spawn — скилл для Claude Code: что делает и как установить
Запускает параллельных субагентов в изолированных git-ворктри для решения одной задачи наперегонки. Пригодится, когда нужно проверить разные подходы к коду.
/plugin marketplace add alirezarezvani/claude-skills
/plugin install agenthub@claude-code-skillsЧто делает spawn
Скилл считывает конфигурацию из .agenthub/sessions/{session-id}/config.yaml и формирует индивидуальные задания в .agenthub/board/dispatch/. После этого Claude Code запускает субагентов в одном сообщении через инструмент Agent с флагом isolation: "worktree". Агенты работают независимо, фиксируют изменения коммитами и сохраняют итоги в .agenthub/board/results/.
Команда поддерживает шаблоны optimizer, refactorer, test-writer и bug-fixer. Они задают разные циклы работы, например воспроизведение бага или серию замеров производительности. Статус сессии переводится в состояние running вызовом локального скрипта session_manager.py.
Ставить скилл стоит, если проект использует git и вы хотите поручить сложную задачу сразу нескольким агентам. Для мелких правок в одном файле такой запуск избыточен.
Какие задачи решает
- запустить параллельные субагенты для проверки конкурирующих гипотез
- изолировать эксперименты каждого агента в отдельных git worktree
- автоматизировать перебор вариантов оптимизации или рефакторинга по шаблонам
- сохранить результаты работы агентов в структурированные отчеты
Примеры запросов агенту
- /hub:spawn
- /hub:spawn --template optimizer
- /hub:spawn 20260317-143022 --template bug-fixer
Как установить spawn
1Через маркетплейс плагинов
/plugin marketplace add alirezarezvani/claude-skills/plugin install agenthub@claude-code-skills2Через Skills CLI (Vercel)
npx skills add alirezarezvani/claude-skills --skill spawn -a claude-code3Вручную: положить файлы
~/.claude/skills/spawn/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/spawn/
Вручную: положить файлы
.agents/skills/spawn/SKILL.mdДля всех проектов — ~/.agents/skills/
Вручную: положить файлы
.cursor/skills/spawn/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install alirezarezvani/claude-skills spawn2Вручную: положить файлы
.github/skills/spawn/SKILL.mdКомандой платформы
gemini skills install https://github.com/alirezarezvani/claude-skills --path engineering/agenthub/skills/spawnВручную: положить файлы
.devin/skills/spawn/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
Похожие
Вопросы о spawn
Как установить spawn в Claude Code?
Выполните команду npx skills add alirezarezvani/claude-skills --skill spawn -a claude-code или добавьте файл вручную в ~/.claude/skills/spawn/SKILL.md.
Что делает скилл spawn?
Он создает N параллельных субагентов в отдельных git-ворктри, которые соревнуются в решении задачи из текущей сессии AgentHub.
Какие шаблоны доступны для /hub:spawn?
В скилл встроены шаблоны optimizer, refactorer, test-writer и bug-fixer. Каждый шаблон задает собственную стратегию правок и проверок.
Исходный текст
SKILL.md · MIT
---
name: "spawn"
description: "Launch N parallel subagents in isolated git worktrees to compete on the session task. Use when the user runs /hub:spawn or asks to start the competing agents for an initialized AgentHub session."
metadata:
command: /hub:spawn
---
# /hub:spawn — Launch Parallel Agents
Spawn N subagents that work on the same task in parallel, each in an isolated git worktree.
## Usage
```
/hub:spawn # Spawn agents for the latest session
/hub:spawn 20260317-143022 # Spawn agents for a specific session
/hub:spawn --template optimizer # Use optimizer template for dispatch prompts
/hub:spawn --template refactorer # Use refactorer template
```
## Templates
When `--template <name>` is provided, use the dispatch prompt from `../agenthub/references/agent-templates.md` instead of the default prompt below. Available templates:
| Template | Pattern | Use Case |
|----------|---------|----------|
| `optimizer` | Edit → eval → keep/discard → repeat x10 | Performance, latency, size reduction |
| `refactorer` | Restructure → test → iterate until green | Code quality, tech debt |
| `test-writer` | Write tests → measure coverage → repeat | Test coverage gaps |
| `bug-fixer` | Reproduce → diagnose → fix → verify | Bug fix with competing approaches |
When using a template, replace all `{variables}` with values from the session config. Assign each agent a **different strategy** appropriate to the template and task — diverse strategies maximize the value of parallel exploration.
## What It Does
1. Load session config from `.agenthub/sessions/{session-id}/config.yaml`
2. For each agent 1..N:
- Write task assignment to `.agenthub/board/dispatch/`
- Build agent prompt with task, constraints, and board write instructions
3. Launch ALL agents in a **single message** with multiple Agent tool calls:
```
Agent(
prompt: "You are agent-{i} in hub session {session-id}.
Your task: {task}
Read your full assignment at .agenthub/board/dispatch/{seq}-agent-{i}.md
Instructions:
1. Work in your worktree — make changes, run tests, iterate
2. Commit all changes with descriptive messages
3. Write your result summary to .agenthub/board/results/agent-{i}-result.md
Include: approach taken, files changed, metric if available, confidence level
4. Exit when done
Constraints:
- Do NOT read or modify other agents' work
- Do NOT access .agenthub/board/results/ for other agents
- Commit early and often with descriptive messages
- If you hit a dead end, commit what you have and explain in your result",
isolation: "worktree"
)
```
4. Update session state to `running` via:
```bash
python {skill_path}/scripts/session_manager.py --update {session-id} --state running
```
## Critical Rules
- **All agents in ONE message** — spawn all Agent tool calls simultaneously for true parallelism
- **isolation: "worktree"** is mandatory — each agent needs its own filesystem
- **Never modify session config** after spawn — agents rely on stable configuration
- **Each agent gets a unique board post** — dispatch posts are numbered sequentially
## After Spawn
Tell the user:
- {N} agents launched in parallel
- Each working in an isolated worktree
- Monitor with `/hub:hub-status`
- Evaluate when done with `/hub:eval`
© Alireza Rezvani · MIT · alirezarezvani/claude-skills