External/SuperClaude
1
0
Fork 0
mirror of https://github.com/SuperClaude-Org/SuperClaude_Framework.git synced 2025-12-17 09:46:06 +00:00
Code Issues Packages Projects Releases Wiki Activity
SuperClaude/docs/user-guide-zh/agents.md
kazuki nakai d5dfd7da21
refactor(docs): normalize documentation naming to lowercase for PEP8 compliance (#434) 
* refactor(docs): rename directories to lowercase for PEP8 compliance

- Developer-Guide → developer-guide
- Getting-Started → getting-started
- Reference → reference
- Templates → templates
- User-Guide → user-guide
- User-Guide-jp → user-guide-jp
- User-Guide-kr → user-guide-kr
- User-Guide-zh → user-guide-zh

This change aligns with Python PEP8 package naming conventions.
All 43 files affected.

* refactor: rename root documentation files to lowercase

- CHANGELOG.md → changelog.md
- CODE_OF_CONDUCT.md → code_of_conduct.md
- CONTRIBUTING.md → contributing.md
- SECURITY.md → security.md

Aligns with Python package naming conventions (PEP8).
README files remain uppercase as per convention.

* refactor: move documentation files to docs/ for cleaner root

Moved OSS standard files to docs/:
- CHANGELOG.md → docs/CHANGELOG.md
- CODE_OF_CONDUCT.md → docs/CODE_OF_CONDUCT.md
- CONTRIBUTING.md → docs/CONTRIBUTING.md
- SECURITY.md → docs/SECURITY.md

Root now contains only essential files:
✓ README files (表紙: en, ja, kr, zh)
✓ LICENSE (法的要件)
✓ Build configs (pyproject.toml, setup.py, MANIFEST.in)
✓ VERSION

Rationale:
Cleaner root structure following modern Python project conventions.
All detailed documentation consolidated in docs/ directory.

* refactor: update documentation links after restructure

Auto-updated internal documentation links to reflect new structure:
- docs/ subdirectories now lowercase (PEP8)
- Root files moved to docs/
- All cross-references updated

This commit includes linter-generated link updates.

* chore(docs): keep OSS-standard uppercase root files (CHANGELOG, CODE_OF_CONDUCT, CONTRIBUTING, SECURITY)

* chore(docs): remove duplicated PR docs from repo root (moved under docs)

* docs: rename pm-agent-implementation-status.md -> PM_AGENT.md for clarity

* docs: update links to PM_AGENT.md after rename

---------

Co-authored-by: kazuki <kazuki@kazukinoMacBook-Air.local>
2025-10-15 21:07:39 +05:30

34 KiB
Raw Blame History

SuperClaude 智能体指南 🤖

SuperClaude 提供了 14 个领域专业智能体，Claude Code 可以调用它们获得专业知识。

🧪 测试智能体激活

使用本指南之前，请验证智能体选择功能是否正常：

# 测试手动智能体调用
@agent-python-expert "explain decorators"
# 期望行为：Python 专家提供详细解释

# 测试安全智能体自动激活
/sc:implement "JWT authentication"
# 期望行为：安全工程师应自动激活

# 测试前端智能体自动激活
/sc:implement "responsive navigation component"
# 期望行为：前端架构师 + Magic MCP 应激活

# 测试系统分析
/sc:troubleshoot "slow API performance"
# 期望行为：根因分析师 + 性能工程师激活

# 测试手动和自动结合
/sc:analyze src/
@agent-refactoring-expert "suggest improvements"
# 期望行为：分析后跟随重构建议

如果测试失败：检查 ~/.claude/agents/ 中是否存在智能体文件，或重启 Claude Code 会话

核心概念

什么是 SuperClaude 智能体？

智能体是专业的 AI 领域专家，以上下文指令的形式实现，用于修改 Claude Code 的行为。每个智能体都是 superclaude/Agents/ 目录中精心制作的 .md 文件，包含领域特定的专业知识、行为模式和问题解决方法。

重要提示：智能体不是独立的 AI 模型或软件 - 它们是 Claude Code 读取的上下文配置，用于采用专门的行为。

两种使用智能体的方式

1. 使用 @agent- 前缀手动调用

# 直接调用特定智能体
@agent-security "review authentication implementation"
@agent-frontend "design responsive navigation"
@agent-architect "plan microservices migration"

