# Agent V3 Queen Coordinator

> Coordinador Queen V3 que orquesta un swarm concurrente de 15 agentes, gestiona issues de GitHub y coordina con topología mesh jerárquica para implementar los ADR-001 a ADR-010 en 14 semanas.

Fuente: https://skillsagentes.com/skills/ruvnet/ruflo/agent-v3-queen-coordinator
Markdown: https://skillsagentes.com/skills/ruvnet/ruflo/agent-v3-queen-coordinator.md

Repositorio: https://github.com/ruvnet/ruflo
Autor: ruvnet
Licencia: MIT
Actualizado: hace 6 meses
Coste de contexto: 20 tok instalada, 1k tok al activarse, 1k tok con todos los archivos del bundle
Bundle: 1 archivo, 4 KB
Permisos que pide: ninguno declarado

## Instalación

Un skill son archivos markdown: los mismos archivos valen para cualquier agente y lo único que cambia es el directorio de destino, es decir la bandera `--agent`. Añade `-g` para instalarlo en todos los proyectos de la máquina.

```bash
# Claude Code
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent claude-code
# Cursor
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent cursor
# Codex
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent codex
# Gemini CLI
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent gemini
# Windsurf
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent windsurf
# Cline
npx -y skills add ruvnet/ruflo --skill agent-v3-queen-coordinator --agent cline
```

## Qué hace

- Coordina un swarm jerárquico mesh de 15 agentes especializados repartidos en 4 fases del proyecto.
- Implementa los 10 ADR (Architecture Decision Records) del plan v3 en un plazo de 14 semanas.
- Comprueba el estado de la integración con GitHub (gh auth status) antes de coordinar.
- Define métricas de éxito: eficiencia de agentes, rendimiento, reducción de memoria y de código.

## Cuándo usarla

- Cuando necesitas orquestar un plan de trabajo multi-agente grande dividido en fases.
- Cuando quieres coordinar la implementación secuencial de varios ADR con dependencias entre agentes.
- Cuando necesitas repartir tareas entre 15 agentes especializados usando GitHub como seguimiento.

## Qué la activa

- "Coordina el plan de 15 agentes para implementar los ADR-001 a ADR-010"
- "Revisa el estado de autenticación de GitHub antes de orquestar"
- "Reparte las tareas de la fase 2 entre los agentes de core"

## Antes de instalar

- Requiere GitHub CLI autenticado (gh auth status) y agentic-flow@alpha.

## Archivos

- SKILL.md — 4 KB

## SKILL.md

Reproducido tal cual desde ruvnet/ruflo bajo MIT. Esta sección es el documento original y está en inglés.

---
name: v3-queen-coordinator
version: "3.0.0-alpha"
updated: "2026-01-04"
description: V3 Queen Coordinator for 15-agent concurrent swarm orchestration, GitHub issue management, and cross-agent coordination. Implements ADR-001 through ADR-010 with hierarchical mesh topology for 14-week v3 delivery.
color: purple
metadata:
  v3_role: "orchestrator"
  agent_id: 1
  priority: "critical"
  concurrency_limit: 1
  phase: "all"
hooks:
  pre_execution: |
    echo "👑 V3 Queen Coordinator starting 15-agent swarm orchestration..."

    # Check intelligence status
    npx agentic-flow@alpha hooks intelligence stats --json > $tmp$v3-intel.json 2>$dev$null || echo '{"initialized":false}' > $tmp$v3-intel.json
    echo "🧠 RuVector: $(cat $tmp$v3-intel.json | jq -r '.initialized // false')"

    # GitHub integration check
    if command -v gh &> $dev$null; then
      echo "🐙 GitHub CLI available"
      gh auth status &>$dev$null && echo "✅ Authenticated" || echo "⚠️ Auth needed"
    fi

    # Initialize v3 coordination
    echo "🎯 Mission: ADR-001 to ADR-010 implementation"
    echo "📊 Targets: 2.49x-7.47x performance, 150x search, 50-75% memory reduction"

  post_execution: |
    echo "👑 V3 Queen coordination complete"

    # Store coordination patterns
    npx agentic-flow@alpha memory store-pattern \
      --session-id "v3-queen-$(date +%s)" \
      --task "V3 Orchestration: $TASK" \
      --agent "v3-queen-coordinator" \
      --status "completed" 2>$dev$null || true
---

# V3 Queen Coordinator

**🎯 15-Agent Swarm Orchestrator for Claude-Flow v3 Complete Reimagining**

## Core Mission

Lead the hierarchical mesh coordination of 15 specialized agents to implement all 10 ADRs (Architecture Decision Records) within 14-week timeline, achieving 2.49x-7.47x performance improvements.

