К основному содержанию
скилл CX Codex

multi-agent-client-onboarding — скилл для Claude Code

Скилл multi-agent-client-onboarding собирает оценку клиента через трёх параллельных агентов: аудитора процессов, картографа стека и автора стратегии. Подходит для первичного консалтингового разбора.

MIT 251 установок ★ 440 обновлён 2026-10-20

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add OneWave-AI/claude-skills --skill multi-agent-client-onboarding -a claude-code
Открыть на GitHub

Что делает multi-agent-client-onboarding

Скилл принимает имя клиента и необязательный контекст: отрасль, размер, документы, URL и зоны внимания. При одном имени клиента сначала запускает базовый поиск через WebSearch, затем формирует краткий контекст для оценки.

Дальше три агента работают параллельно. Один ищет ручные процессы и узкие места, второй описывает инструменты, фреймворки, API и интеграции, третий готовит поэтапную дорожную карту внедрения с оценкой ICE. Затем скилл сводит результаты, проверяет таблицы и Mermaid-диаграммы и записывает client-onboarding-report.md. Внутри есть инструкции в references/agent-prompts.md, references/final-deliverable-structure.md и references/quality-standards.md.

Без доступа к WebSearch базовый сбор контекста при одном имени клиента не выполнится. При сбое агента отчёт продолжает сборку, а затронутые разделы помечаются как требующие дополнительного доступа.

Какие задачи решает

  • провести первичный аудит процессов клиента
  • найти ручные операции и узкие места
  • описать технологии, API и интеграции
  • составить поэтапную AI-дорожную карту
  • собрать выводы в client-onboarding-report.md

Примеры запросов агенту

  • Проведи онбординг клиента: Client: Acme; Context: SaaS-компания; Focus: продажи и поддержка.
  • Изучи документы в ./docs и URL продукта, затем запусти аудит процессов, картирование стека и подготовь итоговый отчёт.
  • Собери оценку клиента с тремя параллельными агентами и запиши результат в client-onboarding-report.md.

Как установить multi-agent-client-onboarding

1Через Skills CLI (Vercel)

npx skills add OneWave-AI/claude-skills --skill multi-agent-client-onboarding -a claude-code

2Вручную: положить файлы

~/.claude/skills/multi-agent-client-onboarding/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/multi-agent-client-onboarding/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о multi-agent-client-onboarding

Как установить multi-agent-client-onboarding в Claude Code?

Выполните npx skills add OneWave-AI/claude-skills --skill multi-agent-client-onboarding -a claude-code, затем проверьте файл ~/.claude/skills/multi-agent-client-onboarding/SKILL.md.

Что делает multi-agent-client-onboarding?

Скилл запускает трёх параллельных агентов для аудита рабочих процессов, анализа технологического стека и подготовки стратегии. Их выводы объединяются в клиентский отчёт с приоритетами, таблицами и Mermaid-диаграммами.

Что произойдёт, если известна только компания клиента?

Скилл сначала использует WebSearch, чтобы собрать базовый контекст, и только потом запускает специализированных агентов.

Исходный текст

SKILL.md · MIT
---
name: multi-agent-client-onboarding
description: Uses Agent SDK to deploy 3 parallel agents for client onboarding -- workflow auditor, tech stack mapper, and strategy drafter. Real consulting workflow that produces a complete client assessment.
tools: Read, Grep, Glob, Bash, Agent, Write, WebSearch
model: inherit
---

# Multi-Agent Client Onboarding System

Act as the Commander Agent: an orchestration layer that deploys three parallel specialist agents and synthesizes their output into a comprehensive client onboarding assessment of consultancy quality.

## Contents

- `references/agent-prompts.md` -- full prompts, output formats, and search patterns for the three specialist agents.
- `references/final-deliverable-structure.md` -- the exact structure of the `client-onboarding-report.md` deliverable.
- `references/quality-standards.md` -- quality bar, mistakes to avoid, limited-info handling, client-type adaptation, orchestration patterns, and an example invocation.

## Architecture

```
                    +-------------------+
                    |  COMMANDER AGENT  |
                    |  (Orchestrator)   |
                    +--------+----------+
                             |
              +--------------+--------------+
              |              |              |
     +--------v---+  +------v------+  +----v--------+
     |  AGENT 1   |  |  AGENT 2    |  |  AGENT 3    |
     |  Workflow  |  |  Tech Stack |  |  Strategy   |
     |  Auditor   |  |  Mapper     |  |  Drafter    |
     +--------+---+  +------+------+  +----+--------+
              |              |              |
              +--------------+--------------+
                             |
                    +--------v----------+
                    |  SYNTHESIS PHASE  |
                    |  Merge findings   |
                    +-------------------+
```

## Input Format

Accept a client name plus optional context. Parse these fields from the user message:

```
Client:  <company name>
Context: <industry, size, what they do>
Docs:    <optional path to documents, repos, or data directories>
URL:     <optional website or product URL>
Focus:   <optional specific areas of concern>
```

Given only a company name, run baseline WebSearch before deploying the specialist agents.

## Workflow

1. **Parse input.** Extract client name, context, document paths, URLs, and focus areas. On minimal input, proceed with web research to fill gaps rather than blocking.

2. **Gather intelligence (Phase 0).** Run no more than 2-3 searches to build the Client Context Brief: identify industry vertical, approximate size, funding stage, public technology choices, and recent news. Define the assessment scope and any user constraints. Assemble the brief in this format:

   ```
   === CLIENT CONTEXT BRIEF ===
   Client: [Name]
   Industry: [Vertical]
   Size: [Employees / Revenue tier if known]
   Stage: [Startup / Growth / Enterprise]
   Primary Business: [What they do]
   Available Materials: [Docs, repos, URLs]
   Focus Areas: [User-specified or "General Assessment"]
   Known Technology: [Any tech already identified]
   Key Contacts: [If provided]
   ================================
   ```

3. **Deploy three agents in parallel (Phase 1).** Issue three Agent tool calls in a single response so they run concurrently; never run them sequentially. Give each agent the Context Brief, its prompt, output format, and search patterns from `references/agent-prompts.md`, and point it at any available docs or repos. Wait for all three to complete before synthesizing.
   - Agent 1, Workflow Auditor: map workflows, find manual processes, bottlenecks, and automation opportunities.
   - Agent 2, Tech Stack Mapper: inventory tools, frameworks, APIs, and integrations; assess tech debt; produce Mermaid diagrams.
   - Agent 3, Strategy Drafter: draft a prioritized AI implementation roadmap, ICE-scored and phased.

4. **Synthesize findings (Phase 2).** Read all three reports. Cross-reference and validate findings, resolve contradictions, and fill gaps where one agent found something others missed. Normalize all scores to a common scale and produce a single prioritized opportunity list. Write the executive narrative for a C-level audience. Verify every Mermaid diagram is valid, every table is complete, ROI numbers are internally consistent, and no template placeholders remain.

5. **Write the final report.** Use the Write tool to create `client-onboarding-report.md` in the current working directory (or a user-specified location), following `references/final-deliverable-structure.md` exactly.

6. **Present a summary.** Report the file location, 3-5 key findings, the top recommendation, the headline ROI number, and the suggested next step.

## Guardrails

- Hold the deliverable to the bar in `references/quality-standards.md`: specific, quantified, realistic, risk-aware, actionable, visual, and layered.
- Never invent specific revenue figures; use ranges and stated assumptions.
- Never leave template placeholders such as `[X]` or `[...]` in the delivered report.
- Never use emojis anywhere in output.
- Never include the Supabase token or any credentials in the report.
- If an agent fails, note the gap, fill it from other agents where possible, mark affected sections "Partial Assessment -- Additional Access Recommended", and continue rather than blocking.

© OneWave-AI · MIT · OneWave-AI/claude-skills

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
multi-agent-review riekelt Скилл multi-agent-review запускает проверку архитектурных спецификаций и планов шестью агентами перед началом кодинга. Помогает найти пробелы, риски и противоречия до написания кода. CX Codex +1 26 900установок inkos-multi-agent-novel-writing reason-machines Скилл inkos-multi-agent-novel-writing автоматизирует написание и проверку глав художественной книги через связку агентов в CLI. Пригодится авторам длинных историй для контроля сюжета и стиля. CX Codex +1 2 800установок client-onboarding JoelLewis Скилл client-onboarding помогает спроектировать путь клиента от первого контакта до пополненного счёта: KYC, документы, подпись, отправка кастодиану. CX Codex +1 723установок multi-agent-coordinator VoltAgent Community Субагент multi-agent-coordinator планирует работу нескольких субагентов: порядок шагов, обмен файлами, общую память и обработку сбоев. Подходит для задач с параллельными исполнителями. CX Codex 632установок multi-agent-orchestration qodex-ai Скилл multi-agent-orchestration помогает проектировать совместную работу нескольких ИИ-агентов, распределять задачи между ними и объединять результаты. Пригодится при настройке сложных цепочек с разделением ролей. CX Codex +1 2 200установок multi-agent-brainstorming sickn33 Скилл multi-agent-brainstorming для Claude Code, который превращает проектирование в пошаговую рецензию с фиксированными ролями. Один агент проектирует, остальные по очереди ищут слабые места до того, как начнётся реализация. CX Codex +1 1 400установок

Из того же набора185

Весь набор →
data-pipeline-builder Скилл data-pipeline-builder проектирует и собирает ETL/ELT-пайплайн: код на Python или SQL, DAG для Airflow, проверки качества и спецификацию в data-pipeline-spec.md. CX Codex +1 252установок roi-calculator Скилл roi-calculator считает окупаемость внедрения ИИ по вашим затратам, ручным часам и ставкам, а затем пишет отчёт с окупаемостью и сценариями. CX Codex +1 252установок investor-update-writer Скилл investor-update-writer собирает ежемесячные и квартальные отчёты для инвесторов в файл investor-update.md на основе метрик, финансов и новостей команды. CX Codex +1 252установок onboarding-checklist Создаёт поэтапный чек-лист онбординга клиентов в файле onboarding-checklist.md с шаблонами писем и распределением ролей под консалтинг, SaaS или агентство. CX Codex +1 251установок market-sizing Скилл рассчитывает TAM, SAM и SOM для бизнес-планов и питчей инвесторам. Он собирает данные через веб-поиск и сохраняет готовый отчёт в market-sizing.md. CX Codex +1 251установок full-codebase-migrator Скилл full-codebase-migrator для Claude Code анализирует весь кодовый проект и составляет план миграции по файлам. Описывает переход с JS на TS, классов React на хуки или смену фреймворка. CX Codex +1 251установок competitor-intel-agent Скилл competitor-intel-agent отслеживает сайты конкурентов, цены, вакансии и релизы, сохраняет снимки и готовит аналитические отчёты. CX Codex +1 251установок okr-generator Скилл okr-generator генерирует готовый файл okr-plan.md по методологии Google и Intel на основе целей компании, функции команды и метрик. CX Codex +1 250установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой