ruflo Claude Flow V3 Agent 能力矩阵详解87 种 Agent 的角色定位、工具权限与选型指南【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/rufloClaude Flow V3ruflo 项目的 v3 版本内置了一套完整的 Agent 能力体系它通过 15 级能力评分矩阵为 87 种 Agent 类型定义了代码、测试、评审、安全、记忆、性能、Swarm 协调与 GitHub 工作流等维度的专长分布。本文以 agent-capabilities.md 为骨架结合 CLI 源码与 Agent 定义文件系统讲解能力矩阵的读法、性能与共识能力指标、各类 Agent 的工具访问范围以及按能力选 Agent的实战决策路径帮助你为具体任务匹配最合适的 Agent 角色。能力矩阵从五个维度为 Agent 打分能力矩阵是 Claude Flow V3 选择 Agent 的核心依据。每个 Agent 在若干能力维度上获得 15 的分值其中5 分表示该 Agent 的主要专长Expert1 分表示并非其关注方向Minimal。完整分级定义如下LevelDescription5Expert - Primary specialization4Advanced - Strong capability3Intermediate - Good capability2Basic - Limited capability1Minimal - Not a focus这套 5 级评分不仅出现在参考文档中也直接体现在源码层面在 agent.ts 的getAgentCapabilities()函数中每种 Agent 类型都对应一组能力标签例如coder对应code-generation, refactoring, debugging, testingsecurity-architect对应threat-modeling, security-patterns, compliance, auditspawn 成功后会在输出表格的 Capabilities 一栏展示这些能力。与此同时每个 Agent 的 YAML 配置也会显式声明能力项例如 coder.yaml 声明code-generation、refactoring、debuggingsecurity-architect.yaml 声明threat-modeling、vulnerability-analysis、security-review——文档矩阵、CLI 能力标签与 YAML 声明三者相互印证。核心开发五虎coder / reviewer / tester / planner / researcher核心开发维度覆盖了软件交付主链路矩阵如下AgentCodeTestReviewDesignResearchcoder53222reviewer32532tester25212planner21254researcher21235可以看到五个 Agent 各有一个5 分主专长且互不重叠coder 主攻编码实现tester 主攻测试reviewer 主攻代码评审planner 主攻方案设计与规划researcher 主攻信息调研。其中 coder 在 Code 维度拿到 5 分的同时Test 维度为 3 分说明它还具备一定的自测能力。spawn 时可以直接用对应类型拉起这些 Agent例如npx claude-flow/clilatest agent spawn -t coder # Code implementation npx claude-flow/clilatest agent spawn -t reviewer # Code review npx claude-flow/clilatest agent spawn -t tester # Testing npx claude-flow/clilatest agent spawn -t planner # Planning npx claude-flow/clilatest agent spawn -t researcher # ResearchV3 专业组安全、记忆、性能与架构V3 在核心开发之外增加了面向大型系统工程的专项 AgentAgentSecurityMemoryPerformanceArchitecturesecurity-architect5235security-auditor5223memory-specialist3543performance-engineer2354core-architect3335该矩阵呈现两个值得注意的分布规律security-architect 在 Security 与 Architecture 两个维度同时拿到 5 分是安全设计 系统架构双主专长型 Agent而 memory-specialist 与 performance-engineer 则分别在 Memory 与 Performance 上独占 5 分并在对方领域保有 4 分级的强协同能力。这与 Agent 定义文件中的能力声明一致例如 security-architect.md 除 threat modeling、vulnerability assessment 外还声明了 self-learning、context-enhancement、hnsw-threat-search 等 V3 智能能力其 pre-hook 会调用memory search-patterns --namespacesecurity检索历史威胁模式、并检查相关 CVE。Swarm 协调组四种拓扑的指挥者多 Agent 场景下协调者决定了任务如何分发与汇总AgentCoordinationConsensusScalingFault Tolerancehierarchical-coordinator5444mesh-coordinator4454adaptive-coordinator5454collective-intelligence-coordinator4544hierarchical-coordinator女王Queen主导的层级式协调Coordination 满分适合复杂分层任务mesh-coordinatorP2P 对等网络Scaling 满分适合研究与探索型任务adaptive-coordinator动态拓扑Coordination 与 Scaling 双 5 分适合需求不确定的工作负载collective-intelligence-coordinator基于共识的群体决策Consensus 满分。