技能介绍

要解决的问题

当一次任务需要大量文本、多个文件，或重复性补全时，一直用高成本模型做逐段执行，token 消耗会很高。这个技能处理的是架构与执行分离：当前模型负责判断任务结构、选择工具、验收结果，而把低价值、高体量的生成工作交给另一个 CLI agent。它不是简单包装某个命令，而是把批量任务变成可复现的流程。

技能如何工作

明确委托对象：识别用户要求调用其他 CLI、qwen、gemini、claude、opencode 或 codex 的意图，并在执行前说明选择的 CLI、模型与并发策略。
检查运行环境：先确认目标 CLI 是否可用；未指定模型时走该 CLI 的默认配置，并在报告中写清楚实际请求模型。
拆分任务：将大任务拆成独立子任务，通常一个子任务对应一个输出文件；任务可包含 id、output、prompt、minChars 与 required。
有限并发执行：使用 scripts/run_cli_agents.mjs 按 2 或 3 的并发起步，避免一次性压垮 CLI；对需要终端的 CLI，如部分 Qwen 与 Gemini 场景，会启用 PTY。
验收与报告：检查输出非空、关键标题或标记是否存在、是否出现明显 CLI 错误；最后给出成功/失败任务、失败原因、输出目录与 run-report.json 路径。

适用边界与注意点

适合批量填充大纲、扩展章节、生成样板文件、起草重复文档等场景。不适合把高风险、强上下文、强事实性任务直接外包给低成本模型；委托结果仍需要当前模型抽查结构、事实与用户约束。若当前 agent 本身就是被调用的 CLI，应避免形成自我递归，尤其是 codex 这类命令。

截图预览

使用场景

{'text': '把已设计好的长文大纲拆成多个独立章节，交给本地 `qwen` 或 `gemini` CLI 批量扩写，再由当前模型检查标题与内容是否完整。'}
{'text': '生成几十个结构相似的样板文件，用有限并发调用 `opencode` 或 `claude` CLI，避免一次性压垮 CLI 并保留成功与失败任务报告。'}
{'text': '让高成本模型负责判断任务拆分、模型选择和验收标准，把重复性补全交给更便宜的 CLI agent 执行，降低高费用模型 token 消耗。'}
{'text': '在 macOS 上处理需要终端行为的 CLI，如 Qwen Code 或 Gemini CLI，使用 `--use-pty` 提升稳定性，并在报告中记录 CLI 路径、模型与并发。'}