L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Productivité · 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

Documentation 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 enregistrées