prompt:team
Orchestre une équipe d'agents spécialisés pour les tâches complexes. Auto-détecte le type, compose l'équipe, coordonne les phases analyse → challenge → implémentation → QA.
What this skill does
# Objectif
Orchestrer une équipe d'agents natifs via Agent Teams pour les tâches de développement complexes. Tu es le **team lead** : tu crées l'équipe, distribues les tâches, coordonnes les phases et rapportes les résultats.
## Invocation
```
/prompt:team "<description>"
/prompt:team <type> "<description>"
/prompt:team "<description>" --agents=analyst,implementer
/prompt:team "<description>" --safe
```
## Architecture
### Agents fusionnés
L'équipe utilise 3 agents au lieu de 6 pour limiter la consommation de ressources :
| Agent | Fusionne | Fichier agent | Outils |
|-------|----------|---------------|--------|
| **analyst** | architect + designer | `prompt/agents/prompt-analyst.md` | Read, Grep, Glob, Bash |
| **challenger** | challenger + QA review | `prompt/agents/prompt-challenger.md` | Read, Grep, Glob, Bash |
| **implementer** | developer + tester | `prompt/agents/prompt-implementer.md` | Read, Write, Edit, Grep, Glob, Bash |
### Fichiers intermédiaires
Les agents communiquent via des fichiers dans le scratchpad, pas dans le contexte du team lead. Cela évite la saturation du contexte et la perte d'information lors de la compression.
```
{scratchpad}/prompt-{slug}/
01-analysis.md <- output analyst (architecture + design)
02-challenge.md <- output challenger (concerns)
03-plan.md <- synthèse validée par l'utilisateur (écrit par le team lead)
04-implementation.md <- résumé implementer (fichiers créés/modifiés)
05-qa-report.md <- rapport QA du challenger
```
Chaque agent :
- **Lit** les fichiers dont il a besoin (pas tout le contexte)
- **Écrit** son output dans son fichier dédié
- Le team lead ne garde en contexte qu'un **résumé court** de chaque phase
### Modes d'exécution
| Mode | Condition | Comportement |
|------|-----------|-------------|
| **Normal** | RAM >= 4 GB | Parallèle intra-phase (max 2 agents), shutdown entre phases |
| **Safe** | RAM >= 2 GB et < 4 GB, ou `--safe` | Séquentiel strict (1 agent), shutdown après chaque agent |
| **Abort** | RAM < 2 GB | Abandon, proposer `/prompt:start` comme alternative |
## Workflow
### Phase 0 : Initialisation
#### 1. Parser les arguments
Extraire :
- `description` : la description en langage naturel (obligatoire)
- `type` : feature / refactor / api / fix (optionnel, auto-détecté)
- `--agents=` : override de la composition d'équipe (optionnel)
- `--safe` : force le mode séquentiel strict (1 agent à la fois)
#### 2. Auto-détecter le type
Si le type n'est pas explicite, analyser la description :
| Mots-clés | Type détecté |
|-----------|-------------|
| ajouter, créer, nouveau, implémenter, feature, fonctionnalité | `feature` |
| refactorer, simplifier, restructurer, nettoyer, extraire, déplacer | `refactor` |
| api, endpoint, webhook, intégration, REST, GraphQL | `api` |
| corriger, fixer, bug, erreur, régression, crash, 500 | `fix` |
Si ambiguïté, demander via AskUserQuestion :
```json
{
"questions": [{
"question": "Quel type de tâche ?",
"header": "Type",
"multiSelect": false,
"options": [
{"label": "feature", "description": "Nouvelle fonctionnalité métier"},
{"label": "refactor", "description": "Refactoring de code existant"},
{"label": "api", "description": "API ou intégration externe"},
{"label": "fix", "description": "Correction de bug"}
]
}]
}
```
#### 3. Composer l'équipe
**Par défaut selon le type :**
| Type | Agents | Total |
|------|--------|-------|
| `feature` | analyst, challenger, implementer | 3 |
| `refactor` | analyst, implementer | 2 |
| `api` | analyst, challenger, implementer | 3 |
| `fix` | challenger, implementer | 2 |
**Override avec `--agents=` :**
Si l'utilisateur passe `--agents=analyst,implementer`, utiliser uniquement ces agents.