协调者的工具面也很有区分度hierarchical-coordinator 使用mcp__claude-flow__swarm_*与mcp__claude-flow__agent_*系列工具mesh-coordinator 使用swarm_*与coordination_*adaptive-coordinator 则偏向topology_*与swarm_*可见每种拓扑都有对应的 MCP 工具族支撑详见下文工具访问范围。GitHub 集成组PR 到发布的自动化链路AgentPRIssuesCI/CDReleaseReviewpr-manager53234code-review-swarm42225issue-tracker25222release-manager33452workflow-automation23542该组与真实 GitHub 工作流一一对应pr-manager 负责 PR 全生命周期Review 也有 4 分issue-tracker 专精 Issues 管理release-manager 主导版本发布CI/CD 4 分workflow-automation 专精 CI/CD 自动化Release 4 分code-review-swarm 则以 Review 5 分承担多 Agent 联合评审。V3 性能能力矩阵之外的关键指标能力矩阵之外文档还给出了一组 V3 特有的性能能力数据用于说明专业 Agent 背后依赖的底层加速设施CapabilityAgentsPerformance GainFlash Attentionmemory-specialist, performance-engineer2.49x-7.47xHNSW Searchmemory-specialist150x-12,500xQuantizationperformance-engineer50-75% memorySONA Adaptationsona-learning-optimizer0.05ms上述数值均出自本文档的 V3 Performance Capabilities 一节表示文档声明的能力指标例如 memory-specialist 通过 HNSW 向量检索获得 150x-12,500x 的搜索加速、performance-engineer 通过量化节省 50-75% 内存并非本仓库的独立基准测试结果。在源码与 Agent 定义中可以看到这些能力的对应实现痕迹security-architect 的 pre-hook 调用了 HNSW 威胁模式检索--k10 --min-reward0.85 --namespacesecurityCLI 的AGENT_TYPES列表中 memory-specialist 与 performance-engineer 的提示语也分别标注了150x-12,500x faster与2.49x-7.47x optimization targets见 agent.ts说明这些指标已内置于 CLI 的选型提示中。共识能力矩阵分布式协调的四种协议对于需要一致性的多 Agent 系统文档定义了五类共识型 Agent 对四种协议的支持程度AgentBFTRaftGossipCRDTbyzantine-coordinator5222raft-manager2522gossip-coordinator2253crdt-synchronizer2235quorum-manager4433byzantine-coordinator拜占庭容错BFT共识主专长 5 分适用于存在故障或恶意节点的场景raft-manager基于领导者的 Raft 共识保证状态一致gossip-coordinator流言传播式最终一致追求可扩展性crdt-synchronizerCRDT 复制同步实现无冲突合并quorum-manager法定人数Quorum共识BFT 与 Raft 均有 4 分属于通用型投票协调者。这五类 Agent 同样可以通过 spawn 命令直接拉起-t byzantine-coordinator、-t raft-manager、-t gossip-coordinator、-t crdt-synchronizer、-t quorum-manager完整列表见 agent-types.md 的 Consensus Agents 一节。工具访问范围Agent 能用到什么能力矩阵的另一维度是工具权限——不同类型的 Agent 拥有不同的工具面这决定了它们能做什么。代码类工具coder: Read, Write, Edit, MultiEdit, Glob, Grep, Bash reviewer: Read, Glob, Grep tester: Read, Write, Bash, Globcoder 拥有最完整的读写编辑工具链reviewer 为只读视角Read/Glob/Greptester 则偏向 Read/Write/Bash/Glob便于编写并运行测试。Swarm 工具hierarchical-coordinator: mcp__claude-flow__swarm_*, mcp__claude-flow__agent_* mesh-coordinator: mcp__claude-flow__swarm_*, mcp__claude-flow__coordination_* adaptive-coordinator: mcp__claude-flow__topology_*, mcp__claude-flow__swarm_*协调者通过mcp__claude-flow__前缀的 MCP 工具与 Swarm 引擎交互例如初始化拓扑可调用mcp__claude-flow__swarm_init({ topology: hierarchical, maxAgents: 15 })拉起协调者可调用mcp__claude-flow__agent_spawn({ type: coordinator, name: queen })示例见 spawn.md 的 MCP Coordination 一节。