多代理团队选择器

解决的核心问题

在复杂工程任务中，确定到底需要哪些 AI 代理（Subagent）协作往往是个难题。随便拼凑角色容易导致职责重叠和沟通开销，而单一代理又难以覆盖高风险需求。Agent Team Selector 的目标就是消除这种不确定性，为项目提供一个在速度、正确性和缺陷率之间取得平衡的最小可行代理团队。

核心能力与工作流

该技能通过结构化决策而非死板预设来推导团队方案：

• 上下文评估：解析目标、代码库背景和风险面，评估推荐置信度（high、medium、low）。所有缺失约束一律视为未知，禁止臆造。
• 任务规模映射：将工作划分为 tiny 到 high-risk 五个等级，根据风险面决定是否走 Fast Path（微小修改仅推荐 coder 与 reviewer）。
• 专家角色按需注入：先建立最小基线团队，仅当存在特定的未覆盖失败模式时才加入专家。严格避免职责重叠。
• 波次规划与交接：定义每个角色的不重叠职责与交付物，将有依赖关系的工作拆解为波次（Wave），并明确验证与集成的归属。

适用边界与护栏

• 严格的模式界限：默认处于 recommend 模式，仅返回方案。只有明确要求且运行时暴露了子代理工具时才切换至 execute 模式。
• 拒绝过度设计：对于 tiny 任务，直接建议不组建团队；当委派开销大于实际价值时果断拒绝。
• 低置信度处理：当目标或系统边界不清时，不盲目套用预设，而是推荐探索型团队（如 requirements-analyst 加 researcher）并提供带条件的补全模板。