2. 自动激活Auto-Activation（行为路由）

"自动激活"意味着 Claude Code 读取行为指令，根据您请求中的关键词和模式来调用相应的上下文。SuperClaude 提供行为指导原则，Claude 遵循这些原则路由到最合适的专业人员。

📝 智能体"自动激活"工作原理: 智能体激活并非自动的系统逻辑——它是上下文文件中的行为指令。 当文档说智能体"自动激活"时，意味着 Claude Code 读取指令，根据您请求中的关键词和模式 调用特定的领域专业知识。这创造了智能路由的体验，同时保持底层机制的透明性。

# 这些命令自动激活相关智能体
/sc:implement "JWT authentication"  # → security-engineer 自动激活
/sc:design "React dashboard"        # → frontend-architect 自动激活
/sc:troubleshoot "memory leak"      # → performance-engineer 自动激活

MCP 服务器 通过专业工具提供增强功能，如 Context7（文档）、Sequential（分析）、Magic（UI）、Playwright（测试）和 Morphllm（代码转换）。

领域专家 专注于狭窄的专业领域，提供比通用方法更深入、更准确的解决方案。

智能体选择规则

优先级层次：

  1. 手动覆盖 - @agent-[name] 优先于自动激活
  2. 关键词 - 直接的领域术语触发主要智能体
  3. 文件类型 - 扩展名激活语言/框架专家
  4. 复杂度 - 多步骤任务调用协调智能体
  5. 上下文 - 相关概念触发互补智能体

冲突解决：

  • 手动调用 → 指定的智能体优先
  • 多个匹配 → 多智能体协调
  • 不明确的上下文 → 需求分析师激活
  • 高复杂度 → 系统架构师监督
  • 质量关注 → 自动包含质量保证智能体

选择决策树：

Task Analysis →
├─ Manual @agent-? → Use specified agent
├─ Single Domain? → Activate primary agent
├─ Multi-Domain? → Coordinate specialist agents
├─ Complex System? → Add system-architect oversight
├─ Quality Critical? → Include security + performance + quality agents
└─ Learning Focus? → Add learning-guide + technical-writer

快速开始示例

手动调用智能体

# 使用 @agent- 前缀显式调用特定智能体
@agent-python-expert "optimize this data processing pipeline"
@agent-quality-engineer "create comprehensive test suite"
@agent-technical-writer "document this API with examples"
@agent-socratic-mentor "explain this design pattern"

自动智能体协调

# 触发自动激活的命令
/sc:implement "JWT authentication with rate limiting"
# → 触发：security-engineer + backend-architect + quality-engineer

/sc:design "accessible React dashboard with documentation"
# → 触发：frontend-architect + learning-guide + technical-writer

/sc:troubleshoot "slow deployment pipeline with intermittent failures"
# → 触发：devops-architect + performance-engineer + root-cause-analyst

/sc:audit "payment processing security vulnerabilities"
# → 触发：security-engineer + quality-engineer + refactoring-expert

结合手动和自动方式

# 以命令开始（自动激活）
/sc:implement "user profile system"

# 然后显式添加专家审查
@agent-security "review the profile system for OWASP compliance"
@agent-performance-engineer "optimize database queries"

SuperClaude 智能体团队 👥

架构和系统设计智能体 🏗️

system-architect 🏢

专业领域： 大规模分布式系统设计，专注于可扩展性和服务架构

自动激活：

  • 关键词："架构"、"微服务"、"可扩展性"、"系统设计"、"分布式"
  • 上下文：多服务系统、架构决策、技术选择
  • 复杂度：>5 个组件或跨领域集成需求

能力：

  • 服务边界定义和微服务分解
  • 技术栈选择和集成策略
  • 可扩展性规划和性能架构
  • 事件驱动架构和消息模式
  • 数据流设计和系统集成

示例：

  1. 电子商务平台：为用户、产品、支付和通知服务设计微服务，采用事件源模式
  2. 实时分析：高吞吐量数据接入架构，采用流处理和时间序列存储
  3. 多租户 SaaS：具有租户隔离、共享基础架构和水平扩展策略的系统设计

成功标准

  • 响应中体现系统级思维
  • 提及服务边界和集成模式
  • 包含可扩展性和可靠性考虑
  • 提供技术栈建议

验证： /sc:design "microservices platform" 应该激活 system-architect 测试： 输出应包含服务分解和集成模式 检查： 应与 devops-architect 协调处理基础架构问题

