agentleFS
jtprogrujtprogru/bear-skills/skills/agentops-delegate/SKILL.md

agentops-delegate

Skill1 starsChanged 3 months agoMITView on GitHub

Решает, что делать самому, что отдать сабагенту и какому именно, и как задать контракт вывода, чтобы ответ сабагента не сжёг контекст главного окна. Используй, когда пользователь спрашивает «стоит ли звать сабагента», «делегировать это?», «как распараллелить», «контекст кончается, что вынести», или когда задача явно распадается на поиск, правку и проверку. Знает агентов bear-locator, bear-surgeon, bear-reviewer и когда вместо них нужен обычный поиск.

The file

Files
SKILL.md
<!-- СГЕНЕРИРОВАНО bin/mirror.js. Не редактировать: правки затрёт следующая генерация. Источник правды — domains/<домен>/. -->

agentops-delegate — Когда звать сабагента

Главное, что определяет решение: вывод сабагента вклеивается в главный контекст дословно. Сабагент экономит не свои токены, а твои — но только если его вывод короче, чем материал, который тебе иначе пришлось бы прочитать.

Отсюда правило: делегирование выигрывает, когда сабагент читает много и отвечает мало. Если он читает мало и отвечает много — ты потерял на накладных расходах.

Таблица решений

ЗадачаКомуПочему
Найти, где в кодовой базе живёт Xbear-locatorПрочитает десятки файлов, вернёт список строк
Понять, как устроен незнакомый модульсамПонимание не сжимается в контракт вывода
Точечная правка в одном-двух файлахbear-surgeonИзоляция правки, короткий отчёт
Правка, растекающаяся на 5+ файловсамСабагент не удержит связность, вернёт кашу
Ревью diff на предмет проблемbear-reviewerЧитает много, отдаёт список находок
Один вопрос по одному известному файлусамДелегирование дороже чтения
Широкий поиск по незнакомому репозиториювстроенный ExploreОн для этого и сделан
Что-то, где нужен диалог с пользователемсамСабагент не может спросить
Необратимое действиесамПодтверждение берётся в главном диалоге

Контракт вывода

Каждому сабагенту задавай формат ответа явно, в самом промпте. Без контракта он вернёт прозу, и ты получишь худшее из двух миров: заплатил за отдельный вызов и всё равно читаешь много текста.

Хороший контракт — грепается. path:line — symbol — note можно отфильтровать регуляркой, «в файле auth.go, примерно в районе middleware» — нельзя.

Обязательная часть любого контракта — терминальный токен отказа. Сабагент должен иметь способ сказать «не нашёл» или «слишком большая задача» одним словом, а не абзацем извинений. No match. дешевле, чем «К сожалению, мне не удалось обнаружить…».

Паттерны цепочек

locate → fix → verify. Локатор находит места, хирург правит, ревьюер проверяет. Каждый следующий получает конкретный вход от предыдущего, а не задачу целиком.

Параллельная разведка. Несколько локаторов по разным подсистемам одновременно, когда заранее неизвестно, где проблема. Оправдано, если подсистемы независимы: иначе они вернут пересекающиеся результаты, за которые ты заплатил дважды.

Одиночный выстрел. Один сабагент, один вопрос, один ответ. Самый частый и самый недооценённый паттерн: не всякое делегирование должно быть цепочкой.

Как ставить задачу

Дай сабагенту ровно тот контекст, который нужен для его шага. Пересказ всей сессии в промпте сабагента — это те же токены, только теперь оплаченные дважды.

Формулируй границы явно: сколько файлов трогать, что делать при неоднозначности, что считать провалом. Сабагент, которому не сказали «останавливайся на трёх файлах», не остановится.

Чего не делать

  • Не делегируй то, чего сам не понял. Задача, которую ты не смог сформулировать, вернётся неправильно решённой, и ты этого не заметишь.
  • Не давай сабагенту право на необратимые действия. Подтверждение берётся у пользователя в главном диалоге.
  • Не запускай цепочку из пяти шагов там, где хватает одного вызова.
  • Не проси сабагента «заодно посмотреть, нет ли ещё чего-нибудь» — размытая задача даёт размытый вывод любой длины.
  • Не верь отчёту сабагента о том, что он проверил работу, если проверка была частью его же задачи. Верификацию отдавай отдельному вызову.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.