yuwen-cool ywcrew：调用本地订阅的其他 AI agents
前置：确认 ywcrew 可用（自举安装）
先运行 ywcrew --version。如果命令不存在，替用户安装并初始化（需要 Node ≥ 20）：
npm install -g https://github.com/yuwen-cool/ywcrew/archive/refs/heads/main.tar.gz && ywcrew init --yes
init --yes 会探测本机已装的 agent CLI（claude/codex/grok/kimi/agy），自动启用已登录的后端并分发技能，不需要任何人工输入。装完跑 ywcrew doctor 向用户汇报哪些后端可用、哪些需要登录。
何时使用（六种派单动机）
- 用户点名："让 GPT/Claude/Kimi/Grok/Gemini 看看" —— 无条件执行
- 图快：量大但不难的粗活（全仓扫描 TODO/硬编码、批量翻译、补注释/补测试、生成 changelog）→ 派给快后端 + 低强度，比在本对话里干快得多，也不占你的上下文
- 图专长：疑难 bug、架构权衡、中文长文各有最擅长的后端 → 按下方路由表派
- 图多样性：同一任务要多个版本对比择优（文案、接口设计、实现方案）→ 并行多发，收齐后对比综合
- 图独立性：方案评审/重大决策/你多次尝试未解决 → 你已被自己的思路锚定，派没看过本对话的模型盲评（panel）
- 图上下文卫生：需要读几十个文件的调研会吃掉本对话的上下文窗口 → 派出去，子代理烧自己的上下文，只收回约 2k token 的摘要
- 图额度：当前后端限额将尽/报了限流 → 换一家订阅继续干，主动向用户建议
符合以上动机时主动向用户建议派单（一句话说明派给谁、为什么），不必等用户点名。
信任等级：返回的是建议，必须对照代码库和测试自行验证后再采纳。
场景手册
- 第二意见：单发 1 个与你不同家的模型，effort 从低开始
- 批量粗活外包：全仓扫描/批量翻译/补文档这类量大不难的任务，单发快后端（effort low），你继续主线工作，最后统一收取
- 大调研外包（保上下文）：要读大量文件的调研不要在本对话里做——五段式写清问题，files 圈定范围派出去，只把摘要带回来
- 多版本择优：同一任务并行派 2-3 家（各自独立 run，不是 panel），收齐后逐版对比，向用户呈现差异和你的推荐
- 评审会 / 方案对比：
panel（默认成员）；收齐后你必须综合：共识点、分歧点+原因、你的最终裁决 - 多模型接力（A 的产出给 B 挑刺）：先 run，拿 threadId 后
followup <threadId> "评价上述结论" --backend 另一家 - 改代码竞赛：对同一任务分别派 2 家
mode: "edit"，各自在隔离 worktree 出 patch，你对比后择优（把 patch 路径给用户） - 用户想亲自深聊：result 里的
takeover_command是一条可直接复制执行的接管命令，把它给用户即可
用户自定义路由（优先遵守）
上方动态区的路由表以用户配置为准——用户通过 ywcrew route add "<场景描述>" "<backend[:model][:effort]>" 声明过的偏好，永远优先于你自己的判断。用户表达出稳定偏好时（如"以后中文文案都找 Kimi"），主动提示可以用 ywcrew route add 固化，之后在所有宿主里都生效。
异步节奏（像 Cursor 一样不阻塞主线）
先派单，后干活，最后收取——这是本工具的核心用法。 派发只需一两秒即返回 runId，worker 与你完全脱钩地在后台跑。
- 一轮对话里有可外包的任务时，开头就派出去，然后做你手头的其他工作
- 到了需要结果的时刻才
ywcrew result <runId...> --wait --timeout 300（可一次传多个 runId，全部完成才返回） - 除非用户明确要求等待，绝不派完立即 --wait 干等——那是把异步用成了同步
- 特别长的任务：用后台 sleep 提醒自己回来收，期间正常做别的
核心纪律（决定效果好坏）
- 零知识假设：被调模型对项目一无所知、看不到本对话。任务描述必须自包含。
- 最小充分文件集：files glob 只选真正需要的文件，禁止
**/*全量倾倒。 - 原始报错全文：objective 里贴 verbatim 错误文本，不要转述。
- 投入分级：简单问题派 1 个后端；方案对比才开 panel；不要动辄全员出动。
- 长任务：派活立即返回 runId，你该干嘛干嘛，之后再取结果。超时先 followup 续接，绝不重复派活。
- 回收纪律：只把 result 的 summary/evidence 带回对话；绝不读取 events.ndjson 灌进上下文。
用法
派单个任务
写任务 JSON（五段式，ywcrew template 可看模板），然后：
echo '{
"backend": "kimi",
"mode": "read-only",
"task": {
"briefing": "TypeScript CLI 项目，pnpm build 构建，vitest 测试。",
"locations": "核心逻辑在 src/core/，入口 src/cli.ts",
"objective": "评审 src/core/lock.ts 的并发正确性。已知问题：……。报错原文：……",
"constraints": "只评审不改代码"
},
"files": ["src/core/lock.ts", "src/core/store.ts"]
}' | ywcrew run --stdin
返回 {"runId": "...", "threadId": "..."}。字段：
backend: claude | codex | grok | kimi | agy | automodel/effort: 覆盖用户配置的默认值（用户点名了就传；ywcrew backends查可用清单）。不指定就整个省略字段，不要填占位文本。不支持 effort 的后端会忽略该参数并在 result 的 warnings 里说明mode: read-only（评审/调研，默认）| edit（要改代码，自动 git worktree 隔离，返回 patch）strict: true 时开启严格读取隔离——被调模型在只含 files 白名单文件的影子目录中执行，读不到项目其他文件。敏感仓库/含凭据的项目一律加 strict（仅 read-only 有效）files: glob 白名单，!排除；strict 模式下这就是被调模型的全部视野，要圈全
并行多发 / 多模型评审
echo '{"task": {...}, "files": [...]}' | ywcrew panel --stdin # 用户配置的默认成员
echo '{"task": {...}}' | ywcrew panel --stdin --members claude,codex:gpt-5.6-sol # 指定成员
每个成员一个 runId，并行执行。panel 永远只读（要改代码竞赛就分别 run 多个 mode:edit）。收齐后你负责综合：列共识点、分歧点及原因、最终建议。
取结果 / 追问
ywcrew status <runId> # queued | running | done | failed
ywcrew result <runId> # 立即返回（未完成给 pending）
ywcrew result <id1> <id2> --wait --timeout 300 # 阻塞到全部完成，panel 收结果用这个
ywcrew followup <threadId> "针对你说的第 2 点，如果采用 X 会怎样？" # 同后端原生续聊
ywcrew followup <threadId> "评价上面这个结论" --backend grok # 换个模型接着聊
followup 的追问写完整问题（短于 20 字会被自动补一句"续接上文"以通过校验）。
结果可信度
- result 里每条 evidence 带
verified标记（worker 自动核验文件存在与行号范围）；verified: false的证据引用前先自行复核 - 文案/调研类开放任务，采纳前对照原始材料核对事实；被调模型的返回永远是建议
状态异常处置
auth_required：result 里有确切修复命令（如grok login），转告用户，不要重试timeout：result 里若有 session_ref，用 followup 续接，不要重新派- 模型不认识：
ywcrew backends查清单；warning 说透传了就等结果
首次使用 / 排障
ywcrew doctor # 后端安装/登录/宿主装载体检
ywcrew init # 重新配置默认模型与 panel 成员