Doing A Simple Two Stage Fanout
Verdeel een groot corpus over Worker, Critic en Summarizer subagents met berekende lay-out
Getest · Werkt
Wat het doet
Orkestreert een tweestaps fan-out voor het analyseren van een corpus dat groter is dan de context van één agent: parallelle Worker subagents analyseren elk een slice, Critic subagents beoordelen de worker reports op hiaten en tegenstrijdigheden, en een enkele Summarizer synthetiseert een finaal rapport. Activeert wanneer de gebruiker vraagt om een grote hoeveelheid tekst, code of data te analyseren, beoordelen of samenvatten die de context van een enkele agent overschrijdt, en bevat een gebundeld Python script dat segment/worker/critic counts plus task-graph en failure-recovery guidance berekent.
Testrapport
SKILL.md plus beide gerefereerde bestanden (compute_layout.py en diagram-templates.md, elk HTTP 200) opgehaald; het script was schoon (geen curl|sh, base64, network, of eval). compute_layout.py uitgevoerd op het eigen gedocumenteerde voorbeeld van de SKILL (--corpus-chars 800000 --segments-per 3 --reviews-per 2) en precies de nummers gekregen die de skill claimt: 6 segmenten, 2 workers, 4 critics (C01-C04) overeenkomend met de assignment table. OUTPUT test op een 500k-char proza corpus: baseline naïeve redenering (125k tokens past in een 200k window) geeft 1 agent / geen fan-out, terwijl het script van de skill 35% reserveert en deelt door SEGMENTS_PER om 4 segmenten / 2 workers / 3 critics / 6 agents te produceren - een concrete, verdedigbare divergentie die ik heb geverifieerd door het uit te voeren. Ik heb de volledige multi-subagent dispatch end-to-end niet uitgevoerd (geen live Worker/Critic/Summarizer run), alleen de deterministische layout-computation slice.
Getest op: 2026-07-31 · Claude Code 2.x (agent harness)
Installatie
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.
Commando's en voorbeeldprompts
/doing-a-simple-two-stage-fanoutVerdeel een groot corpus over Worker, Critic en Summarizer subagents met berekende lay-out
Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):
Analyze this entire codebase across many subagentsFan out this large dataset to worker agentsSummarize this huge document set in parallel