--- name: arena description: "让 N 个并行候选者执行同一任务,选择一个基础方案,将落选方案中最强的部分嫁接进去。用于 `/arena`、“把这个放进竞技场”“交给竞技场比选”,或者只尝试一次复杂产物就可能把错误形态固定下来的情况。" disable-model-invocation: true --- # 竞技场 在启动任何工作之前,打开待办清单,每个阶段一项(界定任务、扇出、交叉评判、选择、嫁接、验证)。 ## 阶段 A:界定任务 每个候选者都收到相同提示词,因此提示词就是契约。 1. 说明每个候选者要产出的产物。 2. 推导评分标准:3–6 条具体、可评分的条件,描述在*当前*任务上成功是什么样子。这是阶段 D 中选择者的工具。候选者只看到任务。 3. 选择执行者。使用 `~/.cursor/rules/pstack-models.mdc` 中的 `arena runners` 行。如果规则或该行不存在,默认分别使用一个 `claude-opus-5-5-xhigh` 和一个 `grok-4.7-xhigh-fast`。该行中的 `auto` 或 `inherit-parent` 条目表示父模型,因此省略其 `model`。如果 Task 工具拒绝某个已配置条目,让该席位使用其家族的默认模型,并说明。家族按前缀划分:`claude-*` 为一类;`grok-*` 与 `cursor-grok-*`、`composer-*` 为另一类。被拒绝的 `composer-*` 条目改用 `grok-4.7-xhigh-fast`。如果该家族没有默认值,或 Task 工具也拒绝该默认值,从错误消息中选择同一家族最接近的有效 slug;如果没有,就取消该席位并说明。如果取消后执行者少于两个,添加执行者直至有两个;若该行只有一个条目,则保留一个。每个新增执行者使用剩余执行者的模型;若没有剩余执行者,则省略 `model`,使其使用父模型,并说明。当竞技场覆盖多个设计方向时,生成更多执行者。当工作主要受生成能力限制而非判断敏感性影响时,可将同一模型运行 N 次。根据 **poteto-mode** 技能的 Subagents 章节,为每个子代理选择适合任务的推理级别,以及快速或标准速度。 4. 根据 **separate-before-serializing-shared-state** 原则技能,为每个候选者提供自己的输出位置(可行时使用 git worktree,否则使用 `/tmp/arena-/candidate-/`)。 ## 阶段 B:扇出 在同一条消息中生成全部 N 个子代理,设置 `run_in_background: true`,分别提供任务、共享基础资料的路径、自己的输出路径,以及产出产物和简短理由的指令;理由需列出考虑过的替代方案及被否决的方案。 如果某个候选者没有产出,使用 N-1 个继续推进,并注明退出情况。 ## 阶段 C:交叉评判 阶段 B 的所有候选者完成后,从 `~/.cursor/rules/pstack-models.mdc` 的 `arena cross-judge pool` 行选择一个模型。如果规则或该行不存在,从 `claude-opus-5-5-xhigh` 和 `grok-4.7-xhigh-fast` 中选择。生成一个只读评判子代理。评判者绝不能来自父模型的家族,家族定义见阶段 A 步骤 3。按模型池顺序,仅尝试其他家族的条目。`auto` 或 `inherit-parent` 条目就是父模型,因此绝不能担任评判。使用默认模型池时,Claude 父模型选择 `grok-4.7-xhigh-fast`;其他任何家族的父模型首先选择 `claude-opus-5-5-xhigh`。如果 Task 工具拒绝某个条目,从错误消息中使用同一模型在最接近级别或速度下的有效 slug;若没有,移至下一条目。如果其他家族的所有条目都无法运行,以相同方式尝试默认模型池中来自其他家族的条目。如果仍都无法运行,跳过评判者,在阶段 D 独自选择基础方案,并说明。如果不知道父模型是什么,按模型池顺序尝试其中实际的 slug,并说明没有执行家族检查。评判者按路径标签查看评分标准和候选方案,为每条标准评分,并推荐基础方案及理由。它与阶段 D 中你的阅读并行执行。候选者还在写入时,不要生成评判者。 ## 阶段 D:选择基础方案 选择之前,从头到尾阅读每个候选方案。逐条标准评分,不要凭整体感觉;如果阶段 C 运行了交叉评判者,与其结果比较。对基础方案意见一致可确认选择。意见不一致意味着你们其中一方存在偏见,或评分标准有歧义。作决定前阅读双方理由。 选择未来维护者最容易扩展且不会破坏不变量的基础方案。感觉两个方案不分上下时,根据懒惰协议,优先选择边界更清晰或 API 更小的方案。 ## 阶段 E:嫁接 再次逐一查看落选候选方案,寻找值得移植到基础方案的部分,通常每个方案一两项,而不是大部分内容。根据 **redesign-from-first-principles** 原则技能,手工融入每项嫁接,让结果在同一个心智模型下保持一致。不要机械粘贴。 如果各候选方案收敛到同一形态,这是强烈的一致意见。说明这一点,并交付共识形态。不需要嫁接。如果各方案差异极大,说明阶段 A 的定义不足。重新界定并重新运行,而不是把分歧取平均。 ## 阶段 F:验证 按照 **prove-it-works** 原则技能,像验证其他输出一样验证综合产物。如果验证发现了竞技场遗漏的问题,要么阶段 A 有误(重新界定并重跑),要么某个候选方案已经捕获但你遗漏了嫁接(返回阶段 E)。不要掩盖问题。 ## 输出 一个综合产物,旁边附上简短的综合说明,指出基础方案及选择理由、交叉评判者的裁决或阶段 C 跳过了评判者、每项嫁接及其来源候选方案、被否决的内容及理由、任何收敛或退出情况,以及验证结果。