子代理技能
经 AI Skill Hub 精选评估，子代理技能 获评「强烈推荐」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 8.0 分，适合有一定技术背景的用户使用。
📚 深度解析
子代理技能 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
子代理编排，支持Codex、Claude等
子代理技能 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
📖 中文文档
子代理编排，支持Codex、Claude等
子代理技能 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install sub-agents-skills
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install sub-agents-skills
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/shinpr/sub-agents-skills
cd sub-agents-skills
pip install -e .
# 验证安装
python -c "import sub_agents_skills; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
sub-agents-skills --help
# 基本用法
sub-agents-skills input_file -o output_file
# Python 代码中调用
import sub_agents_skills
# 示例
result = sub_agents_skills.process("input")
print(result)
# sub-agents-skills 配置文件示例（config.yml） app: name: "sub-agents-skills" debug: false log_level: "INFO" # 运行时指定配置文件 sub-agents-skills --config config.yml # 或通过环境变量配置 export SUB_AGENTS_SKILLS_API_KEY="your-key" export SUB_AGENTS_SKILLS_OUTPUT_DIR="./output"
Sub-Agents Skills
Orchestrate any LLM as a sub-agent from any AI coding tool.
Use Codex, Claude Code, Cursor CLI, and Gemini CLI as sub-agents within a single workflow — regardless of which tool you're running. Define task-specific agents once in markdown, and execute them on any backend.
(Codex, Claude Code, Cursor...)"] --> B["run_subagent.py"] B --> C["Codex"] B --> D["Claude Code"] B --> E["Cursor CLI"] B --> G["GLM (Z.ai)"] B --> F["Gemini CLI"] style B fill:#f5f5f5,stroke:#333
1. Install the Skill
Codex (plugin):
codex plugin marketplace add shinpr/sub-agents-skillsThen open the plugin picker, install Runner, and restart Codex:
/pluginsAfter restart, invoke the skill as $runner:sub-agents.
Claude Code (plugin):
/plugin marketplace add shinpr/sub-agents-skills
/plugin install runner@sub-agents-skills
/reload-pluginsOther clients (Cursor CLI, Gemini CLI, VS Code, etc.):
Use the install script to copy the skill into the client's skill path:
```bash
Quick Start
Requirements: Python 3.9+ and at least one supported backend installed.
Usage Examples
To run an agent, describe the task in your prompt:
"Use the code-reviewer agent to check my UserService class""Use the test-writer agent to create unit tests for the auth module""Use the doc-writer agent to add JSDoc comments to all public methods"The host tool invokes the agent and returns results.
Mixing backends in one project:
You can have agents that use different LLMs side by side:
.agents/
├── test-writer.md # run-agent: codex (fast generation)
├── code-reviewer.md # run-agent: claude (strong reasoning)
└── doc-writer.md # run-agent: gemini (large context window)"Use the code-reviewer agent to find security issues, then use the test-writer agent to add tests for the fixes"Tip: Always include what you want done in your request—not just which agent to use. Specific prompts get better results.
Agent Examples
Each .md or .txt file in your .agents/ folder becomes an agent. The filename becomes the agent name (e.g., bug-investigator.md → "bug-investigator").
bug-investigator.md
Frontmatter Options
| Field | Values | Description |
|---|---|---|
run-agent | codex, claude, cursor-agent, gemini, glm | Which CLI executes this agent |
permission | read-only, safe-edit (default), yolo | Approval/sandbox level the sub-agent runs with |
If run-agent is not specified, the skill auto-detects the caller environment or defaults to codex.
Permission levels:
read-only— investigation/review only, no edits or shell writes (codex-s read-only/ claude--permission-mode plan/ gemini--approval-mode plan/ cursor--mode plan)safe-edit— auto-approve edits inside the workspace, suppress prompts (default; codex-s workspace-write+approval_policy=never/ claude--permission-mode acceptEdits/ gemini--approval-mode auto_edit/ cursor--trust)yolo— bypass all approvals and sandboxing. Use with care.
