team-swarm — 多假设探索与对抗评分选方案
当你面对一个没有标准答案的复杂架构或重构问题(例如:三种缓存失效策略选哪个?老项目鉴权改造走哪条路径成本最低?),team-swarm 会帮你生成多个候选方案,通过“多路径探索 → 多维度对抗评分 → 信息素收敛(ACO)”循环,最终为你输出一份带正反方依据的推荐方案 best-solution.md。
可选辅助引擎边界
team-swarm 是方案搜索与比选工具,单独跑完不代表业务代码已交付或验收通过。选定方案后,请将 best-solution.md 交给 ralph 或 dispatch 完成正式实施与验收。
| 宿主工具 | 调用写法 |
|---|---|
| Codex / Grok / Qoder | $jj-team-swarm … |
| Claude Code | /jj-team-swarm … |
一、适用场景与前置要求
什么时候用 team-swarm:
- 技术方案存在多条可行路径,需要对比优劣、迁移成本和潜在风险。
- 希望不仅看到推荐结论,还能看到针对每个候选方案的反方挑刺与量化评分。
环境前置要求:
- 本机建议已安装 Python 3.10 及以上版本(仅使用标准库运行内置的
aco.py搜索控制器;若本机无 Python,会自动报告并降级,绝不伪造评分)。
二、标准执行流程(4 步搜索收敛)
- 定义搜索空间与评分标准:确认你要解决的目标问题、候选方向以及你最看重的评价维度(如:一致性、改造成本、回滚难度);若目标不清会先向你提问。
- 多候选探索(Explore):生成最多 3 个并行探索分支(保守默认配置,避免无意义的算力浪费),分别输出各自的架构设计与实现草案。
- 客观评分与更新(Score & Update):对照评分标准对各候选方案打分并指出短板;若所有候选方案均不可行或无法收敛,会如实停下向你汇报。
- 综合输出最佳方案(Converge):将胜出方案的设计细节、取舍理由、已知局限整理写入
.workflow/.team/TAS-…/artifacts/best-solution.md。
三、完整实战示例
text
你:
$jj-team-swarm 比较三种多端登录态同步与失效方案,重点评估安全性与跨仓改造成本
Agent:
已初始化多方案搜索会话 `.workflow/.team/TAS-auth-sync-20261013/`:
- 评分维度:安全性 (40%)、跨仓改造成本 (35%)、回滚复杂度 (25%)
- 候选路径:
1. 路径 A:短周期 Access Token + Refresh Token 轮换
2. 路径 B:网关层集中式 Session 黑名单广播
3. 路径 C:前端轮询状态接口校验
正在执行第 1–2 轮探索与评分收敛……
- 路径 A 综合得分 0.86(跨仓仅需改请求拦截器,回滚简单)
- 路径 B 综合得分 0.74(需改动网关基础设施)
- 路径 C 综合得分 0.51(高并发下轮询开销过大,已淘汰)
已收敛并生成推荐方案:`.workflow/.team/TAS-auth-sync-20261013/artifacts/best-solution.md`
下一步:你可以在 `$jj-ralph` 中直接引用该方案开始实施。四、常用说法速查
text
# 探索架构改造路径
$jj-team-swarm 搜索老项目登录模块解耦的架构路径
# 指定候选数量与评估重点
$jj-team-swarm 比较三种缓存失效方案,重点看数据一致性和迁移成本
# 继续上一轮未完成的搜索
$jj-team-swarm resume五、文件记录在哪里?
text
.workflow/.team/TAS-<简述>-<日期>/
├── swarm-config.json # 本次搜索的候选规模、轮次上限与评分权重配置
├── workflows/ # 各候选路径的探索草案
├── scores/ # 每轮客观评分明细
└── artifacts/
└── best-solution.md # 【核心产出】最终收敛出的推荐方案与取舍依据