技能介绍

它解决什么问题

多智能体框架（如 wshobson/agents）通常以 GitHub 仓库形式分发：你得自己 clone、装依赖、翻 README 找命令行入口，才能跑起第一个任务。不同机器上 Git 版本、Python 环境、网络状况各异，部署环节本身就可能耗掉半天。这个 Skill 把整套流程固化为固定步骤：仓库克隆、依赖安装、./main 调用、输出回收，你只需要给出任务参数。

核心能力

Skill 的能力集中在四件事上：

项目自动部署：自动克隆或更新 wshobson/agents 到本地，安装所需依赖，并按 ls "$HOME/tools/agents/main" 是否存在、python3 -c "import openai, rich" 是否报错来验证每一步是否就绪。
CLI 命令执行：通过 ./main 接口执行任务，支持 --model gpt-4 --task "..." 这类自定义参数，也支持 --list-models 等框架自带指令。
帮助信息查询：未给参数或输入 help 时，执行 ./main --help 并返回完整用法文本，方便你确认参数写法。
输出结果返回：成功时回传 stdout，并告知文件型产出（报告、日志）的保存路径；失败时回传 stderr 与定位建议。

执行流程与容错

执行分三步：克隆/更新仓库 → 安装依赖 → 按参数调用 CLI。分支逻辑上：目录不存在则自动克隆，依赖缺失则自动安装，无参数或 help 则回落到帮助信息，其余情况直接透传参数。失败处理也有明确兜底：克隆失败先用 git ls-remote 排查仓库可达性；依赖装不上就返回 pip 日志并提示手动查看 README；命令执行失败建议加 --verbose 重跑；目录被占用则提示你手动处理。

适用边界

前置条件很简单：本机有 git、Python 3.8+，且能访问 GitHub。它本质是命令行封装，不改变 agents 框架本身的能力上限——参数透传意味着你能用的只有框架支持的选项；架构选型、模型兼容性、多智能体编排细节仍需你阅读上游文档。运行期对网络与模型 API 的依赖也沿用上游项目，Skill 只在本地执行层面提供便利。