## Agent Topology

```
                    👑 QUEEN COORDINATOR
                         (Agent #1)
                             │
        ┌────────────────────┼────────────────────┐
        │                   │                    │
   🛡️ SECURITY         🧠 CORE              🔗 INTEGRATION
   (Agents #2-4)       (Agents #5-9)        (Agents #10-12)
        │                   │                    │
        └────────────────────┼────────────────────┘
                             │
        ┌────────────────────┼────────────────────┐
        │                   │                    │
   🧪 QUALITY          ⚡ PERFORMANCE        🚀 DEPLOYMENT
   (Agent #13)         (Agent #14)          (Agent #15)
```

## Implementation Phases

### Phase 1: Foundation (Week 1-2)
- **Agents #2-4**: Security architecture, CVE remediation, security testing
- **Agents #5-6**: Core architecture DDD design, type modernization

### Phase 2: Core Systems (Week 3-6)
- **Agent #7**: Memory unification (AgentDB 150x improvement)
- **Agent #8**: Swarm coordination (merge 4 systems)
- **Agent #9**: MCP server optimization
- **Agent #13**: TDD London School implementation

### Phase 3: Integration (Week 7-10)
- **Agent #10**: agentic-flow@alpha deep integration
- **Agent #11**: CLI modernization + hooks
- **Agent #12**: Neural/SONA integration
- **Agent #14**: Performance benchmarking

### Phase 4: Release (Week 11-14)
- **Agent #15**: Deployment + v3.0.0 release
- **All agents**: Final optimization and polish

## Success Metrics

- **Parallel Efficiency**: >85% agent utilization
- **Performance**: 2.49x-7.47x Flash Attention speedup
- **Search**: 150x-12,500x AgentDB improvement
- **Memory**: 50-75% reduction
- **Code**: <5,000 lines (vs 15,000+)
- **Timeline**: 14-week delivery

## Dónde encaja

- Categoría: [Herramientas para desarrolladores](https://skillsagentes.com/categorias/herramientas-desarrollo.md) — Skills que cambian cómo tu agente escribe, revisa y despliega código.
- Creador: [ruvnet](https://skillsagentes.com/creators/ruvnet.md) — 275 skills en el directorio
- [Todas las skills](https://skillsagentes.com/skills.md)
- [Ranking de instalaciones](https://skillsagentes.com/ranking.md)

## Otras skills del mismo repositorio

- [Harness Gepa](https://skillsagentes.com/skills/ruvnet/ruflo/harness-gepa.md): Inspecciona y audita genomas GEPA: carga y valida un genoma, renderiza el system prompt que compila, o clasifica los modos de fallo de una transcripción de ejecución.
- [Deepseek Reason](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-reason.md): Completion en modo razonamiento contra deepseek-reasoner (R1) de DeepSeek. Devuelve el chain-of-thought por separado de la respuesta final. Lee DEEPSEEK_API_KEY y degrada si falta o la API no responde.
- [Deepseek Chat](https://skillsagentes.com/skills/ruvnet/ruflo/deepseek-chat.md): Completion de un solo turno contra el modelo deepseek-chat de DeepSeek vía /v1/chat/completions. Lee DEEPSEEK_API_KEY y degrada con status:degraded si falta o la API no responde. Para tareas sin razonamiento.
- [Adr Index](https://skillsagentes.com/skills/ruvnet/ruflo/adr-index.md): Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.
- [Agntcy Status](https://skillsagentes.com/skills/ruvnet/ruflo/agntcy-status.md): Muestra el estado de la integración AGNTCY/SLIM/CASA: si los paquetes están instalados, qué transporte está activo y si el enforcement de CASA está habilitado.

---

Skills Agentes · [Índice de páginas en markdown](https://skillsagentes.com/sitemap.md) · [Inicio](https://skillsagentes.com/index.md)