SkillProof tested Claude skills

Doing A Simple Two Stage Fanout

Distribuisce un corpus di grandi dimensioni tra subagenti Worker, Critic e Summarizer con layout calcolato

di ed3dai · ed3dai/ed3d-plugins

Promosso ★ 8.8/10

Doing A Simple Two Stage Fanout — Distribuisce un corpus di grandi dimensioni tra subagenti Worker, Critic e Summarizer con layout calcolato

Cosa fa

Orchestra una distribuzione a due stadi per analizzare un corpus più grande del contesto di un singolo agente: subagenti Worker paralleli analizzano ciascuno una porzione, subagenti Critic esaminano i report dei worker per lacune e contraddizioni, e un singolo Summarizer sintetizza un report finale. Si attiva quando l'utente chiede di analizzare, rivedere o riassumere un grande corpo di testo, codice o dati che supera il contesto di un singolo agente, e include uno script Python in bundle che calcola i conteggi di segmenti/worker/critic più la guida per il task-graph e il recupero da errori.

Rapporto di test

Recuperato SKILL.md più entrambi i file referenziati (compute_layout.py e diagram-templates.md, ciascuno HTTP 200); lo script è risultato pulito (no curl|sh, base64, network o eval). Eseguito compute_layout.py sull'esempio documentato della SKILL (--corpus-chars 800000 --segments-per 3 --reviews-per 2) e ottenuti esattamente i numeri dichiarati dalla skill: 6 segmenti, 2 worker, 4 critici (C01-C04) corrispondenti alla sua tabella di assegnazione. Test di OUTPUT su un corpus di prosa di 500k caratteri: il ragionamento ingenuo della baseline (125k token rientrano in una finestra di 200k) dà 1 agente / nessun fan-out, mentre lo script della skill riserva il 35% e divide per SEGMENTS_PER per produrre 4 segmenti / 2 worker / 3 critici / 6 agenti - una divergenza concreta e difendibile che ho verificato eseguendola. Non ho eseguito l'intera distribuzione multi-subagente end-to-end (nessuna esecuzione live di Worker/Critic/Summarizer), solo la fetta deterministica di calcolo del layout.

Testato il: 2026-07-31 · Claude Code 2.x (agent harness)

Installazione

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.

Comandi e prompt di esempio

  • /doing-a-simple-two-stage-fanoutDistribuisce un corpus di grandi dimensioni tra subagenti Worker, Critic e Summarizer con layout calcolato

Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):

  • Analyze this entire codebase across many subagents
  • Fan out this large dataset to worker agents
  • Summarize this huge document set in parallel

Rapporto completo →