#### 4. Health check système
Avant de créer l'équipe, vérifier les ressources disponibles :
```bash
free -m | grep Mem | awk '{print $7}'
```
| RAM disponible | Mode |
|---------------|------|
| >= 4 GB | Normal (parallèle intra-phase, max 2 agents simultanés) |
| >= 2 GB et < 4 GB | Safe (séquentiel strict, 1 agent à la fois) |
| < 2 GB | Abort : afficher un warning et proposer `/prompt:start` comme alternative |
Si `--safe` est passé, forcer le mode safe indépendamment de la RAM.
Afficher le mode détecté :
```
Ressources système : {X} GB disponibles -> mode {normal|safe|abort}
```
#### 5. Créer le répertoire intermédiaire
```bash
mkdir -p {scratchpad}/prompt-{slug}
```
#### 6. Créer l'équipe et les tâches
```
TeamCreate("prompt-{slug}")
```
Où `{slug}` est la description slugifiée (ex: "gestion-des-factures").
Créer les tâches avec dépendances :
```
TaskCreate #1: "Analyse (architecture + design)" -> libre
TaskCreate #2: "Challenge des propositions" -> addBlockedBy [#1]
TaskCreate #3: "Synthèse + validation utilisateur" -> addBlockedBy [#2]
TaskCreate #4: "Implémentation (code + tests)" -> addBlockedBy [#3]
TaskCreate #5: "QA + Review finale" -> addBlockedBy [#4]
TaskCreate #6: "Rapport final + cleanup" -> addBlockedBy [#5]
```
Note : adapter les tâches selon les agents composés. Par exemple pour `fix`, pas de tâche #1 (analyse).
Afficher :
```
Equipe prompt-{slug} créée
Type détecté : {type}
Mode : {normal|safe}
Agents : {liste agents}
Tâches : {nombre} créées
Fichiers intermédiaires : {scratchpad}/prompt-{slug}/
Démarrage...
```
---
### Phase 1 : Analyse
**Agent :** prompt-analyst (si dans l'équipe)
**`TaskUpdate` tâche #1 -> `in_progress`**
#### Mode Normal (parallèle avec challenger)
Si le challenger est dans l'équipe, spawner analyst ET challenger en parallèle. Le challenger explore le codebase de son côté pendant que l'analyst produit son analyse.
```
Task(subagent_type="general-purpose", team_name="prompt-{slug}", name="prompt-analyst", max_turns=15)
Task(subagent_type="general-purpose", team_name="prompt-{slug}", name="prompt-challenger", max_turns=15)
```
Les 2 agents tournent en parallèle (max 2 processus). Ils PEUVENT communiquer entre eux via SendMessage :
- Le challenger peut poser des questions à l'analyst
- L'analyst peut demander au challenger de vérifier un point
#### Mode Safe (séquentiel)
Spawner uniquement l'analyst :
```
Task(subagent_type="general-purpose", team_name="prompt-{slug}", name="prompt-analyst", max_turns=15)
```
#### Prompt analyst
- Description de la tâche
- Instruction de lire `prompt/agents/prompt-analyst.md`
- Contexte : description utilisateur
- **Écrire l'output dans `{scratchpad}/prompt-{slug}/01-analysis.md`**
Quand l'analyst termine -> `TaskUpdate` tâche #1 en `completed`.
**Gestion d'erreur :**
- Si l'analyst échoue : continuer avec le challenger seul si actif, sinon arrêter
---
### Phase 2 : Challenge
**Agent :** prompt-challenger (si dans l'équipe)
**`TaskUpdate` tâche #2 -> `in_progress`**
#### Mode Normal
Le challenger a déjà été spawné en Phase 1 et a exploré le codebase en parallèle. Lui envoyer l'analyse :
```
SendMessage(type="message", recipient="prompt-challenger", content="L'analyse est terminée. Lis {scratchpad}/prompt-{slug}/01-analysis.md et produis ton rapport de challenge dans {scratchpad}/prompt-{slug}/02-challenge.md")
```
#### Mode Safe
Shutdown l'analyst d'abord, puis spawner le challenger :
```
SendMessage(type="shutdown_request", recipient="prompt-analyst")
Task(subagent_type="general-purpose", team_name="prompt-{slug}", name="prompt-challenger", max_turns=15)
```
#### Prompt challenger
- Instruction de lire `prompt/agents/prompt-challenger.md` (Mode 1)
- **Lire** `{scratchpad}/prompt-{slug}/01-analysis.md`
- Focus : identifier les concerns BLOQUANT / IMPORTANT / SUGGESTION
- **Écrire l'output dans `{scratchpad}/prompt-{slug}/02-challenge.md`**
Quand le challenger termine -> `TaskUpdate` tâche #2 en `completed`.