最佳搭配： devops-architect（基础架构）、performance-engineer（优化）、security-engineer（合规）

backend-architect ⚙️

专业领域: 强大的服务端系统设计，重点关注 API 可靠性和数据完整性

自动激活:

  • 关键词: "API", "backend", "server", "database", "REST", "GraphQL", "endpoint"
  • 文件类型: API 规范、服务器配置、数据库架构
  • 上下文: 服务端逻辑、数据持久化、API 开发

能力:

  • RESTful 和 GraphQL API 架构和设计模式
  • 数据库架构设计和查询优化策略
  • 身份验证、授权和安全实现
  • 错误处理、日志记录和监控集成
  • 缓存策略和性能优化

示例:

  1. 用户管理 API: JWT 身份验证与基于角色的访问控制和速率限制
  2. 支付处理: PCI 合规的交易处理与幂等性和审计跟踪
  3. 内容管理: 带有缓存、分页和实时通知的 RESTful APIs

最佳搭配: security-engineer（身份验证/安全）、performance-engineer（优化）、quality-engineer（测试）

frontend-architect 🎨

专业领域: 现代 Web 应用程序架构，重点关注可访问性和用户体验

自动激活:

  • 关键词: "UI", "frontend", "React", "Vue", "Angular", "component", "accessibility", "responsive"
  • 文件类型: .jsx, .vue, .ts (前端), .css, .scss
  • 上下文: 用户界面开发、组件设计、客户端架构

能力:

  • 组件架构和设计系统实现
  • 状态管理模式（Redux、Zustand、Pinia）
  • 无障碍合规性（WCAG 2.1）和包容性设计
  • 性能优化和包分析
  • 渐进式 Web 应用和移动优先开发

示例:

  1. 仪表板界面: 具有实时更新和响应式网格布局的可访问数据可视化
  2. 表单系统: 具有验证、错误处理和无障碍功能的复杂多步骤表单
  3. 设计系统: 具有一致样式和交互模式的可重用组件库

最佳搭配: learning-guide（用户指导）、performance-engineer（优化）、quality-engineer（测试）

devops-architect 🚀

专业领域: 基础设施自动化和部署管道设计，用于可靠的软件交付

自动激活:

  • 关键词: "deploy", "CI/CD", "Docker", "Kubernetes", "infrastructure", "monitoring", "pipeline"
  • 文件类型: Dockerfile、docker-compose.yml、k8s 清单、CI 配置
  • 上下文: 部署流程、基础设施管理、自动化

能力:

  • 具有自动化测试和部署的 CI/CD 管道设计
  • 容器编排和 Kubernetes 集群管理
  • 使用 Terraform 和云平台的基础设施即代码
  • 监控、日志记录和可观测性堆栈实现
  • 安全扫描和合规自动化

示例:

  1. 微服务部署: 具有服务网格、自动扩展和蓝绿发布的 Kubernetes 部署
  2. 多环境管道: 具有自动化测试、安全扫描和分阶段部署的 GitOps 工作流
  3. 监控堆栈: 具有指标、日志、跟踪和警报系统的综合可观测性

最佳搭配: system-architect（基础设施规划）、security-engineer（合规）、performance-engineer（监控）

质量与分析智能体 🔍

security-engineer 🔒

专业领域: 应用安全架构，重点关注威胁建模和漏洞预防

自动激活:

  • 关键词: "security", "auth", "authentication", "vulnerability", "encryption", "compliance", "OWASP"
  • 上下文: 安全审查、身份验证流程、数据保护需求
  • 风险指标: 支付处理、用户数据、API 访问、法规合规需求

能力:

  • 威胁建模和攻击面分析
  • 安全身份验证和授权设计（OAuth、JWT、SAML）
  • 数据加密策略和密钥管理
  • 漏洞评估和渗透测试指导
  • 安全合规（GDPR、HIPAA、PCI-DSS）实施

示例:

  1. OAuth 实现: 具有令牌刷新和基于角色访问控制的安全多租户身份验证
  2. API 安全: 速率限制、输入验证、SQL 注入防护和安全头
  3. 数据保护: 静态/传输加密、密钥轮转和隐私设计架构

最佳搭配: backend-architect（API 安全）、quality-engineer（安全测试）、root-cause-analyst（事件响应）

performance-engineer ⚡

专业领域: 系统性能优化，重点关注可扩展性和资源效率

自动激活:

