franke_skills
让大模型专注指挥，将编码任务分发给专用子代理执行
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：franke_skills。 它的用途是：让大模型专注指挥，将编码任务分发给专用子代理执行 完整的 Skill 内容见：https://321skill.com/skills/franke-skills/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“我需要为电商系统添加一个用户积分兑换功能，请先拆解任务，然后分别创建实现前端兑换界面和后端积分扣减逻辑的子任务。” 它会先规划出前后端的具体需求点，然后通过 `cxcc-subagent` 技能，将 React 组件开发任务派发给 Claude Code，将 API 服务开发任务派发给 Codex，并持续监控两者的进度和审查结果。
介绍
Franke Skills 的核心是解决一个效率问题：当使用大模型进行编程时，让昂贵的、擅长规划和决策的“指挥模型”去处理繁重的代码生成和审查工作，是一种资源浪费。它让指挥模型（如 Fable-class）专注于任务分解、规划和最终裁决，而将具体的编码实现、代码审查和问题排查等工作，通过统一的 CLI 接口，分发给更经济或更专业的子代理（如 Codex, Claude Code, Grok）在独立环境中执行。
使用方式非常直接。通过一个名为 cxcc-subagent 的技能，你可以在自己的项目中安装一个小型 CLI 工具。之后，指挥模型只需通过几个简单的命令（如 spawn, list, result）就能启动、监控和收集来自不同后端编码代理的工作结果。所有交互都支持 JSON 输出，便于集成。
这个工具非常适合那些需要协调复杂编码任务，但又希望优化 Token 消耗和提升任务可靠性的开发者。例如，全栈开发者在设计新功能时，可以让指挥模型制定方案，然后并行地将前端 React 组件和后端 API 逻辑分别派发给不同的编码代理去实现。
需要注意的是，使用前需确保 Python 3.10+ 环境，并至少安装了一个支持的 CLI 后端（codex, claude 或 grok）。任务状态默认存储在 ~/.codex-agents 目录下。建议在尝试复杂任务前，先用一个小型任务熟悉其工作流程和状态管理机制。
核心特点
与直接循环调用 `codex exec` 等原始 CLI 相比，它提供了可靠的状态管理（卡顿任务会被识别并上报，而非静默失败）、统一的多后端接口，以及内置的、可组合的双维度代码审查流程，确保“指挥”与“执行”职责清晰分离。
注意事项
不适合需要指挥模型直接、即时参与每一行代码编写的紧密交互式编程场景。
常见问题
它和直接使用 Codex CLI 有什么区别？
它提供了任务状态监控、统一的多后端接口和内置代码审查，避免了原始 CLI 调用中任务卡死无响应、需要手动切换工具和临时拼凑审查流程的问题。
支持哪些编码代理（子代理）？
目前支持 Codex CLI、Claude Code 和 Grok Build CLI 三种后端，通过统一的命令进行调用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/franke-skills/raw/index.md 读取 franke_skills 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/franke-skills/raw/index.md（查看排版版本）