multi-agent-team

基于任务类型动态调度到合适的智能体角色（架构师、产品经理、测试专家、独立开发者）。支持多智能体协作、共识机制和完整项目生命周期管理。支持中英文双语。

Security Scan

The skill's code, docs, and runtime instructions are coherent with its stated multi-agent project-management purpose; no disproportionate credentials, installers, or external endpoints are requested, but inspect the bundled scripts before running on sensitive projects.

Purpose & Capability

The name/description (multi-agent team, role dispatch, project lifecycle) match the provided Python scripts and extensive documentation (dispatcher, code-map, project-understanding, spec tools, agent loop). Small mismatch: SKILL.md examples call scripts/*.py, but the repository manifest lists the Python modules at repo root (e.g., agent_loop_controller.py, trae_agent_dispatch.py) — ensure the expected paths exist in your runtime environment or the entrypoint wrappers are present.

Instruction Scope

Runtime instructions tell the agent/user to run local Python scripts that read project directories and persist progress (e.g., .trae-multi-agent/progress.md). Reading project files and writing local progress is expected for 'project understanding' and 'code map' features, but that means the skill will access arbitrary files under any path you point it at — which can include secrets or private data. There are no instructions in SKILL.md to send data to external services, but you should still review the code for network calls before running.

Install Mechanism

No install spec is provided (instruction-only install), which is the lowest-risk model. The skill bundle includes Python source files that will be executed by the agent; nothing in the metadata indicates downloads from external URLs or arbitrary installers.

Credentials

The skill declares no required environment variables, credentials, or config paths. That aligns with its stated local analysis/dispatch functionality. There are no unexplained secret requests in the manifest or SKILL.md.

Persistence & Privilege

always:false (good). The skill persists progress to a local folder (.trae-multi-agent) and supports automatic continuation when thinking limits are reached. Autonomous invocation is allowed by platform default — combine that with the automatic-continue behavior could make the skill run longer or repeatedly without further prompts. This is expected for an automation-oriented dispatcher, but worth knowing.

Assessment

This skill appears to do what it claims (role dispatch, project analysis, code-map, spec tools) and does not request credentials or perform external installs. Before installing or running it: 1) Review the bundled Python files (trae_agent_dispatch.py, project_understanding.py, code_map_generator.py, agent_loop_controller.py, spec_tools.py, etc.) for any network operations (requests, sockets, urllib, subprocess calls) or hardcoded endpoints/credentials. 2) Confirm the script paths referenced in SKILL.md exist in the package or adjust commands (SKILL.md uses scripts/*.py while files appear at repo root). 3) Run the skill in an isolated environment (container or VM) first, especially if you will point it at repositories or directories containing secrets or CI credentials. 4) Inspect the .trae-multi-agent progress files after runs; they store task lists, code-change history and verification results locally. 5) If you need strict control, disable autonomous invocation or review logs/outputs frequently. If you want, I can scan the actual Python sources for network calls and suspicious behaviors — upload the full contents of the key .py files and I will highlight any risky code paths.

Multi-Agent Team Dispatcher

基于任务类型和上下文，自动调度到最合适的智能体角色（架构师、产品经理、测试专家、Solo Coder）。

多语言支持 (Multi-Language Support)

语言识别规则

自动识别用户语言:

• 用户使用中文 → 所有响应使用中文
• 用户使用英文 → 所有响应使用英文
• 用户混合使用 → 以首次使用的语言为准
• 用户明确要求切换 → 立即切换到目标语言

响应语言规则

所有输出必须使用用户相同的语言:

• 角色定义和 Prompt
• 状态更新和进度提示
• 审查报告和问题清单
• 错误信息和成功提示
• 文档和注释

示例:

用户（中文）: "设计系统架构"
AI（中文）: "📋 已接收任务，开始分析..."

用户（English）: "Design system architecture"
AI (English): "📋 Task received, starting analysis..."

