ruflo hive-mind spawn 实战:以女王协调(Queen-Led)模式拉起多智能体蜂群的完整指南
Hive Mind 是 ruflo 中面向多智能体协作的"蜂群智能"协调框架,而 hive-mind spawn 正是把理论上的蜂群变成实际运行的 worker 智能体的核心命令。本篇技术指南以 .claude/commands/hive-mind/hive-mind-spawn.md 为骨架,结合仓库内 v3 CLI 的完整实现,讲解 spawn 的每个参数含义、真实运行调用链,以及它如何在 Queen(女王/首领)协调下完成任务分发、共识决策与集体记忆。读完本文,你将能够熟练使用该命令拉起一个可观测、可恢复、可协商的多智能体蜂群,也能读懂它落地到 Claude Code 会话时的底层行为。
一、spawn 在 Hive Mind 命令体系中的位置
在 ruflo 仓库中,hive-mind 是一组完整的"集体智能"生命周期命令,文档化入口见 .claude/commands/hive-mind/README.md,共包含 hive-mind、hive-mind-init、hive-mind-spawn、hive-mind-status、hive-mind-resume、hive-mind-stop、hive-mind-sessions、hive-mind-consensus、hive-mind-memory、hive-mind-metrics、hive-mind-wizard 等多个命令。
其中:
hive-mind init:初始化整个蜂群基础设施,选定拓扑、共识算法与内存后端;hive-mind spawn:把 worker 智能体"加入"蜂群(spawn into the hive),是本篇主角;hive-mind status:查看蜂群与 Queen 的健康状态、队列负载;hive-mind resume / stop:暂停后的恢复与会话终止;hive-mind consensus:提案与投票治理;hive-mind memory:访问蜂群共享记忆。
主命令描述为 "Queen-led consensus-based multi-agent coordination",即由 Queen 领导的、基于共识算法的多智能体协调。spawn 的目标描述(objective)非常直白——"Spawn a Hive Mind swarm with queen-led coordination"(以女王协调模式拉起一支 Hive Mind 蜂群)。
在 v3 CLI 的源码中,该命令注册在 v3/@claude-flow/cli/src/commands/hive-mind.ts,别名 hive,其命令行统一入口为 claude-flow(对应 npx claude-flow)。
二、命令用法与基础语法
依据关联文档,spawn 的基本语法如下:
npx claude-flow hive-mind spawn <objective> [options]
其中 <objective> 是要交给蜂群完成的目标描述,例如 "Build API"、"Research patterns"。整条命令整体语义为:为当前蜂群补充 worker 智能体,并以 objective 作为协调指挥的核心目标。目标会进一步进入 Claude Code 协调提示词,成为蜂群执行协议中 Queen 需要对齐的 "YOUR OBJECTIVE"。
从源码看,spawn 子命令注册了更细粒度的选项(见 v3/@claude-flow/cli/src/commands/hive-mind.ts),目标既可以通过 --objective/-o 传入,也可以作为位置参数传入(源码中 ctx.args.join(' ') 即为兜底逻辑);交互式会话中若未提供目标,还会弹出输入提示,校验规则是目标不能为空。
三、选项详解与取值范围
关联文档列出了 4 个核心选项,下面先按其原貌列出,再结合源码与同族命令补齐取值范围和默认值。
3.1 文档定义的选项
| 选项 | 说明 | 可取值 / 默认 |
|---|---|---|
--queen-type <type> |
Queen(首领)协调者类型 | strategic(战略型,默认)、tactical(战术型)、adaptive(自适应型) |
--max-workers <n> |
蜂群最大 worker 智能体数量上限 | 正整数 |
--consensus <type> |
使用的共识算法 | byzantine、raft、gossip、crdt、quorum(byzantine 为默认) |
--claude |
生成并启动 Claude Code 协调会话 | 布尔开关,默认关闭 |
3.2 与 v3 实现对应的真实参数面
从 v3 CLI 的 spawn 实现看,当前落地版本的参数粒度更细,同时保留了上述语义:
-n, --count:本次要 spawn 的 worker 数量,默认1;-r, --role:worker 角色,取值为worker、specialist、scout,默认worker;-t, --type:worker 的 agent 类型,默认worker;-p, --prefix:worker ID 前缀,默认hive-worker;-o, --objective:蜂群目标(与位置参数等价);--claude:spawn 后携带协调提示词启动 Claude Code;--dangerously-skip-permissions:跳过 Claude Code 权限确认(默认 true,需谨慎);--no-auto-permissions:显式关闭自动权限跳过;--dry-run:只展示将执行的动作而不真正启动 Claude Code;--non-interactive:以-p --output-format stream-json非交互模式运行 Claude Code;--mcp-config:为被 spawn 的 worker 显式指定 MCP 配置文件。
