这是协调整个 Tapestry 工作流程的主要技能：

暂无简介

λ(use_case, 复杂性) → subagent_prompt | ∧ require(need_orchestration(use_case) ∨ need_mcp_integration(use_case)) ∧ 复杂度 ∈ {简单、中等、复杂} ∧ line_target = {简单：30-60，中等：60-120，复杂：120-150} ∧ template = read(templates/subagent-template.md) ∧patterns = read(reference/patterns.md) ∧integration = read(reference/integration-patterns.md) ∧apply(template,use_case,patterns,integration)→draft ∧validate(|draft|≤150∧integration_score≥0.50∧clarity≥0.80)∧examples/{phase-planner-executor.md}演示编排∧ 参考/案例研究/* 提供详细分析 ∧ 脚本/提供验证和指标自动化 ∧ 输出 = {提示：草稿，指标：validation_report}

通过针对每个任务或问题分派新的子代理来创建和执行计划，并在每个或批次任务之后进行代码和输出审查。

该技能为编写高质量的技术规范提供了指导，以有效地传达复杂的系统、设计决策和实施策略。

该技能为注重质量的软件开发和架构提供了指导。它基于简洁架构和领域驱动设计原则。

使用跨技能数据库的语义发现将任务路由到适当的技能。

使用语义搜索和知识图关系的智能技能发现和路由系统。

用于使用渐进披露、马尔可夫链意图分类和帕累托最优排名从 claude-plugins.dev 注册表（36,500 多种技能）中发现技能的全息系统。

该技能为创建有效技能提供了指导。

自动搜索并安装PRPM包，以增强Claude执行特定任务的能力。当从事基础设施、测试、部署或特定于框架的工作时，Claude 会在 PRPM 注册表中搜索相关专业知识并建议安装软件包。

将 ScreenApp 的多模式视频/音频分析 API 作为 Σₛ（屏幕上下文）原语集成到 PEX 上下文检索生态系统中。

将任何输入转换为具有丰富语义元数据的结构化知识模式。

λL.τ：域→通过递归帕累托压缩优化模式

使用历史数据验证方法，而不是实时部署。

将研究、学习和调查任务分配给专业技能。

在使用此技能开始任何任务之前，请加载完整的 PAI 上下文：

暂无简介

路由形式推理、认知增强和深度分析任务。

[[#parse]] → [[#branch]] → [[#reduce]] → [[#ground]] → [[#emit]] ^结构