Sub-agents have no stdin, so any approval prompt would deadlock the run. The default safe-edit keeps writes confined to the workspace while suppressing prompts.
Configuration Reference
CLI Selection Priority
--cliargument (explicit override)- Agent definition
run-agentfrontmatter - Auto-detect caller environment
- Default:
codex
--cli always overrides the agent definition's run-agent.
CLI not found (exit code 127)
Install the required CLI: - Codex: npm install -g @openai/codex - Claude Code: curl -fsSL https://claude.ai/install.sh | bash - Cursor CLI: curl https://cursor.com/install -fsS | bash - Gemini CLI: npm install -g @google/gemini-cli
VS Code / Copilot (project-scoped)
curl -fsSL https://raw.githubusercontent.com/shinpr/sub-agents-skills/main/install.sh | bash -s -- --target .github/skills
Or clone manually:
Troubleshooting
sub-agents-skills 是一个专为 AI Agent 设计的技能扩展库，旨在通过标准化的方式为不同的 AI 客户端提供子代理（Sub-Agents）能力。它允许开发者在 Codex、Claude Code 等工具中快速集成具备特定任务能力的 Agent，实现复杂任务的自动化拆解与执行。
运行本项目需要 Python 3.9 或更高版本环境，并且必须安装至少一个受支持的后端（Supported Backends）CLI 工具，以确保 Agent 能够正常调用执行。
根据您使用的客户端进行安装：对于 Codex，请使用 `codex plugin marketplace add shinpr/sub-agents-skills` 命令并安装 Runner 插件；对于 Claude Code，通过 `/plugin marketplace add` 命令添加并安装 runner@sub-agents-skills 后执行 `/reload-plugins`；其他客户端（如 Cursor CLI）也需遵循类似的插件安装流程。
使用非常直观，您只需在 Prompt 中描述任务即可。例如，通过指令 "Use the code-reviewer agent to check my UserService class" 来调用特定的 Agent。系统会根据文件名自动识别 Agent 名称（如 .agents/ 目录下的 bug-investigator.md 会被识别为 bug-investigator）。此外，您可以在同一个项目中混合使用不同的后端来处理不同类型的任务。
Agent 的行为通过文件头（Frontmatter）进行配置。您可以设置 `run-agent` 字段来指定执行该 Agent 的 CLI（如 codex, claude, gemini 等），并利用 `permission` 字段控制权限级别（如 read-only, safe-edit 或 yolo），以实现不同安全等级的沙箱运行环境。
关于 CLI 的选择优先级，系统遵循以下逻辑：首先是命令行参数 `--cli` 的显式覆盖，其次是 Agent 定义中的 `run-agent` 配置，随后是自动检测调用者环境，最后默认使用 `codex`。如果遇到 CLI 未找到的错误（exit code 127），请确保已通过 npm 或 curl 正确安装了对应的 Codex、Claude Code 或 Cursor CLI。
针对常见问题，若遇到 CLI 缺失，请检查是否已安装对应的工具链；若 Agent 权限不足，请检查配置文件中的 `permission` 设置；若需切换执行环境，请通过 `--cli` 参数进行强制覆盖。
高质量的AI工作流项目，支持多种LLM子代理
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 构建多智能体协作系统的 Agent 开发者
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
⚖️ 优点与不足
- +MIT 协议，可免费商用
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：子代理技能 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | sub-agents-skills |
| 原始描述 | 开源AI工作流：Cross-LLM sub-agent orchestration as an Agent Skills. Route tasks to Codex, Clau。⭐54 · Python |
| Topics | ai-agentscodexclaudepython |
| GitHub | https://github.com/shinpr/sub-agents-skills |
| License | MIT |
| 语言 | Python |
收录时间：2026-07-07 · 更新时间：2026-07-11 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。