角色名称映射

中文 → 英文:

• 架构师 → Architect
• 产品经理 → Product Manager
• 测试专家 → Test Expert
• 独立开发者 → Solo Coder

核心能力

1. 智能角色调度: 根据任务描述自动识别需要的角色
2. 多角色协同: 组织多个角色共同完成复杂任务
3. 上下文感知: 根据项目阶段和历史上下文选择角色
4. 共识机制: 组织多角色评审和决策
5. 自动继续: 思考次数超限后自动保存进度并继续执行
6. 任务管理: 完整的任务生命周期管理和进度追踪
7. 代码地图生成: 自动生成项目代码结构映射
8. 项目理解: 快速读取项目文档和代码，生成项目理解文档
9. 规范驱动开发: 基于项目规范和文档进行开发
10. 七阶段标准工作流程: 需求分析→架构设计→测试设计→任务分解→开发实现→测试验证→发布评审

快速开始

基础使用

# 自动调度（推荐）
python3 scripts/trae_agent_dispatch.py \
    --task "设计系统架构"

# 指定角色
python3 scripts/trae_agent_dispatch.py \
    --task "实现功能" \
    --agent solo_coder

# 多角色共识
python3 scripts/trae_agent_dispatch.py \
    --task "启动新项目" \
    --consensus true

完整项目流程

# 启动完整项目（自动执行7个阶段）
python3 scripts/trae_agent_dispatch.py \
    --task "启动项目：安全浏览器广告拦截功能" \
    --project-full-lifecycle

角色介绍

1. 架构师 (Architect)

职责: 设计系统性、前瞻性、可落地、可验证的架构

触发关键词: 架构、设计、选型、审查、性能、瓶颈、模块、接口、部署

典型任务:

• 项目启动阶段的架构设计
• 关键代码的架构审查和代码评审
• 技术难题攻关和性能优化

2. 产品经理 (Product Manager)

职责: 定义用户价值清晰、需求明确、可落地、可验收的产品

触发关键词: 需求、PRD、用户故事、竞品、市场、调研、验收、UAT、体验

典型任务:

• 产品需求定义和 PRD 编写
• 用户故事地图和验收标准定义
• 竞品分析

3. 测试专家 (Test Expert)

职责: 确保全面、深入、自动化、可量化的质量保障

触发关键词: 测试、质量、验收、自动化、性能测试、缺陷、评审、门禁

典型任务:

• 测试策略制定和测试用例设计
• 自动化测试方案
• 质量评估和测试报告

4. 独立开发者 (Solo Coder)

职责: 编写完整、高质量、可维护、可测试的代码

触发关键词: 实现、开发、代码、修复、优化、重构、单元测试、文档

典型任务:

• 功能实现和单元测试编写
• 代码重构和优化
• 开发文档编写

七阶段标准工作流程

阶段 1: 需求分析（产品经理）
    ↓ 评审通过
阶段 2: 架构设计（架构师）
    ↓ 评审通过
阶段 3: 测试设计（测试专家）
    ↓ 评审通过
阶段 4: 任务分解（独立开发者）
    ↓
阶段 5: 开发实现（独立开发者）
    ↓
阶段 6: 测试验证（测试专家）
    ↓
阶段 7: 发布评审（多角色）

绝对禁止： ❌ 未经过设计阶段直接开始编码 ❌ 文档未编写或未完成就开始开发 ❌ 未经过设计评审直接实施

高级功能

代码地图生成

python3 scripts/code_map_generator.py /path/to/project

项目理解

python3 scripts/project_understanding.py /path/to/project

规范驱动开发

python3 scripts/spec_tools.py init
python3 scripts/spec_tools.py analyze
python3 scripts/spec_tools.py update --spec-file SPEC.md

文档结构

docs/
├── project-understanding/  # 项目理解文档
├── spec/                   # 规范驱动开发文档
├── architect/              # 架构师文档
├── product-manager/        # 产品经理文档
├── test-expert/            # 测试专家文档
└── solo-coder/             # 独立开发者文档

故障排查

角色识别错误

# 明确指定角色
python3 scripts/trae_agent_dispatch.py \
    --task "..." \
    --agent architect

共识未触发

# 显式要求共识
python3 scripts/trae_agent_dispatch.py \
    --task "..." \
    --consensus true

扩展开发

添加新角色

1. 在 roles.json 中添加角色配置
2. 更新关键词列表
3. 调整调度规则

自定义调度规则

修改 AgentDispatcher.analyze_task() 方法。

总结

Trae Multi-Agent Dispatcher 提供了：

• ✅ 智能角色识别
• ✅ 多角色协同
• ✅ 上下文感知
• ✅ 完整项目流程
• ✅ 紧急任务处理

通过智能调度，减少用户干预，提升协作效率！