上述角色 worker / specialist / scout 与仓库中蜂群代理体系一一对应:worker-specialist 负责任务执行与并行处理,scout-explorer 负责情报收集与环境扫描,相关职责描述见 .claude/agents/hive-mind/queen-coordinator.md。
3.3 共识算法与拓扑的取值集合
共识策略在 init 子命令中同样被引用,源码定义了完整的取值集合与提示文案(见 v3/@claude-flow/cli/src/commands/hive-mind.ts):
| 值 | 含义 | 特性 |
|---|---|---|
byzantine |
Byzantine Fault Tolerant | 2/3 多数裁决,可抵御恶意参与者(默认) |
raft |
Raft | 基于 leader 的共识 |
gossip |
Gossip | 最终一致,具备可扩展性 |
crdt |
CRDT | 无冲突可复制数据类型 |
quorum |
Quorum | 简单多数投票 |
拓扑取值集合为 hierarchical(Queen 领导 worker)、mesh(对等协调)、hierarchical-mesh(Queen + 对等通信,推荐)、adaptive(按任务动态调整),默认 hierarchical-mesh(见 v3/@claude-flow/cli/src/commands/hive-mind.ts)。在提示词生成器中,这些字段会被写入蜂群配置区块:Queen 类型默认 strategic、共识算法默认 byzantine、拓扑默认 hierarchical-mesh(v3/@claude-flow/cli/src/commands/hive-mind.ts)。
3.4 init 阶段即可预设的蜂群级参数
与 spawn 配合的是 init 子命令提供的一组蜂群级配置(见 v3/@claude-flow/cli/src/commands/hive-mind.ts):
-t, --topology:蜂群拓扑,默认hierarchical-mesh;-c, --consensus:共识策略,默认byzantine;-m, --max-agents:最大智能体数,默认15;-p, --persist:是否启用持久化状态,默认开启;--memory-backend:记忆后端,取值为agentdb、sqlite、hybrid,默认hybrid。
init 会调用 MCP 工具 hive-mind_init 完成基础设施创建,返回 hiveId、topology、consensus、queenId 等配置;随后即可用 spawn 补充 worker。
四、示例逐条演练
关联文档给出了 3 个示例,这里原样继承并补充运行说明与真实扩展用法。
# 示例 1:最简拉起——以默认 strategic Queen、默认 byzantine 共识开始执行
npx claude-flow hive-mind spawn "Build API"
# 示例 2:指定 Queen 类型为自适应型,进行模式研究类任务
npx claude-flow hive-mind spawn "Research patterns" --queen-type adaptive
# 示例 3:仅拉起并生成 Claude Code 协调指令(不附带额外目标,由会话继续推进)
npx claude-flow hive-mind spawn "Build service" --claude
结合仓库内命令库(见 .claude/commands/hive-mind/hive-mind.md)以及 v3 实现的示例字段,可以派生以下高频实战形态:
# 标准流程:先初始化蜂群,再拉起 5 个 worker
npx claude-flow hive-mind init
npx claude-flow hive-mind spawn -n 5
# 初始化时即指定分层网格拓扑 + 拜占庭共识,上限 20 个智能体
npx claude-flow hive-mind init -t hierarchical-mesh -c byzantine -m 20
# spawn 3 个 specialist 角色 worker
npx claude-flow hive-mind spawn -n 3 -r specialist
# 用自定义类型与前缀标识一组 coder worker
npx claude-flow hive-mind spawn -t coder -p my-coder
# 拉起 5 个 worker 并同时以 --claude 启动 Claude Code 协调会话,明确给定目标
npx claude-flow hive-mind spawn -n 5 --claude -o "Research AI patterns"
# 仅做演练:查看将生成的提示词内容而不实际启动 Claude Code
npx claude-flow hive-mind spawn --claude -o "Build a REST API" --dry-run
# 服务器 / CI 场景:非交互模式运行,需要显式提供 MCP 配置
npx claude-flow hive-mind spawn --claude --non-interactive --mcp-config ./.mcp.json -o "Run regression suite"
示例中 --claude 与 --objective 同时出现时,spawn 会先向蜂群写入 worker(对应 MCP 工具 hive-mind_spawn),再把所有 worker 信息与目标一起打包进协调提示词,转交给 Claude Code 会话执行。
五、源码级原理:spawn 一行的背后发生了什么
5.1 两条执行分支
spawn 的 action(v3/@claude-flow/cli/src/commands/hive-mind.ts)按是否带 --claude 分为两条路径:
-
普通 spawn:调用 MCP 工具
hive-mind_spawn,传入{ count, role, agentType, prefix },返回包含spawned、workers(含 agentId、role、joinedAt)、totalWorkers、hiveStatus的结构;随后以表格输出 worker 列表,Agent ID 按前缀(默认hive-worker)生成。失败时(success: false)直接返回错误并退出码 1。 -
--claude路径:在普通 spawn 基础上额外调用spawnClaudeCodeInstance(v3/@claude-flow/cli/src/commands/hive-mind.ts),执行"提示词生成 → 提示词落盘 → 解析 Claude Code 启动命令 → 拉起子进程 → 等待退出"的完整链路。
5.2 协调提示词的生成与落盘
generateHiveMindPrompt(v3/@claude-flow/cli/src/commands/hive-mind.ts)会组装一份结构化提示词,包含以下区块:
- HIVE MIND CONFIGURATION:Swarm ID、Swarm Name、Objective、Queen Type、Worker Count、Topology、Consensus Algorithm、初始化时间;
- WORKER DISTRIBUTION:按 worker 类型分组的分布统计(由
groupWorkersByType按type || role || 'worker'归类); - AVAILABLE MCP TOOLS:分类列出可用于协调的
mcp__ruflo__*工具面(集体智能、Queen 协调、Worker 管理、任务编排、记忆与学习五大类); - EXECUTION PROTOCOL:四阶段执行协议(详见第六节);
- YOUR OBJECTIVE:本次目标;
- TOOL PREFERENCE RULES:强制优先使用
mcp__ruflo__*工具完成 spawn、task 分配、记忆与协调,原生文件/Shell 工具仅用于文件操作与命令执行。
提示词生成后会写入会话目录:.hive-mind/sessions/hive-mind-prompt-<swarmId>.txt(目录不存在会自动创建)。这意味着即使中途 Ctrl+C 暂停,提示词文件仍保留,可随时恢复执行。
5.3 参数解析与启动细节
启动 Claude Code 前,spawn 会对参数做数层处理,这些行为都能在源码注释中找到依据:
- MCP 配置自动发现:优先使用显式
--mcp-config;否则按序探测./.mcp.json、~/.claude.json、~/.claude/mcp.json。若找不到任何配置,会给出警告——被 spawn 的 worker 将无法获得mcp__ruflo__*工具(对应源码中的 #1748 问题修复,见 v3/@claude-flow/cli/src/commands/hive-mind.ts)。 --mcp-config使用等号语法:--mcp-config=<path>而非空格分隔的独立 token,避免提示词较长时被当作第二个配置文件导致ENAMETOOLONG(源码注释 #1780)。- 权限标志的严格布尔语义:仅当显式传入
--dangerously-skip-permissions且未传--no-auto-permissions/--no-auto-permissions等价形态时才跳过权限确认(源码注释 HIGH-02 / #2269 描述了三段式判定)。 - 非交互模式:
--non-interactive会给 Claude Code 追加-p --output-format stream-json --verbose。 - Ctrl+C 暂停:注册 SIGINT/SIGTERM 处理器,暂停会话并终止子进程,同时提示提示词文件位置,方便之后
claude < promptFile恢复(对应.claude/commands/hive-mind/hive-mind-resume.md所描述的生命周期管理)。 - 等待子进程退出:CLI 会 await Claude Code 的退出码(#2297),避免父进程过早结束导致子进程失去控制终端。
- Claude CLI 不可用时回退:若未找到 Claude Code,会打印安装提示(
npm install -g @anthropic-ai/claude-code)并给出手动执行指引:claude < promptFile或cat promptFile | claude;--dry-run则只输出提示词长度与前 500 字符预览。
六、Queen 协调下的蜂群执行协议
拉起蜂群后,协调提示词为 Queen 定义了四阶段执行协议(可对照源码提示词模板验证):
- INITIALIZATION PHASE(初始化阶段):确认所有 worker 在线、建立通信通道、加载历史会话状态、初始化共享记忆空间;
- TASK DISTRIBUTION PHASE(任务分发阶段):拆解目标为子任务、依据 worker 专长分配、建立依赖与执行顺序、监控并行执行;
- COORDINATION PHASE(协调阶段):关键决策走共识、聚合各 worker 结果、使用配置的共识算法(如 byzantine)解决冲突、跨蜂群共享学习成果;
- COMPLETION PHASE(完成阶段):核验子任务完成度、汇总结果、把学习写入集体记忆、报告最终状态。
该协议与 .claude/agents/hive-mind/queen-coordinator.md 中 Queen 的职责模型相互印证:Queen 承担战略指挥与资源分配(写 sovereign status、下发 royal directives),并通过分层/民主/应急三种治理模式维持蜂群一致性;worker 聚焦执行,scout 聚焦侦查,collective-intelligence-coordinator 承担复杂共识决策与知识整合。spawn 出来的正是这套分层体系里的 worker 层。
七、spawn 之后:蜂群生命周期管理
一次 spawn 只是蜂群生命周期的中间一环,配套命令保证"拉起后可观测、可恢复、可解散":
# 查看蜂群与 Queen 状态;-d 展示指标与健康面板,-w 持续监听
npx claude-flow hive-mind status
npx claude-flow hive-mind status -d
# 向蜂群提交任务;-c 要求任务完成需要共识,-p critical 提升优先级
npx claude-flow hive-mind task -d "Implement auth module"
npx claude-flow hive-mind task -d "Security review" -p critical -c
# 暂停后的恢复与停止
npx claude-flow hive-mind resume
npx claude-flow hive-mind stop
# 会话与共享记忆管理
npx claude-flow hive-mind sessions
npx claude-flow hive-mind memory list
# 优雅关闭蜂群(默认保存状态),-f 强制关闭
npx claude-flow hive-mind shutdown
命令间的关系是:init 建巢 → spawn 补员并设定目标 → status/task/consensus 协调运行 → resume/stop/shutdown 管理会话与解散。spawn 产出的 worker 表(Agent ID、Role、Status、Joined)也会在后续 status 的 Worker Agents 面板中持续追踪(含当前任务、已完成任务数)。
八、实战建议与常见问题定位
- 确认已 init:直接 spawn 而蜂群未初始化时,spawn 调用会依赖默认 hiveId(源码中
result.hiveId || 'default')。规范做法是先hive-mind init明确 hiveId 与拓扑、共识。 - 确认 MCP 配置可达:要让
--claude路径真正生效,需保证.mcp.json(或~/.claude.json)中存在mcp__ruflo__*工具注册;缺失时 spawn 会警告并导致 worker 无法协调,此时应显式传--mcp-config或先运行ruflo init生成。 - 权限与自动化场景:本地联调可接受默认跳过权限;CI/无人值守建议用
--non-interactive配合流式 JSON 输出,若平台策略严格则传--no-auto-permissions显式关闭。 - 先演练再执行:不确定提示词内容时先用
--dry-run预览,它不会启动 Claude Code,只打印提示词长度与前 500 字符并保存完整文件。 - 会话中断恢复:协调会话被 Ctrl+C 暂停后,提示词文件保留在
.hive-mind/sessions/下,用claude < promptFile即可恢复,无需重新 spawn。 - 角色搭配:研究型目标建议
-r scout或 adaptive Queen 组合侦查与探索;工程实现型目标建议-r specialist+ 自定义-t/-p,便于在 status 面板中按角色识别 worker。
结语
hive-mind spawn 表面是一条拉起命令,实质上是 ruflo 多智能体协调能力的入口:它以 Queen-led 的分层治理为骨架,以可插拔的共识算法与拓扑为决策机制,把目标拆解为可并行的 worker 任务,并通过 MCP 工具面与 Claude Code 会话完成端到端执行。本文所列参数、示例与原理均可在仓库对应源码中验证:命令实现见 v3/@claude-flow/cli/src/commands/hive-mind.ts,命令文档族见 .claude/commands/hive-mind/,Queen 治理模型见 .claude/agents/hive-mind/queen-coordinator.md。如需进一步掌握初始化、状态监控与共识治理,可继续阅读同目录下 hive-mind-init 与 hive-mind-consensus 等命令文档。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0627
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00