GitHub 工具pr-manager: mcp__github__*, Bash (gh CLI) code-review-swarm: mcp__github__*, mcp__claude-flow__swarm_* release-manager: mcp__github__*, mcp__claude-flow__workflow_*GitHub 类 Agent 统一通过mcp__github__*工具访问仓库其中 pr-manager 还叠加ghCLIBashcode-review-swarm 叠加 Swarm 工具实现多 Agent 评审release-manager 则叠加 workflow 工具衔接发布流程。查询能力如何查看某类 Agent 的完整能力文档提供了两条查询路径一条走 CLI一条直接看定义文件# List all capabilities for an agent type npx claude-flow/clilatest agent spawn -t coder --help # View agent definition cat .claude/agents/core/coder.md其中agent spawn -t type --help会展示该类型 spawn 时的全部选项与默认值。在源码层面spawn 子命令支持的选项定义于 agent.tsOptionShortDescriptionDefault--type-tAgent type to spawnRequired--name-nAgent name/identifierAuto-generated--provider-pAI provider (anthropic, openrouter, ollama)anthropic--model-mModel to useProvider default--taskInitial task for the agentNone--timeoutAgent timeout in seconds300--auto-toolsEnable automatic tool usagetrue若未指定--typeCLI 在交互模式下会弹出 Agent 类型选择器未指定--name时自动生成为${type}-${Date.now().toString(36)}形式的标识。spawn 成功后输出表格会列出 ID、Type、Name、Status、Created 与 Capabilities由getAgentCapabilities()填充并同步更新.claude-flow/metrics/swarm-activity.json中的 swarm 活跃 Agent 计数。基于能力的选型四类典型任务的推荐路径文档给出的Capability-Based Selection直接指导实战中的 Agent 搭配这也是能力矩阵最重要的应用场景。安全类任务security-architect- Design and threat modeling威胁建模与安全设计Security/Architecture 双 5 分security-auditor- Vulnerability assessment漏洞评估与 CVE 修复security-manager- Consensus security共识层安全见 Consensus Agents安全 Agent 的完整定义还内置了执行前钩子pre-hook 会先检索历史威胁模式、学习历史安全失败案例、对 auth/session/inject 类任务检查 CVE 数据库并启动轨迹跟踪见 security-architect.mdpost-hook 则执行综合安全校验。性能类任务performance-engineer- Optimization性能优化Performance 5 分memory-specialist- Memory/search optimization内存与检索优化Memory 5 分Performance 4 分performance-analyzer- Bottleneck analysis瓶颈分析见 Optimization 组多 Agent 协调hierarchical-coordinator- Complex hierarchical tasks复杂分层任务mesh-coordinator- Research and exploration研究与探索adaptive-coordinator- Dynamic requirements需求动态变化GitHub 工作流pr-manager- PR lifecyclePR 全生命周期PR 5 分code-review-swarm- Comprehensive reviews综合评审Review 5 分workflow-automation- CI/CD automationCI/CD 自动化CI/CD 5 分在平行执行场景下还可以通过 Claude Code 的 Task 工具一次性拉起多个能力互补的 Agent实现并行流水线Task(Coder, Implement authentication feature, coder) Task(Tester, Write unit tests for auth, tester) Task(Reviewer, Review auth implementation, reviewer)小结Claude Flow V3 的能力矩阵将Agent 能干什么量化为可比较、可查询、可决策的结构化数据能力级别15定义了专长深度四个能力维度矩阵核心开发 / V3 专业 / Swarm 协调 / GitHub 集成覆盖了软件交付与团队协作主链路性能与共识指标补充了底层加速与一致性能力工具访问范围则划定了每类 Agent 的执行边界。实际使用时你可以先按本节Capability-Based Selection的推荐顺序选定 Agent 类型再用agent spawn -t type --help核对细节最后通过 spawn.md 中的参数组合完成任务交付。延伸阅读agent-types.md - 全部 87 种 Agent 类型速查agent-coordination.md - 协调模式详解spawn.md - spawn 命令完整参数与示例coder.yaml 与 security-architect.yaml - Agent 能力声明的配置示例agent.ts - spawn 命令与getAgentCapabilities()源码实现【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考