  • 关键词: "performance", "slow", "optimization", "bottleneck", "latency", "memory", "CPU"
  • 上下文: 性能问题、可扩展性担忧、资源约束
  • 指标: 响应时间 >500ms、高内存使用、低吞吐量

能力:

  • 性能分析和瓶颈识别
  • 数据库查询优化和索引策略
  • 缓存实现（Redis、CDN、应用级别）
  • 负载测试和容量规划
  • 内存管理和资源优化

示例:

  1. API 优化: 通过缓存和查询优化将响应时间从 2 秒减少到 200ms
  2. 数据库扩展: 实现读副本、连接池和查询结果缓存
  3. 前端性能: 包优化、延迟加载和 CDN 实现，实现 <3 秒加载时间

最佳搭配: system-architect（可扩展性）、devops-architect（基础设施）、root-cause-analyst（调试）

root-cause-analyst 🔍

专业领域: 使用基于证据的分析和假设测试进行系统化问题调查

自动激活:

  • 关键词: "bug", "issue", "problem", "debugging", "investigation", "troubleshoot", "error"
  • 上下文: 系统故障、意外行为、复杂的多组件问题
  • 复杂性: 需要有方法的调查的跨系统问题

能力:

  • 系统化调试方法和根本原因分析
  • 跨系统的错误关联和依赖关系映射
  • 日志分析和故障调查的模式识别
  • 复杂问题的假设形成和测试
  • 事件响应和事后分析程序

示例:

  1. 数据库连接失败: 通过连接池、网络超时和资源限制跟踪间歇性故障
  2. 支付处理错误: 通过 API 日志、数据库状态和外部服务响应调查交易失败
  3. 性能降级: 通过指标关联、资源使用和代码更改分析逐渐放慢

最佳搭配: performance-engineer（性能问题）、security-engineer（安全事件）、quality-engineer（测试失败）

quality-engineer ✅

专业领域: 综合测试策略和质量保证，重点关注自动化和覆盖率

自动激活:

  • 关键词: "test", "testing", "quality", "QA", "validation", "coverage", "automation"
  • 上下文: 测试规划、质量门禁、验证需求
  • 质量担忧: 代码覆盖率 <80%、缺少测试自动化、质量问题

能力:

  • 测试策略设计（单元、集成、端到端、性能测试）
  • 测试自动化框架实现和 CI/CD 集成
  • 质量指标定义和监控（覆盖率、缺陷率）
  • 边缘用例识别和边界测试场景
  • 无障碍测试和合规验证

示例:

  1. 电子商务测试: 涵盖用户流程、支付处理和库存管理的综合测试套件
  2. API 测试: REST/GraphQL API 的自动化合约测试、负载测试和安全测试
  3. 无障碍验证: WCAG 2.1 合规测试，包括自动化和手动无障碍审计

最佳搭配: security-engineer（安全测试）、performance-engineer（负载测试）、frontend-architect（UI 测试）

refactoring-expert 🔧

专业领域: 通过系统化重构和技术债务管理来改进代码质量

自动激活:

  • 关键词: "refactor", "clean code", "technical debt", "SOLID", "maintainability", "code smell"
  • 上下文: 遗留代码改进、架构更新、代码质量问题
  • 质量指标: 高复杂性、重复代码、较低的测试覆盖率

能力:

  • SOLID 原则应用和设计模式实现
  • 代码异味识别和系统性消除
  • 遗留代码现代化策略和迁移规划
  • 技术债务评估和优先级框架
  • 代码结构改进和架构重构

示例:

  1. 遗留现代化: 将单体应用转换为具有改进可测试性的模块化架构
  2. 设计模式: 为支付处理实现策略模式，以减少耦合并提高扩展性
  3. 代码清理: 移除重复代码、改进命名约定和提取可重用组件

最佳搭配: system-architect（架构改进）、quality-engineer（测试策略）、python-expert（语言特定模式）

专业化开发智能体 🎯

python-expert 🐍

专业领域: 生产就绪的 Python 开发，重点关注现代框架和性能

自动激活:

  • 关键词: "Python", "Django", "FastAPI", "Flask", "asyncio", "pandas", "pytest"
  • 文件类型: .py、requirements.txt、pyproject.toml、Pipfile
  • 上下文: Python 开发任务、API 开发、数据处理、测试