**Shutdown de la phase d'analyse :**
Tous les agents de la phase d'analyse ont terminé. Shutdown :
```
SendMessage(type="shutdown_request", recipient="prompt-anaRelated in AI Agents
skill-development
IncludedComprehensive meta-skill for creating, managing, validating, auditing, and distributing Claude Code skills and slash commands (unified in v2.1.3+). Provides skill templates, creation workflows, validation patterns, audit checklists, naming conventions, YAML frontmatter guidance, progressive disclosure examples, and best practices lookup. Use when creating new skills, validating existing skills, auditing skill quality, understanding skill architecture, needing skill templates, learning about YAML frontmatter requirements, progressive disclosure patterns, tool restrictions (allowed-tools), skill composition, skill naming conventions, troubleshooting skill activation issues, creating custom slash commands, configuring command frontmatter, using command arguments ($ARGUMENTS, $1, $2), bash execution in commands, file references in commands, command namespacing, plugin commands, MCP slash commands, Skill tool configuration, or deciding between skills vs slash commands. Delegates to docs-management skill for official documentation.
reprompter
IncludedTransform messy prompts into well-structured, effective prompts — single or multi-agent. Use when: "reprompt", "reprompt this", "clean up this prompt", "structure my prompt", rough text needing XML tags and best practices, "reprompter teams", "repromptception", "run with quality", "smart run", "smart agents", multi-agent tasks, audits, parallel work, anything going to agent teams. Don't use when: simple Q&A, pure chat, immediate execution-only tasks. See "Don't Use When" section for details. Outputs: Structured XML/Markdown prompt, quality score (before/after), optional team brief + per-agent sub-prompts, agent team output files. Success criteria: Single mode quality score ≥ 7/10; Repromptception per-agent prompt quality score 8+/10; all required sections present, actionable and specific.
adaptive-compaction
IncludedAdaptive add-on policy and recovery layer that decides WHEN to compact, prune, snapshot, or fork -- replacing fixed-percent auto-compaction across Claude Code, Codex, and MCP-capable hosts. Trigger on auto-compact timing or damage: "when should I compact", "is it safe to compact now or start a fresh session", "auto-compact fires too early/mid-task", "switching to an unrelated task but the window still has space", "context rot", "answers get worse the longer the session runs", "the agent forgot the plan or my decisions after it summarized", "add a layer on top that manages context without changing the agent", raising autoCompactWindow to give the policy room, or installing/tuning a cross-tool compaction policy or PreCompact hook -- even when "compaction" is never said but the problem is context-window pressure or post-summarization memory loss. Do NOT use to summarize a conversation, build RAG, write a summarization prompt (decides WHEN not HOW), or answer max-context-length trivia.
agent-skill-creator
IncludedCreate cross-platform agent skills from workflow descriptions. Activates when users ask to create an agent, automate a repetitive workflow, create a custom skill, or need advanced agent creation. Triggers on phrases like create agent for, automate workflow, create skill for, every day I have to, daily I need to, turn process into agent, need to automate, create a cross-platform skill, validate this skill, export this skill, migrate this skill. Supports single skills, multi-agent suites, transcript processing, template-based creation, interactive configuration, cross-platform export, and spec validation.
llm-wiki
IncludedUse when building or maintaining a persistent personal knowledge base (second brain) in Obsidian where an LLM incrementally ingests sources, updates entity/concept pages, maintains cross-references, and keeps a synthesis current. Triggers include "second brain", "Obsidian wiki", "personal knowledge management", "ingest this paper/article/book", "build a research wiki", "compound knowledge", "Memex", or whenever the user wants knowledge to accumulate across sessions instead of being re-derived by RAG on every query.
skill-master
IncludedAgent Skills authoring, evaluation, and optimization. Create, edit, validate, benchmark, and improve skills following the agentskills.io specification. Use when designing SKILL.md files, structuring skill folders (references, scripts, assets), ingesting external documentation into skills, running trigger evals, benchmarking skill quality, optimizing descriptions, or performing blind A/B comparisons. Keywords: agentskills.io, SKILL.md, skill authoring, eval, benchmark, trigger optimization.