La interfaz está localizada; las descripciones y documentos de las Skills se traducen automáticamente con IA a su idioma. El código, los comandos, rutas y términos técnicos se mantienen en el original, y prevalece el documento del autor.
Explorar Skills
Productividad · SKILL.md

init

init

Criar uma nova sessão de colaboração do AgentHub com tarefa, número de agentes e critérios de avaliação.

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentación de la Skill

GitHub

name: "init" description: "Criar uma nova sessão de colaboração do AgentHub com tarefa, número de agentes e critérios de avaliação." command: /hub:init agents:

  • claude-code

/hub:init — Criar Nova Sessão

Inicializar uma sessão de colaboração do AgentHub. Cria a estrutura de diretórios .agenthub/, gera um ID de sessão e configura os critérios de avaliação.

Uso

/hub:init                                                    # Modo interativo
/hub:init --task "Optimize API" --agents 3 --eval "pytest bench.py" --metric p50_ms --direction lower
/hub:init --task "Refactor auth" --agents 2                  # Sem eval (modo juiz LLM)

O Que Faz

Se argumentos fornecidos

Passá-los ao script de init:

python {skill_path}/scripts/hub_init.py \
  --task "{task}" --agents {N} \
  [--eval "{eval_cmd}"] [--metric {metric}] [--direction {direction}] \
  [--base-branch {branch}]

Se sem argumentos (modo interativo)

Coletar cada parâmetro:

  1. Tarefa — O que os agentes devem fazer? (obrigatório)
  2. Número de agentes — Quantos agentes paralelos? (padrão: 3)
  3. Comando de avaliação — Comando para medir resultados (opcional — pular para modo juiz LLM)
  4. Nome da métrica — Qual métrica extrair da saída do eval (obrigatório se comando de eval fornecido)
  5. Direção — Menor ou maior é melhor? (obrigatório se métrica fornecida)
  6. Branch base — Branch de origem (padrão: branch atual)

Saída

Sessão AgentHub inicializada
  Session ID: 20260317-143022
  Tarefa: Optimize API response time below 100ms
  Agentes: 3
  Eval: pytest bench.py --json
  Métrica: p50_ms (menor é melhor)
  Branch base: dev
  Estado: init

Próximo passo: Execute /hub:spawn para lançar 3 agentes

Para tarefas de conteúdo ou pesquisa (sem comando de eval → modo juiz LLM):

Sessão AgentHub inicializada
  Session ID: 20260317-151200
  Tarefa: Draft 3 competing taglines for product launch
  Agentes: 3
  Eval: Juiz LLM (sem comando de eval)
  Branch base: dev
  Estado: init

Próximo passo: Execute /hub:spawn para lançar 3 agentes

Captura de Baseline

Se --eval foi fornecido, capturar uma medição de baseline após a criação da sessão:

  1. Executar o comando de eval no diretório de trabalho atual
  2. Extrair o valor da métrica do stdout
  3. Adicionar baseline: {value} a .agenthub/sessions/{session-id}/config.yaml
  4. Exibir: Baseline capturado: {metric} = {value}

Este baseline é usado por result_ranker.py --baseline durante a avaliação para mostrar deltas. Se o comando de eval falhar nesta etapa, avisar o usuário mas continuar — o baseline é opcional.

Após o Init

Informar ao usuário:

  • Sessão criada com ID {session-id}
  • Métrica de baseline (se capturada)
  • Próximo passo: /hub:spawn para lançar os agentes
  • Ou /hub:spawn {session-id} se existirem múltiplas sessões
Skills guardadas