К основному содержанию
скилл CX Codex

V3 Deep Integration — скилл для Claude Code: интеграция claude-flow

Скилл переводит claude-flow с параллельной реализации на расширение agentic-flow@alpha по ADR-001. Убирает дублирующий код и подключает SONA, Flash Attention и AgentDB.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add ruvnet/ruflo --skill v3-deep-integration -a claude-code
npx skills add ruvnet/ruflo --skill v3-integration-deep -a claude-code
Открыть на GitHub

Что делает V3 Deep Integration

Скилл описывает миграцию claude-flow на agentic-flow@alpha. Вместо своей копии координации, управления агентами и планировщика задач проект становится надстройкой над готовыми системами agentic-flow. Пересечение по четырём модулям — от 50% до 80%, эти реализации удаляются.

Внутри — три фазы. Сначала адаптер ClaudeFlowAgent наследуется от AgenticFlowAgent и сохраняет старый API через слой совместимости. Потом SwarmCoordinator, AgentManager и TaskScheduler заменяются на swarm, lifecycle и task graph из agentic-flow. В конце удаляются файлы src/core/SwarmCoordinator.ts, src/agents/AgentManager.ts и src/task/TaskScheduler.ts. Целевой объём — меньше 5 000 строк вместо 15 000+.

Запускается через Task(...) с субагентом v3-integration-architect; несколько задач можно ставить параллельно. Подключаются 5 режимов обучения SONA, Flash Attention с ускорением 2.49x-7.47x и AgentDB с HNSW-индексацией на 150x-12,500x, плюс 213 готовых MCP-инструментов и 19 типов хуков. Миграция идёт постепенно: старый и новый системы работают одновременно, пока не подтвердится паритет функций. Если в проекте нет agentic-flow@alpha, адаптерный слой работать не будет.

Какие задачи решает

  • убрать дублирование между claude-flow и agentic-flow
  • перевести координацию swarm на готовую реализацию
  • подключить 5 режимов обучения SONA
  • заменить линейный поиск на HNSW-индексацию AgentDB
  • сохранить старый API на время миграции

Примеры запросов агенту

  • Спроектируй адаптерный слой для agentic-flow@alpha через субагента v3-integration-architect
  • Интегрируй 5 режимов SONA и Flash Attention параллельно
  • Настрой AgentDB с HNSW-индексацией для памяти между агентами

Как установить V3 Deep Integration

1Через Skills CLI (Vercel)

npx skills add ruvnet/ruflo --skill v3-deep-integration -a claude-code
npx skills add ruvnet/ruflo --skill v3-integration-deep -a claude-code

2Вручную: положить файлы

~/.claude/skills/v3-integration-deep/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/v3-integration-deep/

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

Вопросы о V3 Deep Integration

Как установить V3 Deep Integration в Claude Code?

Выполните npx skills add ruvnet/ruflo --skill v3-deep-integration -a claude-code, затем npx skills add ruvnet/ruflo --skill v3-integration-deep -a claude-code. Файл скилла окажется по пути ~/.claude/skills/v3-integration-deep/SKILL.md.

Что делает V3 Deep Integration?

Превращает claude-flow из параллельной реализации в специализированное расширение agentic-flow@alpha. Удаляет дублирующие модули и подключает SONA, Flash Attention, AgentDB, MCP-инструменты и хуки.

Нужен ли agentic-flow@alpha для работы скилла?

Да, адаптерный слой ClaudeFlowAgent наследуется от AgenticFlowAgent из этого пакета. Без него миграция на готовые swarm, lifecycle и task graph не запустится.

Исходный текст

SKILL.md · MIT
---
name: "V3 Deep Integration"
description: "Deep agentic-flow@alpha integration implementing ADR-001. Eliminates 10,000+ duplicate lines by building claude-flow as specialized extension rather than parallel implementation."
---

# V3 Deep Integration

## What This Skill Does

Transforms claude-flow from parallel implementation to specialized extension of agentic-flow@alpha, eliminating massive code duplication while achieving performance improvements and feature parity.

## Quick Start

```bash
# Initialize deep integration
Task("Integration architecture", "Design agentic-flow@alpha adapter layer", "v3-integration-architect")

# Feature integration (parallel)
Task("SONA integration", "Integrate 5 SONA learning modes", "v3-integration-architect")
Task("Flash Attention", "Implement 2.49x-7.47x speedup", "v3-integration-architect")
Task("AgentDB coordination", "Setup 150x-12,500x search", "v3-integration-architect")
```

## Code Deduplication Strategy

### Current Overlap → Integration
```
┌─────────────────────────────────────────┐
│  claude-flow          agentic-flow      │
├─────────────────────────────────────────┤
│ SwarmCoordinator  →   Swarm System      │ 80% overlap (eliminate)
│ AgentManager      →   Agent Lifecycle   │ 70% overlap (eliminate)
│ TaskScheduler     →   Task Execution    │ 60% overlap (eliminate)
│ SessionManager    →   Session Mgmt      │ 50% overlap (eliminate)
└─────────────────────────────────────────┘

TARGET: <5,000 lines (vs 15,000+ currently)
```

## agentic-flow@alpha Feature Integration

### SONA Learning Modes
```typescript
class SONAIntegration {
  async initializeMode(mode: SONAMode): Promise<void> {
    switch(mode) {
      case 'real-time':   // ~0.05ms adaptation
      case 'balanced':    // general purpose
      case 'research':    // deep exploration
      case 'edge':        // resource-constrained
      case 'batch':       // high-throughput
    }
    await this.agenticFlow.sona.setMode(mode);
  }
}
```

### Flash Attention Integration
```typescript
class FlashAttentionIntegration {
  async optimizeAttention(): Promise<AttentionResult> {
    return this.agenticFlow.attention.flashAttention({
      speedupTarget: '2.49x-7.47x',
      memoryReduction: '50-75%',
      mechanisms: ['multi-head', 'linear', 'local', 'global']
    });
  }
}
```

### AgentDB Coordination
```typescript
class AgentDBIntegration {
  async setupCrossAgentMemory(): Promise<void> {
    await this.agentdb.enableCrossAgentSharing({
      indexType: 'HNSW',
      speedupTarget: '150x-12500x',
      dimensions: 1536
    });
  }
}
```

### MCP Tools Integration
```typescript
class MCPToolsIntegration {
  async integrateBuiltinTools(): Promise<void> {
    // Leverage 213 pre-built tools
    const tools = await this.agenticFlow.mcp.getAvailableTools();
    await this.registerClaudeFlowSpecificTools(tools);

    // Use 19 hook types
    const hookTypes = await this.agenticFlow.hooks.getTypes();
    await this.configureClaudeFlowHooks(hookTypes);
  }
}
```

## Migration Implementation

### Phase 1: Adapter Layer
```typescript
import { Agent as AgenticFlowAgent } from 'agentic-flow@alpha';

export class ClaudeFlowAgent extends AgenticFlowAgent {
  async handleClaudeFlowTask(task: ClaudeTask): Promise<TaskResult> {
    return this.executeWithSONA(task);
  }

  // Backward compatibility
  async legacyCompatibilityLayer(oldAPI: any): Promise<any> {
    return this.adaptToNewAPI(oldAPI);
  }
}
```

### Phase 2: System Migration
```typescript
class SystemMigration {
  async migrateSwarmCoordination(): Promise<void> {
    // Replace SwarmCoordinator (800+ lines) with agentic-flow Swarm
    const swarmConfig = await this.extractSwarmConfig();
    await this.agenticFlow.swarm.initialize(swarmConfig);
  }

  async migrateAgentManagement(): Promise<void> {
    // Replace AgentManager (1,736+ lines) with agentic-flow lifecycle
    const agents = await this.extractActiveAgents();
    for (const agent of agents) {
      await this.agenticFlow.agent.create(agent);
    }
  }

  async migrateTaskExecution(): Promise<void> {
    // Replace TaskScheduler with agentic-flow task graph
    const tasks = await this.extractTasks();
    await this.agenticFlow.task.executeGraph(this.buildTaskGraph(tasks));
  }
}
```

### Phase 3: Cleanup
```typescript
class CodeCleanup {
  async removeDeprecatedCode(): Promise<void> {
    // Remove massive duplicate implementations
    await this.removeFile('src/core/SwarmCoordinator.ts');    // 800+ lines
    await this.removeFile('src/agents/AgentManager.ts');      // 1,736+ lines
    await this.removeFile('src/task/TaskScheduler.ts');       // 500+ lines

    // Total reduction: 10,000+ → <5,000 lines
  }
}
```

## RL Algorithm Integration

```typescript
class RLIntegration {
  algorithms = [
    'PPO', 'DQN', 'A2C', 'MCTS', 'Q-Learning',
    'SARSA', 'Actor-Critic', 'Decision-Transformer'
  ];

  async optimizeAgentBehavior(): Promise<void> {
    for (const algorithm of this.algorithms) {
      await this.agenticFlow.rl.train(algorithm, {
        episodes: 1000,
        rewardFunction: this.claudeFlowRewardFunction
      });
    }
  }
}
```

## Performance Integration

### Flash Attention Targets
```typescript
const attentionBenchmark = {
  baseline: 'current attention mechanism',
  target: '2.49x-7.47x improvement',
  memoryReduction: '50-75%',
  implementation: 'agentic-flow@alpha Flash Attention'
};
```

### AgentDB Search Performance
```typescript
const searchBenchmark = {
  baseline: 'linear search in current systems',
  target: '150x-12,500x via HNSW indexing',
  implementation: 'agentic-flow@alpha AgentDB'
};
```

## Backward Compatibility

### Gradual Migration
```typescript
class BackwardCompatibility {
  // Phase 1: Dual operation
  async enableDualOperation(): Promise<void> {
    this.oldSystem.continue();
    this.newSystem.initialize();
    this.syncState(this.oldSystem, this.newSystem);
  }

  // Phase 2: Feature-by-feature migration
  async migrateGradually(): Promise<void> {
    const features = this.getAllFeatures();
    for (const feature of features) {
      await this.migrateFeature(feature);
      await this.validateFeatureParity(feature);
    }
  }

  // Phase 3: Complete transition
  async completeTransition(): Promise<void> {
    await this.validateFullParity();
    await this.deprecateOldSystem();
  }
}
```

## Success Metrics

- **Code Reduction**: <5,000 lines orchestration (vs 15,000+)
- **Performance**: 2.49x-7.47x Flash Attention speedup
- **Search**: 150x-12,500x AgentDB improvement
- **Memory**: 50-75% usage reduction
- **Feature Parity**: 100% v2 functionality maintained
- **SONA**: <0.05ms adaptation time
- **Integration**: All 213 MCP tools + 19 hook types available

## Related V3 Skills

- `v3-memory-unification` - Memory system integration
- `v3-performance-optimization` - Performance target validation
- `v3-swarm-coordination` - Swarm system migration
- `v3-security-overhaul` - Secure integration patterns

© ruvnet · MIT · ruvnet/ruflo

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
setup-matt-pocock-skills Matt Pocock Скилл настраивает репозиторий для инженерных скиллов Matt Pocock: задаёт трекер задач, метки триажа и расположение доменной документации. Запустите его перед первым использованием остальных скиллов. 1 052 851установок ask-matt Matt Pocock Помогает выбрать подходящий скилл или рабочий поток из набора Matt Pocock. Пригодится, когда непонятно, с чего начать задачу: от идеи до разбора бага. 766 587установок to-tickets Matt Pocock Разбивает план, спецификацию или переписку на небольшие сквозные задачи и отмечает, какие из них блокируют остальные. Пригодится, когда нужно согласовать порядок работы до публикации задач в трекере. 711 230установок writing-plans Jesse Vincent Скилл превращает требования к многошаговой задаче в подробный план реализации до начала работы с кодом. Пригодится, когда исполнителю нужно зафиксировать файлы, интерфейсы и проверки. CX Codex 282 859установок caveman-review JuliusBrussee Пишет замечания к коду одной строкой: место, проблема, исправление. Пригодится, когда ревью диффа или PR надо пройти быстро и без воды. CX Codex +1 411 800установок caveman-compress JuliusBrussee Сжимает CLAUDE.md, списки задач и другие текстовые файлы в краткий формат, сохраняя читаемую резервную копию. CX Codex +1 411 500установок

Из того же набора146

github-release-management Автоматизация релизов на GitHub: от черновика и changelog до сборки и развёртывания. Пригодится, когда версии выходят часто, а ручные шаги уже раздражают. CX Codex +1 1 200установок sparc-methodology Организует разработку через фазы SPARC и мультиагентную оркестрацию Claude Flow. Пригодится, когда проект нужно вести от спецификации и архитектуры до TDD-тестов и ревью. CX Codex +1 1 200установок Pair Programming Скилл организует парное программирование с ИИ: роли driver и navigator, проверка кода, тесты и режимы для TDD, отладки и обучения. CX Codex +1 1 200установок github-multi-repo Скилл для работы с несколькими репозиториями сразу: сводит версии пакетов, проверяет кросс-пакетные интеграции и предлагает правки структуры. CX Codex +1 1 200установок AgentDB Learning Plugins Создаёт и обучает плагины обучения для агентов на базе 9 алгоритмов reinforcement learning в среде AgentDB. CX Codex +1 1 100установок AgentDB Advanced Features Скилл для работы с распределёнными AgentDB системами: QUIC-синхронизация между узлами, многобазовое управление, пользовательские метрики расстояния и гибридный поиск по векторам и метаданным. CX Codex +1 1 100установок AgentDB Performance Optimization Скилл для оптимизации векторных баз AgentDB: снижение памяти в 4–32 раза через квантизацию, ускорение поиска в 150 раз через индексирование HNSW, кэширование и пакетные операции. CX Codex +1 1 100установок ReasoningBank with AgentDB Скилл подключает адаптивную память ReasoningBank через векторную базу AgentDB. Помогает агентам сохранять траектории действий, оценивать результат и консолидировать опыт. CX Codex +1 1 100установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой