Skills Agentes

V3 Deep Integration

Integración profunda con agentic-flow@alpha implementando el ADR-001. Elimina más de 10.000 líneas duplicadas construyendo claude-flow como una extensión especializada.

Estrellas
69.4k

en todo el repo

Actividad
27

0–100, la ruta de este skill

Actualizado
hace 6 meses

último commit aquí

Commits
0

últimos 90 días

Contexto
1.8k tok

45 tok en reposo

Paquete
1 archivo

7 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

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

Se instala solo en este repositorio.

Qué hace

  • Integra claude-flow v3 como extensión especializada de agentic-flow@alpha en lugar de una implementación paralela.
  • Elimina más de 10.000 líneas duplicadas migrando SwarmCoordinator, AgentManager, TaskScheduler y SessionManager.
  • Integra los 5 modos de aprendizaje SONA, Flash Attention y la coordinación cross-agent de AgentDB.
  • Define una capa de compatibilidad hacia atrás para una migración gradual.

Úsalo cuando

  • Vas a eliminar duplicación de código integrando claude-flow con agentic-flow@alpha.
  • Necesitas integrar SONA, Flash Attention o AgentDB en claude-flow v3.
  • Vas a migrar gradualmente sistemas legacy manteniendo compatibilidad hacia atrás.

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Diseña la capa adaptadora para agentic-flow@alpha
    • Integra los 5 modos de aprendizaje SONA en claude-flow
    • Migra el SwarmCoordinator para usar el sistema de swarm de agentic-flow

    SKILL.md

    En inglés

    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

    # 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

    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

    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

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

    MCP Tools Integration

    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

    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

    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

    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

    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

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

    AgentDB Search Performance

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

    Backward Compatibility

    Gradual Migration

    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

    Reproducido de ruvnet/ruflo bajo licencia MIT. Leer esta página en markdown.

    Archivos

    1 archivo en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Detalles

    Creador
    ruvnet
    Licencia
    MIT
    Recursos incluidos
    Solo SKILL.md
    Repositorio
    ruvnet/ruflo
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de ruvnet/ruflo

    Este repo incluye 275 skills. Si instalas uno, normalmente ya tienes los demás.

    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.

    Costo de contexto al activarse
    833 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    herramientas desarrollo

    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.

    Costo de contexto al activarse
    566 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    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.

    Costo de contexto al activarse
    627 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 4 días
    Permisos
    automatizacion

    Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

    Costo de contexto al activarse
    866 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.

    Costo de contexto al activarse
    680 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    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.

    Costo de contexto al activarse
    443 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 26 días
    devops infraestructura

    Skills relacionados

    Añade descripciones de modelos nuevos del router de HuggingFace a la configuración de chat-ui (prod.yaml y dev.yaml).

    Costo de contexto al activarse
    600 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 5 meses
    herramientas desarrollo

    Crea un nuevo Architecture Decision Record con numeración secuencial y registro en AgentDB.

    Costo de contexto al activarse
    680 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo

    Construye o reconstruye el índice de ADRs y su grafo de dependencias ejecutando scripts/import.mjs, en vez de cientos de llamadas MCP.

    Costo de contexto al activarse
    866 tok
    Tamaño del paquete
    1 archivo
    Última actualización
    hace 27 días
    herramientas desarrollo