Doing A Simple Two Stage Fanout
Distribue un grand corpus entre des sous-agents Worker, Critic et Summarizer avec une disposition calculée
Testé · Fonctionne
Ce que fait
Orchestre une distribution en deux étapes pour analyser un corpus plus grand que le contexte d'un seul agent : des sous-agents Worker parallèles analysent chacun une tranche, des sous-agents Critic examinent les rapports des workers pour détecter les lacunes et les contradictions, et un seul Summarizer synthétise un rapport final. Se déclenche lorsque l'utilisateur demande d'analyser, de réviser ou de résumer un grand volume de texte, de code ou de données qui dépasse le contexte d'un seul agent, et inclut un script Python groupé qui calcule les nombres de segments/workers/critics ainsi que des conseils sur le graphe de tâches et la récupération après échec.
Rapport de test
SKILL.md et les deux fichiers référencés (compute_layout.py et diagram-templates.md, chacun HTTP 200) récupérés ; le script a été analysé et est propre (pas de curl|sh, base64, réseau ou eval). Exécuté compute_layout.py sur l'exemple documenté de la compétence (--corpus-chars 800000 --segments-per 3 --reviews-per 2) et obtenu exactement les chiffres revendiqués par la compétence : 6 segments, 2 workers, 4 critics (C01-C04) correspondant à sa table d'affectation. Test d'OUTPUT sur un corpus de prose de 500k caractères : le raisonnement naïf de référence (125k tokens tiennent dans une fenêtre de 200k) donne 1 agent / pas de fan-out, tandis que le script de la compétence réserve 35% et divise par SEGMENTS_PER pour donner 4 segments / 2 workers / 3 critics / 6 agents - une divergence concrète et défendable que j'ai vérifiée en l'exécutant. Je n'ai pas exécuté la répartition multi-sous-agents complète de bout en bout (pas d'exécution live Worker/Critic/Summarizer), seulement la tranche de calcul de disposition déterministe.
Testé le: 2026-07-31 · Claude Code 2.x (agent harness)
Installation
git clone --depth 1 https://github.com/ed3dai/ed3d-plugins.git /tmp/doing-a-simple-two-stage-fanout-src mkdir -p ~/.claude/skills cp -R /tmp/doing-a-simple-two-stage-fanout-src/plugins/ed3d-basic-agents/skills/doing-a-simple-two-stage-fanout ~/.claude/skills/doing-a-simple-two-stage-fanout # Bundled compute_layout.py needs only python3 (stdlib argparse/math/os) - no pip deps. # Runtime needs: Task tool (subagent dispatch), TaskCreate/TaskUpdate, AskUserQuestion, plan mode. # Plugin-marketplace alternative: add the ed3dai/ed3d-plugins marketplace, install the ed3d-basic-agents plugin.
Commandes et exemples de prompts
/doing-a-simple-two-stage-fanoutDistribue un grand corpus entre des sous-agents Worker, Critic et Summarizer avec une disposition calculée
Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :
Analyze this entire codebase across many subagentsFan out this large dataset to worker agentsSummarize this huge document set in parallel