pi-dteam
为Pi框架提供模型路由与证据驱动的主代理协议
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：pi-dteam。 它的用途是：为Pi框架提供模型路由与证据驱动的主代理协议 完整的 Skill 内容见：https://321skill.com/skills/pi-dteam/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
“使用dteam协议，将这个数据分析任务分解并路由执行，最后给我带验证证据的汇总报告。”，它会将任务拆解，分发给合适的T1/T2模型进行子任务计算，收集每个步骤的结构化输出作为证据，最终整合成一份可验证的完整分析报告提交给你。
介绍
dteam 旨在解决多智能体协作中任务分配与验证的复杂性问题。它通过一个模型层路由执行框架，将任务智能地分发给不同层级的“工人”（T1/T2/T3），并引入结构化的证据驱动验证机制，确保任务执行的可靠性和可追溯性，同时通过有界扇出控制任务分发的规模，避免系统过载。
使用时，开发者需要将其集成到基于Pi框架的多智能体系统中。dteam 作为执行层，负责接收主代理（Main-Agent）的任务，根据预设的路由策略（如模型能力、新鲜度）选择合适层级的工人模型来执行，并收集执行过程中的结构化证据，最终汇总给主代理进行决策或下一步行动。
该Skill适合正在构建复杂、需要多步推理或分工协作的AI Agent系统的开发者或团队。特别是那些对任务执行的可信度、过程透明度和资源优化有较高要求的项目。
使用建议：在部署前，请仔细定义好T1/T2/T3工人的能力边界和验证标准。注意，有界扇出（bounded fan-out）的配置需要根据实际任务复杂度和系统承载能力进行调优，以避免性能瓶颈或资源浪费。
核心特点
核心区别在于其“模型层路由”与“证据驱动”的深度结合：它不仅根据模型类型（如T1/T2/T3）智能分配任务，还强制要求每个执行步骤产生结构化证据供主代理验证，这比单纯的任务队列或轮询调度提供了更强的过程可控性和可信度保证。
注意事项
不适合对执行延迟极其敏感或任务极其简单、无需分层验证的轻量级单智能体场景。
常见问题
dteam中的T1/T2/T3工人具体指什么？
通常指代不同能力或成本层级的AI模型，T1可能是最强/最贵的模型，T3是较轻量的模型，dteam负责将任务路由到最合适的层级。
如何定义‘有界扇出（bounded fan-out）’？
指限制一个主代理同时能向下分发的子任务数量，防止任务爆炸式增长导致系统失控，是控制并发复杂度的关键参数。
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/pi-dteam/raw/index.md 读取 pi-dteam 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/pi-dteam/raw/index.md（查看排版版本）