首页
/ Task: {Stream Name}

Task: {Stream Name}

2026-09-05 20:15:52作者:殷蕙予

Task: {Stream Name}

Objective

{1-2 sentence description of what to build}

Owned Files

  • {file1} — {purpose}
  • {file2} — {purpose}

Requirements

  1. {Specific deliverable 1}
  2. {Specific deliverable 2}
  3. {Specific deliverable 3}

Interface Contract

  • Exports: {types/functions this stream provides}
  • Imports: {types/functions this stream consumes from other streams}

Acceptance Criteria

  • [ ] {Verifiable criterion 1}
  • [ ] {Verifiable criterion 2}
  • [ ] {Verifiable criterion 3}

Out of Scope

  • {Explicitly excluded work}

模板中每个字段都有明确的协作含义:

- **Objective**:一两句说清要构建什么,供接收任务的 implementer 快速对齐目标;
- **Owned Files**:显式列出该成员**可修改**的文件/目录——[team-implementer.md](https://gitcode.com/GitHub_Trending/agents24/agents/blob/a30778f8c4e6b0a87567941b7cca4f534bf642b6/plugins/agent-teams/agents/team-implementer.md?utm_source=gitcode_repo_files) 的文件归属协议第 1 条就是"只修改分配给你的文件——查看任务描述中显式的归属文件清单",第 5 条"拿不准就问"也以这份清单为判定依据;
- **Requirements**:具体可交付物或预期行为,而非笼统目标;
- **Interface Contract**:Exports/Imports 双向声明本流提供什么、消费别的流什么,让并行方可以在对端未完成时先对着契约开发(team-implementer 的"集成点"章节明确要求:开发期对依赖组件打桩/mock,实现完成后再替换);
- **Acceptance Criteria**:可勾选、可验证的完成判据,对应 implementer 工作流中 Phase 4(Verify)"确认验收标准满足";
- **Out of Scope**:显式排除项,防止范围蔓延——team-implementer 的行为特质中"No scope creep"与之一一对应。

## 五、支撑分解的两块基石:文件归属与依赖图

### 文件归属决策框架

分解示例中"owned files 零重叠"不是巧合,而是一套决策流程。[file-ownership.md](https://gitcode.com/GitHub_Trending/agents24/agents/blob/a30778f8c4e6b0a87567941b7cca4f534bf642b6/plugins/agent-teams/skills/parallel-feature-development/references/file-ownership.md?utm_source=gitcode_repo_files) 给出了四步归属决策法:

1. **Step 1 列出全部文件**——枚举该功能需要新建或修改的每个文件;
2. **Step 2 识别自然聚类**——按目录邻近、功能关联(互相 import 的文件)、层归属(全部 UI 文件、全部 API 文件)分组;
3. **Step 3 将聚类分配给 owner**——每个聚类成为一个 implementer 的归属边界,要求:没有文件出现在多个聚类中、每个聚类内部内聚、跨聚类依赖最小化;
4. **Step 4 定义接口点**——在聚类交互处定义共享类型(由 lead 或指定 implementer 拥有)、API 契约(函数签名、请求/响应结构)、事件契约(事件名与 payload 结构)。

该文档还按项目类型给出了常见归属划分,例如 React/Next.js 前端中 `src/components/{feature}/`、`src/hooks/{feature}/`、`src/api/{feature}/` 分别归三位 implementer,`src/types/{feature}.ts` 归 lead 共享;Django 项目中 views/urls/forms 与 models/serializers/managers 分属两个 owner,`{app}/tests/` 归第三方。当两个 implementer 需要改同一个文件时,冲突解决顺序是:**优先拆分文件 → 指定单一 owner(另一方发变更请求)→ 最后手段是顺序访问,绝不允许多人同时改同一文件**。

[parallel-feature-development/SKILL.md](https://gitcode.com/GitHub_Trending/agents24/agents/blob/a30778f8c4e6b0a87567941b7cca4f534bf642b6/plugins/agent-teams/skills/parallel-feature-development/SKILL.md?utm_source=gitcode_repo_files) 的 Troubleshooting 章节进一步给出了实战故障定位,与分解质量直接相关:"即使有清晰归属规则仍出现合并冲突"通常源于某个文件被分配给两个 Agent,或 `index.ts`/`__init__.py` 这类自动导入的 barrel 文件被双方修改——解法是指定 barrel/index 文件由单一 owner 持有,或由 lead 最后统一合并。

### 依赖图模式与反模式

分解确定后,依赖关系需要显式建模。[SKILL.md](https://gitcode.com/GitHub_Trending/agents24/agents/blob/a30778f8c4e6b0a87567941b7cca4f534bf642b6/plugins/agent-teams/skills/task-coordination-strategies/SKILL.md?utm_source=gitcode_repo_files) 给出三种基础形态(独立扇出、顺序链、菱形混合),并展示了如何用任务工具落依赖:

TaskCreate: { subject: "Build API endpoints" } → Task #1 TaskCreate: { subject: "Build frontend components" } → Task #2 TaskCreate: { subject: "Integration testing" } → Task #3 TaskUpdate: { taskId: "3", addBlockedBy: ["1", "2"] } → #3 waits for #1 and #2

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.12 K
2.72 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
588
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
906
1.83 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
854
1.34 K
docsdocs
暂无描述
Markdown
891
5.79 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.53 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.34 K
1.45 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
988
506
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
540
384