能力:

  • 现代 Python 架构模式和框架选择
  • 使用 asyncio 和并发 futures 的异步编程
  • 通过性能分析和算法改进进行性能优化
  • 使用 pytest、fixture 和测试自动化的测试策略
  • 使用 pip、poetry 和 Docker 的包管理和部署

示例:

  1. FastAPI 微服务: 具有 Pydantic 验证、依赖注入和 OpenAPI 文档的高性能异步 API
  2. 数据管道: 基于 Pandas 的 ETL，具有错误处理、日志记录和大数据集的并行处理
  3. Django 应用: 具有自定义用户模型、API 端点和综合测试覆盖的全栈 Web 应用

最佳搭配: backend-architect（API 设计）、quality-engineer（测试）、performance-engineer（优化）

requirements-analyst 📝

专业领域: 通过系统化利益相关者分析进行需求发现和规范开发

自动激活:

  • 关键词: "requirements", "specification", "PRD", "user story", "functional", "scope", "stakeholder"
  • 上下文: 项目启动、不明确的需求、范围定义需求
  • 复杂性: 多利益相关者项目、不明确的目标、相互冲突的需求

能力:

  • 通过利益相关者访谈和研讨会进行需求引出
  • 具有接受标准和完成定义的用户故事编写
  • 功能和非功能规范文档编制
  • 利益相关者分析和需求优先级框架
  • 范围管理和变更控制流程

示例:

  1. 产品需求文档: 金融科技移动应用的综合 PRD，包括用户画像、功能规范和成功指标
  2. API 规范: 支付处理 API 的详细需求，包括错误处理、安全和性能标准
  3. 迁移需求: 遗留系统现代化需求，包括数据迁移、用户培训和回滚程序

最佳搭配: system-architect（技术可行性）、technical-writer（文档）、learning-guide（用户指导）

沟通与学习智能体 📚

technical-writer 📚

专业领域: 技术文档和沟通，重点关注受众分析和清晰性

自动激活:

  • 关键词: "documentation", "readme", "API docs", "user guide", "technical writing", "manual"
  • 上下文: 文档请求、API 文档、用户指南、技术解释
  • 文件类型: .md、.rst、API 规范、文档文件

能力:

  • 技术文档架构和信息设计
  • 受众分析和面向不同技能水平的内容定位
  • 具有工作示例和集成指导的 API 文档
  • 具有分步程序和故障排除的用户指南创建
  • 无障碍标准应用和包容性语言使用

示例:

  1. API 文档: 具有身份验证、端点、示例和 SDK 集成指南的综合 REST API 文档
  2. 用户手册: 具有截图、故障排除和 FAQ 部分的分步安装和配置指南
  3. 技术规范: 具有图表、数据流和实现细节的系统架构文档

最佳搭配: requirements-analyst（规范清晰度）、learning-guide（教育内容）、frontend-architect（UI 文档）

learning-guide 🎓

专业领域: 教育内容设计和渐进式学习，重点关注技能开发和指导

自动激活:

  • 关键词: "explain", "learn", "tutorial", "beginner", "teaching", "education", "training"
  • 上下文: 教育请求、概念解释、技能开发、学习路径
  • 复杂性: 需要分步骤分解和渐进理解的复杂主题

能力:

  • 具有渐进技能开发的学习路径设计
  • 通过类比和示例进行复杂概念解释
  • 具有实践练习的交互式教程创建
  • 技能评估和能力评估框架
  • 指导策略和个性化学习方法

示例:

  1. 编程教程: 具有实践练习、代码示例和渐进复杂性的交互式 React 教程
  2. 概念解释: 通过实际示例、视觉图表和练习解释数据库规范化
  3. 技能评估: 具有实际项目和反馈的全栈开发综合评估框架

最佳搭配: technical-writer（教育文档）、frontend-architect（交互学习）、requirements-analyst（学习目标）

智能体协调与集成 🤝

协调模式

架构团队:

  • 全栈开发: frontend-architect + backend-architect + security-engineer + quality-engineer
  • 系统设计: system-architect + devops-architect + performance-engineer + security-engineer
  • 遗留现代化: refactoring-expert + system-architect + quality-engineer + technical-writer

质量团队:

  • 安全审计: security-engineer + quality-engineer + root-cause-analyst + requirements-analyst
  • 性能优化: performance-engineer + system-architect + devops-architect + root-cause-analyst
  • 测试策略: quality-engineer + security-engineer + performance-engineer + frontend-architect

沟通团队:

  • 文档项目: technical-writer + requirements-analyst + learning-guide + domain experts
  • 学习平台: learning-guide + frontend-architect + technical-writer + quality-engineer
  • API 文档: backend-architect + technical-writer + security-engineer + quality-engineer

MCP 服务器集成

通过 MCP 服务器增强能力:

  • Context7: 为所有架构师和专家提供官方文档模式
  • Sequential: 为 root-cause-analyst、system-architect、performance-engineer 提供多步骤分析
  • Magic: 为 frontend-architect 提供 UI 生成，为 learning-guide 提供交互内容
  • Playwright: 为 quality-engineer 提供浏览器测试，为 frontend-architect 提供无障碍验证
  • Morphllm: 为 refactoring-expert 提供代码转换，为 python-expert 提供批量更改
  • Serena: 为所有智能体提供项目内存，在会话间保持上下文

智能体激活故障排除

故障排除

获取故障排除帮助，请参阅：

常见问题

  • 无智能体激活: 使用领域关键词："security"、"performance"、"frontend"
  • 选择了错误的智能体: 检查智能体文档中的触发关键词
  • 智能体过多: 将关键词聚焦在主要领域或使用 /sc:focus [领域]
  • 智能体不协调: 增加任务复杂性或使用多领域关键词
  • 智能体专业知识不匹配: 使用更具体的技术术语

即时修复

  • 强制激活智能体: 在请求中使用明确的领域关键词
  • 重置智能体选择: 重启 Claude Code 会话以重置智能体状态
  • 检查智能体模式: 查看智能体文档中的触发关键词
  • 测试基本激活: 尝试 /sc:implement "security auth" 测试 security-engineer

特定智能体故障排除

无安全智能体：

# 问题：安全问题未触发 security-engineer
# 快速修复：使用明确的安全关键词
"实现身份验证"                          # 通用 - 可能不会触发
"实现 JWT 身份验证安全"                # 明确 - 触发 security-engineer
"使用加密的安全用户登录"            # 安全聚焦 - 触发 security-engineer

无性能智能体：

# 问题：性能问题未触发 performance-engineer
# 快速修复：使用性能相关术语
"让它更快"                          # 模糊 - 可能不会触发
"优化缓慢的数据库查询"            # 具体 - 触发 performance-engineer
"减少 API 延迟和瓶颈"               # 性能聚焦 - 触发 performance-engineer

无架构智能体：

# 问题：系统设计未触发架构智能体
# 快速修复：使用架构关键词
"构建一个应用"                         # 通用 - 触发基本智能体
"设计微服务架构"                    # 具体 - 触发 system-architect
"可扩展的分布式系统设计"        # 架构聚焦 - 触发 system-architect

错误的智能体组合：

# 问题：在后端任务中获得前端智能体
# 快速修复：使用领域特定术语
"创建用户界面"                       # 可能触发 frontend-architect
"创建 REST API 端点"                  # 具体 - 触发 backend-architect
"实现服务端身份验证"              # 后端聚焦 - 触发 backend-architect

支持级别

快速修复：

  • 从智能体触发表中使用明确的领域关键词
  • 尝试重启 Claude Code 会话
  • 聚焦在单一领域以避免混淆

详细帮助：

  • 查看常见问题指南了解智能体安装问题
  • 查看目标智能体的触发关键词

专家支持：

社区支持：

  • 在 GitHub Issues 报告问题
  • 包括预期与实际智能体激活的示例

成功验证

应用智能体修复后，请测试：

  • 领域特定请求激活正确的智能体（security → security-engineer）
  • 复杂任务触发多智能体协调（3+ 智能体）
  • 智能体专业知识匹配任务需求（API → backend-architect）
  • 质量智能体在适当时自动包含（安全、性能、测试）
  • 响应显示领域专业知识和专业化知识

快速故障排除（遗留）

  • 无智能体激活 → 使用领域关键词："security"、"performance"、"frontend"
  • 错误的智能体 → 检查智能体文档中的触发关键词
  • 智能体过多 → 将关键词聚焦在主要领域
  • 智能体不协调 → 增加任务复杂性或使用多领域关键词

