AI 智能编排包

提供性能分析与优化工作流，帮助识别瓶颈并提升代码运行效率。

将关键学习成果、模式、陷阱或上下文捕获为持久化记忆，以便后续复用。

定位定义、调查调用者及变更影响、探索文件结构并读取选定源代码。

实现完全自主执行，持续工作直至所有任务验证完成。

分析代码库中的设计模式，检测反模式，并展示静态代码分析结果。

通过苏格拉底式访谈进行任务分解，优化多智能体（Swarm）协作规划。

分析会话观察事件以识别候选模式，通过两阶段流程评估意图并生成记忆提案。

提供系统化调试工作流，帮助追踪并解决代码中的 Bug 和问题。

运行 Semgrep 进行安全性扫描与代码质量分析，帮助开发者快速发现潜在漏洞及不规范代码。

在 Swarm 任务完成后，自动解析并合并 Git 工作树（worktrees），简化多分支并行开发后的代码整合流程。

对静态分析发现进行分类，根据既定决策进行评级，并过滤噪声或无关项。

执行 Git 版本控制操作并管理工作树（worktree），简化代码仓库的日常维护流程。

通过结构化访谈流程，辅助进行正式的技术架构选型与决策。

搜索过往的记忆与决策记录，快速回答关于历史学习、选择及上下文的问题。

探索代码库结构、入口点、技术栈、热点区域及调用图，快速掌握项目全貌。

为代码实现提供技术架构设计与规划，确保系统结构合理且易于维护。

通过添加或移除 forget 标签实现软删除，或直接硬删除过时的记忆内容。

检查正在运行的 swarm 集群，展示代理树结构、当前工具、暂停/中断状态以及编排器的近期任务与消息活动。

自动修复构建、代码检查（Lint）及类型错误，确保项目顺利编译与运行。

从 OpenCode SQLite 数据库中分析当前会话的上下文和 Token 使用情况。

执行代码审查与安全审计，并检查是否符合已记录的技术决策。

基于测试驱动开发（TDD）模式，自动编写代码以使失败的测试用例通过。

为每个用户故事执行独立的 SDLC 流水线，实现多代理并行开发。