循环（9步蜂群法）

无剧场（即无模拟环境）、经现实验证的实施方式，带有审计追踪功能

100%测试成功率，同时实现真实品质提升

按循环和阶段划分的基本命令

|

STEP 2: Research-driven discovery (30-60% time savings)

STEP 3: Risk-mitigated planning (5 iterations)

Iterates 5 times, reducing failure risk to 编码集成

编码 -> 质量集成

质量 -> 规划反馈

系统架构

基于任务的优化系统

剧院检测与基于证据的验证

基准测试与回归检测

质量门

\ GPT-5 Codex**上下文大小

平台不可用时的智能切换

完整的审计轨迹，用于合规性和治理

带有加密验证

“HivePrincesses”可以翻译为“蜂巢公主们”或“蜂群公主们”，具体取决于上下文和语境，但基本上传达了“来自蜂巢或蜂群的公主们”这一概念（领域专家）

审计关卡/审计闸门（零剧场容忍度）