智能体未激活？

  1. 检查关键词: 使用领域特定术语（例如，对于 security-engineer 使用 "authentication" 而不是 "login"）
  2. 添加上下文: 包含文件类型、框架或特定技术
  3. 增加复杂性: 多领域问题会触发更多智能体
  4. 使用示例: 引用与智能体专业知识匹配的具体场景

智能体过多？

  • 将关键词聚焦在主要领域需求上
  • 使用 /sc:focus [领域] 限制范围
  • 从特定智能体开始，按需扩展

错误的智能体？

  • 查看智能体文档中的触发关键词
  • 为目标领域使用更具体的术语
  • 添加明确的需求或约束

快速参考 📋

智能体触发查找

触发类型 关键词/模式 激活的智能体
安全 "auth", "security", "vulnerability", "encryption" security-engineer
性能 "slow", "optimization", "bottleneck", "latency" performance-engineer
前端 "UI", "React", "Vue", "component", "responsive" frontend-architect
后端 "API", "server", "database", "REST", "GraphQL" backend-architect
测试 "test", "QA", "validation", "coverage" quality-engineer
DevOps "deploy", "CI/CD", "Docker", "Kubernetes" devops-architect
架构 "architecture", "microservices", "scalability" system-architect
Python ".py", "Django", "FastAPI", "asyncio" python-expert
问题 "bug", "issue", "debugging", "troubleshoot" root-cause-analyst
代码质量 "refactor", "clean code", "technical debt" refactoring-expert
文档 "documentation", "readme", "API docs" technical-writer
学习 "explain", "tutorial", "beginner", "teaching" learning-guide
需求 "requirements", "PRD", "specification" requirements-analyst

命令-智能体映射

命令 主要智能体 支持智能体
/sc:implement Domain architects (frontend, backend) security-engineer, quality-engineer
/sc:analyze quality-engineer, security-engineer performance-engineer, root-cause-analyst
/sc:troubleshoot root-cause-analyst Domain specialists, performance-engineer
/sc:improve refactoring-expert quality-engineer, performance-engineer
/sc:document technical-writer Domain specialists, learning-guide
/sc:design system-architect Domain architects, requirements-analyst
/sc:test quality-engineer security-engineer, performance-engineer
/sc:explain learning-guide technical-writer, domain specialists

有效的智能体组合

开发工作流:

  • Web 应用: frontend-architect + backend-architect + security-engineer + quality-engineer + devops-architect
  • API 开发: backend-architect + security-engineer + technical-writer + quality-engineer
  • 数据平台: python-expert + performance-engineer + security-engineer + system-architect

分析工作流:

  • 安全审计: security-engineer + quality-engineer + root-cause-analyst + technical-writer
  • 性能调查: performance-engineer + root-cause-analyst + system-architect + devops-architect
  • 遗留评估: refactoring-expert + system-architect + quality-engineer + security-engineer + technical-writer

沟通工作流:

  • 技术文档: technical-writer + requirements-analyst + domain experts + learning-guide
  • 教育内容: learning-guide + technical-writer + frontend-architect + quality-engineer

最佳实践 💡

入门（简单方法）

自然语言优先：

  1. 描述目标: 使用包含领域特定关键词的自然语言
  2. 信任自动激活: 让系统自动路由到适当的智能体
  3. 从模式中学习: 观察不同请求类型激活的智能体
  4. 迭代和优化: 添加具体性以吸引额外的专家智能体

优化智能体选择

有效的关键词使用：

  • 具体 > 通用: 对于 security-engineer 使用 "authentication" 而不是 "login"
  • 技术术语: 包含框架名称、技术和具体挑战
  • 上下文线索: 提及文件类型、项目范围和复杂性指标
  • 质量关键词: 添加 "security"、"performance"、"accessibility" 以实现全面覆盖

请求优化示例：

# 通用（有限的智能体激活）
"修复登录功能"

# 优化（多智能体协调）
"实现具有速率限制和无障碍合规的安全 JWT 身份验证"
# → 触发: security-engineer + backend-architect + frontend-architect + quality-engineer

常见用法模式

开发工作流：

# 全栈功能开发
/sc:implement "具有实时通知的响应式用户仪表板"
# → frontend-architect + backend-architect + performance-engineer

# 带文档的 API 开发
/sc:create "带有综合文档的支付处理 REST API"
# → backend-architect + security-engineer + technical-writer + quality-engineer

# 性能优化调查
/sc:troubleshoot "影响用户体验的数据库查询缓慢"
# → performance-engineer + root-cause-analyst + backend-architect

分析工作流：

# 安全评估
/sc:analyze "身份验证系统的 GDPR 合规漏洞"
# → security-engineer + quality-engineer + requirements-analyst

# 代码质量审查
/sc:review "遗留代码库的现代化机会"
# → refactoring-expert + system-architect + quality-engineer + technical-writer

# 学习和解释
/sc:explain "带实践示例的微服务模式"
# → system-architect + learning-guide + technical-writer

高级智能体协调

多领域项目：

  • 从广泛开始: 从系统级关键词开始以吸引架构智能体
  • 添加具体性: 包含领域特定需求以激活专家智能体
  • 质量集成: 自动包含安全、性能和测试视角
  • 文档包含: 添加学习或文档需求以实现全面覆盖

智能体选择故障排除：

问题：错误的智能体激活

  • 解决方案：使用更具体的领域术语
  • 示例："数据库优化" → performance-engineer + backend-architect

问题：智能体不够

  • 解决方案：增加复杂性指标和跨领域关键词
  • 示例：向请求添加 "security"、"performance"、"documentation"

问题：智能体过多

  • 解决方案：使用具体技术术语聚焦于主要领域
  • 示例：使用 "/sc:focus backend" 来限制范围

质量驱动开发

安全优先方法： 始终在开发请求中包含安全考虑，以在领域专家之外自动吸引 security-engineer。

性能集成： 包含性能关键词（"fast"、"efficient"、"scalable"）以确保从一开始就有 performance-engineer 的协调。

无障碍合规： 使用 "accessible"、"WCAG" 或 "inclusive" 在前端开发中自动包含无障碍验证。

文档文化： 向请求添加 "documented"、"explained" 或 "tutorial" 以自动包含 technical-writer 和知识转移。

理解智能体智能 🧠

使智能体高效的因素

领域专业知识: 每个智能体都具有专业知识模式、行为方法和针对其领域的问题解决方法。

上下文激活: 智能体分析请求上下文，而不仅仅是关键词，以确定相关性和参与程度。

协作智能: 多智能体协调产生的协同结果超越了单个智能体的能力。

自适应学习: 智能体选择根据请求模式和成功的协调结果不断改进。

智能体与传统 AI

传统方法: 单个 AI 以不同的专业知识水平处理所有领域 智能体方法: 专业专家以深度领域知识和聚焦问题解决进行协作

优点:

  • 在领域特定任务中更高的准确性
  • 更复杂的问题解决方法
  • 通过专家审查实现更好的质量保证
  • 协调的多视角分析

信任系统，理解模式

期望什么:

  • 自动路由到适当的领域专家
  • 复杂任务的多智能体协调
  • 通过自动包含 QA 智能体实现质量集成
  • 通过教育智能体激活的学习机会

不用担心什么:

  • 手动选择或配置智能体
  • 复杂的路由规则或智能体管理
  • 智能体配置或协调
  • 微管理智能体交互

相关资源 📚

基本文档

  • 命令指南 - 掌握触发最优智能体协调的 SuperClaude 命令
  • MCP 服务器 - 通过专业化工具集成增强智能体能力
  • 会话管理 - 具有持久智能体上下文的长期工作流

高级用法

开发资源

您的智能体之旅 🚀

第 1 周：自然使用 从自然语言描述开始。注意哪些智能体会激活以及原因。在不过度思考过程的情况下建立对关键词模式的直觉。

第 2-3 周：模式识别 观察智能体协调模式。理解复杂性和领域关键词如何影响智能体选择。开始优化请求措辞以实现更好的协调。

第 2 个月+：专家协调 掌握触发最优智能体组合的多领域请求。利用故障排除技巧进行有效的智能体选择。使用高级模式处理复杂工作流。

SuperClaude 优势： 体验 14 个专业 AI 专家协调响应的威力，所有这一切都通过简单的自然语言请求实现。无需配置，无需管理，只有随您的需求而扩展的智能协作。

🎯 准备体验智能智能体协调？从 /sc:implement 开始，发现专业 AI 协作的魔力。